인적성검사(역량검사)을 활용한 채용 PA

본 포스팅은 PA201 구성원 "손"님에 의해 작성된 글입니다.

---

[개요] 

인재 채용 단계 중에 각 기업에 적합한 인재 채용을 하기위한 수단으로 많은 기업들이 인적성검사(역량검사, AI역량검사 등)를 활용하고 있습니다.

제가 재직 중인 기업에서는 최근 10년 이상 사용하던 인적성검사에서 AI역량검사를 도입하였습니다. 당시 여러 가지 요인들에 의하여 기존 검사에서 AI역량검사로 변경 검토하였고 CEO 승인도 받았지만, 과연 당사에 기존 검사에 비하여 변경한 AI역량검사가 적합한지 등을 확인하고자 합니다. 

 

[가설] 

1. 10년 이상 사용한 기존 인적성검사보다 신규 도입한 AI역량검사가 고평가자/장기근속 등에 연관이 더 많을 것이다.  
    (신뢰도/예측도/선별도 등이 높을 것이다.) 

2. 기존 인적성검사가 고평가자/장기근속자 등에 연관성이 없을 것이다. 그러므로 신규 도입한 AI역량검사로 변경하는
    것이 적절하였다. (신규 도입한 AI역량검사 데이터 부족) 

 

[데이터 소개] 

1. (기존) 인적성검사: 약 2,800행, 23개 항목 (약 10년 데이터) 

     - 합격자/재직자/퇴직자 기준으로는 약 500~700행
     - 최근 5년간 평가 내역 유무: 451행 

 

2. (신규) 인적성검사: 약 60행, 73개 항목 (약 2~3개월 데이터) 

     - 합격자/재직자/퇴직자 기준: 약 40행
     - 최근 5년간 평가 내역 유무: 24행 

3. 평가 (5년치) 

 

4. 재직기간 (근속기간) 및 직위 

 

[분석방법] 

JAMOVI프로그램을 이용한 다중회귀분석을 진행

1. (기존)인적성검사 예측력 

구분	변인
통제	직위, 근속일
독립	(구)인적성결과: 인성평균, 직무평균, 종합평균
결과	고과 5개년평균: 업적, 역량, 종합

2. (신규)인적성검사 예측력 

구분	변인
통제	직위, 근속일
독립	(신)인적성결과: 종합, 성과예측, 관계예측, 적응예측
결과	고과 5개년평균: 업적, 역량, 종합

 

* 피어슨 상관 계수 (Pearson's correlation coefficient) 

피어슨 상관 계수 (Pearson's correlation coefficient)는 두 변수 사이의 상관관계의 정도를 나타내는 지표다. 이는 -1과 1 사이의 값을 갖는데 -1 혹은 1에 가까워질수록, 달리 표현하면 상관 계수의 절댓값이 커질수록, 즉 0에서 멀어질수록 "예측할 수 있는 정도"가 높아진다. 1에 가까워지는 것은 양의 상관관계인데 "예측도"가 증가하는 것을 의미하고, -1에 가까워지는 것은 음의 상관관계인데 "예측도"가 증가하는 것을 의미한다. 여기에서 예측하는 방법은 선형 방법이다. 

 

[결과] 

- 직위/근속연수/개인고과가 (기존)인적성검사 및 (신규)인적성검사 모두 상관관계 없었음(유의하지 않음). 

- (기존)인적성검사 보다 (신규)인적성검사가 조금 수치가 높긴 하지만, 의미가 크게 없다고 보임(유의하지 않음). 

 

[한계점 및 보안점] 

1. 당사 평가 방식이 100% 절대평가 방식이다 보니, 개인별로 평가 데이터의 의미가 무의미하다고 판단됨. 

2. 채용 진행 시, 인적성검사 결과 기반으로 합격/불합격을 나뉘는 것이 아닌 참고자료로 쓰이다 보니 관련성이 낮아졌다고 고려됨. 

3. 근속연수 데이터의 경우도, 퇴직자들 기준만이 아닌 재직자도 포함되어 있어 예측도가 떨어짐. 
    (즉, 해당 데이터로는 현재 재직자들은 얼마나 더 다닐지 예측할 수 없음)