奇书网

8 4 数据收集与分析（第3页）

一次性项目评估的优点在于简便、灵活、易于操作、经济，缺点是没有数据进行对比，存在难以控制的因素，影响一次性项目评估的结果。

②单一小组、事前测试和事后测试的设计，比一次性评估进了一步，可以解决没有数据进行对比的问题。通过培训项目前后的数据收集，可对培训前后的知识、技能或态度、行为进行比较，确定改进的情况。如图8-3所示。

这种设计的缺点：○a事前测试的影响。有效的培训效果应该是由培训本身引发的，但由于事前测试有可能使学员去研究提供的主题或提出的问题，致使事后测试的结果受到影响。○b外部因素的影响。组织、环境、工作条件或其他因素，会导致业绩表现的变化。这两种影响一般较难消除。

图8-3单一小组、事前测试和事后测试的培训评估设计

③单一小组、多重测评设计是目前培训评估中使用较多的方式。这种用来评估培训项目的设计涉及培训前后一系列的评估。在这种设计中，实验组又是自己的对照组。在培训之前实施多重测评就会避免因不用对照组而产生的问题；事后采取重复性评估，不仅可以对原始结果进行比较，而且也可以对培训项目的长期效果进行评估。图8-4所展示的这种设计，可以包括任何适当的评估方法。

评估者较易得到作为组织业绩报告一部分的测评数据时，可采取单一小组、多重测评的适用条件。其优点在于，可以将培训项目所产生的影响与较长时间以前的业绩表现进行比较，消除许多时间和选择对有效性的影响，但是不能避免流失率所带来的不利影响。

图8-4单一小组、多重测评的评估设计

④对照组的设计，为有效衡量和对比由培训引发的业绩的变化，评估者可以在实验组培训中或者培训后进行测度，并与对照组的业绩进行对比，判断培训项目的效果。这种方法叫做对照组评估设计。如图8-5所示。

图8-5对照组的评估设计

对照组设计成功与否的关键在于对照组与实验组学员的抽取。对照组与实验组的学员，一般具有相同或者相似的特点，所不同的是，对照组不参加培训，代表培训前的水平，实验组参加培训。因此，对照组的选择，应注意与实验组在工作设置、技术、能力和人数特征方面保持相当。对照组的人员构成要具有随机性，同时，不应该暴露对照组的身份，因为这将影响他们的业绩表现。

对照组的理想选择方法是随机抽样，这不仅能在培训开始之前使两个小组得到平衡，而且也使得评估的结果对于其他小组具有普遍性。然而，从实践的角度来看，对学员的选择很难做到随机抽样。

⑤理想的评估设计，如图8-6所示，该评估设计展示了一种更加理想化的状况。这个综合性的设计涉及三个部分：对学员的随机抽样、对所选择的小组进行事前和事后测评。如图所示，小组A参加某个培训，接受事前测评和事后测评。对照组不参加该培训，但接受事前测评和事后测评。小组B参加该培训，不接受事前测评，但接受事后测评。

对照组消除了时间和流失率对有效性的影响。对于对照组来说，如果其事前测评和事后测评的结果相同，那么就可以得出结论，这两个因素对结果没有产生影响。而随机抽样所组成的小组又消除了选择给有效性所带来的影响。

用小组B是为了消除事前测评对人力资源开发培训结果的影响，真正意义上的对照组的设计缺点已经在前面讨论过了。如果小组A和小组B的事后测评结果相同，那么就说明事前测评对业绩表现没有产生影响。

在实施设计中，这种设计是最好的。然而，从实际来看，要得到三个随机选择的抽样小组是很困难的，这种操作所用的时间、费用、不便之处和管理程序等，将使之不能付诸实施。

图8-6理想的评估设计

⑥只有事后测评的对照设计，图8-7所展示的是一个成本低、实用性强的理想化实验设计，我们称之为只有事后测评的对照设计。

图8-7事后测评的对照设计

8。4。2培训评估数据的分析

1。培训评估数据分析的原则

在探讨统计数据的使用方法之前，应该首先阐明用于对评估数据进行分析的一般性指导方针。

（1）审查一致性和准确性。虽然这是一个显而易见的问题，但是仍然必须进行进一步的检查，以确保数据的准确性和一致性。要消除所有不正确的、不充分的或极端的数据。此外，准确性是最重要的问题，因为只有数据本身具有相当的可靠性，数据的分析和解释才会可靠；如果不能确保数据的准确性，那么整个过程中的其他步骤也就毫无意义了。

（2）使用所有相关数据。在多数评估活动中，改进是进行评估的人员所渴望的目标，但是评估本身可能存在偏差。改进并非总是能实现的事情，而有些数据既有正面作用又有负面作用。人们通常希望消除那些不能支持所期望效果的数据，但是仍然应该使用所有相关的数据。如果没有使用某项数据，那么就应该解释清楚为什么将其删除。

（3）保守个人数据秘密。所有收集的数据通常就是每个员工的业绩效果。在对数据进行分析和解释并报告结果时，应该将保守数据来源的秘密视作一个重要问题，除非有某些条件可以防止数据被公开。在收集数据的过程中所采用的相同的保密制度，也应该用在分析和报告阶段。此外，还应该在评估开始之前将这个问题的细节明确告诉给学员。

（4）尽量使用最简单的统计方法。有很多方法可以对数据进行分析，也有很多种不同的统计方法可以对业绩变化进行比较。分析过程应该尽可能简单，并且不超过从数据中获得所需结论的必要限度；应该尽量避免不能提高效益的额外分析。

2。培训评估数据分析的主要方法

在培训评估中一般采取统计的方法汇总、整理、分析数据。根据不同的目的，采取不同的分析方法。第一，在汇总、整理数据中，主要采取两种方法：一是集中趋势或平均值（即中数、中位数和众数），表述小组的特性；二是差量或方差，以表示小组中每个项目的偏差程度。第二，在确定两个或多个项目之间的关系时，主要采取相关系数来表示项目之间互相关联的程度，并用一个系数来表示。第三，对两个小组之间业绩的差别进行比较时，多采用差异检验的方法。这里，对主要的分析方法作概要介绍。

（1）频率分布，在讨论统计方法中所涉及的基本计算之前，首先介绍一下频率分布。例如，对一组15名员工的业绩进行了衡量，培训之前和之后的结果如表8-10所示。阐述培训之后数据的一种方法，就是将其划分为较小的范围（即组距），如表8-11所示。以图表化形式对数据进行阐述后就会发现，在培训项目结束后，在范围（或区域）60～64内具有单位小时评定分数的员工人数比其他范围的人数更多。以图形化形式列出的数据可以用来表示集中趋势（即多数项目被组合在一起）以及差量（即数据离散的程度）。

表8-10培训前后生产率比较

表8-11培训后的组距分布

（2）集中趋势分析常用的是中数、中位数和众数。

中数就是一组数字的算术平均值。其计算方法是，将所有数值全部相加，再除以总数。公式如下：

有关计算过程的解释和说明，请参见表8-10中的数据。∑Xi=932，n=15，接受培训后业绩的平均值：

中位数，又称中间值，是指按照从大到小的次序对数据进行排列，处在当中的那个数字，即要求大于中位数和小于中位数的数字的个数相等。如果数据项目的个数为偶数，那么中位数就是中间两个数值的平均值。在表8-12所显示的培训项目之后的数据，可以按照从大到小的次序进行重新排列，其中位数为63，即表中所列出的15个数字中的第八个数字。如果无法获得或不要求中数的话，那么中位数就能非常有效地表示整组的估计。

众数是指发生频率最高的数值。在前面的例子中，在表中出现了三次的63就是众数。众数的应用范围比较有限，并且在某些数据中可能根本就不存在。例如，如果所有员工都有不同的业绩水平，那么就不存在众数。

此案例培训项目之后的数据，其衡量集中趋势的三种衡量指标分别为：

中数=62。13

中位数=63

众数=63

这与频率分布的结论相符（即多数员工都在60～64的区域内）。如果这三种衡量指标几乎相等，那么这种分布被称为正态分布或钟形曲线分布。