Zum Inhalt springen
Zur Übersicht der Methodik

Dokument 3

Mathematisches Modell

Inhalt

Internal Talent Value Evolution Model, Modellversion itvem-0.1.0

Dieses Dokument beschreibt jede Rechnung, die Internal Talent ausführt: Formeln, Annahmen, Schwellen, Grenzfälle und Beispiele. Es ist die verbindliche Beschreibung der Analytics Engine im Verzeichnis src/analytics. Alle Beispielzahlen in diesem Dokument wurden mit genau dieser Engine gerechnet und werden durch einen automatischen Test (tests/analytics/docs-examples.test.ts) bei jeder Änderung erneut geprüft.

Leitfrage und Grundsätze

Die Leitfrage jeder Rechnung lautet: Messen wir tatsächlich das, was wir behaupten zu messen, und dürfen wir daraus die beabsichtigte Schlussfolgerung ziehen?

Daraus folgen sechs Grundsätze.

  1. Beschreibung, keine Prognose. Das Modell beschreibt die rechnerische Zusammensetzung eines Teams. Es sagt nichts über die künftige gelebte Teamkultur und nichts über Leistung voraus.
  2. Kein Gesamtwert. Es gibt keinen zusammengefassten Fit Wert, keine Prozentzahl der Eignung und keine Rangfolge von Menschen. Compatibility, Contribution und Evolution bleiben getrennt.
  3. Deterministisch. Dieselben Eingaben führen immer zum selben Ergebnis. Zufall kommt nur an einer Stelle vor (Vergleich mit zufälligen Umordnungen, Abschnitt „Lager und Gruppen“) und hat dort einen festen Startwert.
  4. Getrennt von der KI Assistenz. Ein Sprachmodell rechnet nichts, schätzt nichts und ordnet nichts zu, was in eine Rechnung eingeht.
  5. Schutzregeln sind Teil der Rechnung. Mindestgruppengröße und der Schutz vor Rückrechnung gelten in der Engine und nicht erst in der Darstellung.
  6. Schwellen sind Konventionen. Jede Schwelle in diesem Modell ist eine gesetzte, dokumentierte Konvention und kein empirisch geeichter Grenzwert. Alle Schwellen stehen an einer Stelle (src/analytics/version.ts) und im Abschnitt „Konventionen im Überblick“.

Stand der Absicherung: Die Formeln selbst sind mathematisch definiert oder der zitierten Literatur entnommen (wissenschaftlich belegt). Ihre Verwendung für die Beschreibung kleiner Teams anhand von Werteprofilen ist plausibel, aber nicht validiert. Dass eine rechnerische Verschiebung der Zusammensetzung eine spätere Veränderung der Zusammenarbeit anzeigt, ist eine offene Hypothese.

Messniveau und Annahmen

Drei Ebenen, drei Arten von Daten

EbeneWas erhoben wirdDarf in eine Teamrechnung eingehen?
Individuelle KonstruktePersönliche Unterscheidungen aus dem Repertory Grid, in den Worten der PersonNein. Sie bleiben bei der Person.
Vergleichbare DimensionenAntworten auf ein für alle gleiches Instrument (Arbeitsorientierungen, Grundwerte)Ja, als Zusammensetzung des Teams.
Gelebte TeamnormenEinschätzung der tatsächlichen Zusammenarbeit durch jedes MitgliedJa, als geteilte Wahrnehmung, aber nur zusammen mit Kennwerten der Übereinstimmung.

Die Trennung folgt der Mehrebenenforschung (Chan 1998; Kozlowski und Klein 2000). Persönliche Werte ergeben zusammengefasst eine Beschreibung der Zusammensetzung (additives Modell). Wahrgenommene Normen sind ein Merkmal des Teams, wenn die Mitglieder sie ähnlich einschätzen (Modell mit verschobenem Bezugspunkt, im Englischen referent shift). Nur für die erste Art ist eine rechnerische Simulation überhaupt definiert: Die Werte einer hinzukommenden Person sind bekannt, ihre spätere Wahrnehmung des Teams ist es nicht.

Skalen

InstrumentSkalaArt
Arbeitsorientierungen1 bis 7 je Dimension, zwei gleichwertige Polezweipolig
Teamnormen1 bis 7, Zustimmung zu Aussagen über das Teameinpolig
Gelebte Praxis1 bis 7, dieselben Gegensatzpaare wie die Arbeitsorientierungenzweipolig
Grundwerte−3 bis +3, zentrierte Wichtigkeiteinpolig, relativ zur Person
Repertory Grid1 bis 7 zwischen den beiden Polen eines Konstrukts, zusätzlich „passt nicht“zweipolig, je Person eigene Bedeutung

Annahmen, auf denen Mittelwerte beruhen

Mittelwert und Streuung setzen voraus, dass die Abstände zwischen den Stufen einer Skala annähernd gleich sind (Intervallniveau). Für einzelne Fragen mit sieben Stufen ist das eine verbreitete Näherung. Für Mittel aus mehreren Fragen ist sie besser begründet als für eine einzelne Frage. Das Modell rechnet deshalb nie mit einer einzelnen Frage, sondern mit Dimensionswerten aus drei Fragen.

Vergleiche zwischen Personen setzen außerdem voraus, dass alle die Skala gleich verstehen (Messinvarianz). Für die eigenen Demonstrationsfragen des Prototyps ist das nicht geprüft. Für das Instrument von Schwartz ist über Kulturen hinweg metrische Invarianz belegt, skalare Invarianz nach einer Sekundärquelle nicht (Schwartz und Cieciuch 2022). Folge für das Modell: Unterschiede zwischen Mittelwerten sind als Beschreibung der Antworten zu lesen und nicht als gesicherter Unterschied der dahinter liegenden Werte.

Stand der Absicherung: plausibel, aber nicht validiert.

Vom Antwortbogen zum Dimensionswert

Modul scoring.ts.

Umpolung

Bei jeder dritten Frage stehen die Pole vertauscht, damit eine Vorliebe für die linke oder rechte Seite den Wert nicht verzerrt. Solche Fragen zählen gespiegelt:

x′=xmin⁡+xmax⁡−xx' = x_{\min} + x_{\max} - x

Beispiel: Auf der Skala 1 bis 7 wird aus der Antwort 6 der Wert 2.

Dimensionswert

Der Wert einer Dimension ist das Mittel der beantworteten, gegebenenfalls umgepolten Fragen dieser Dimension:

sd=1m∑i=1mxi′s_d = \frac{1}{m}\sum_{i=1}^{m} x'_i

Beispiel mit drei Fragen, die zweite ist vertauscht: Antworten 2, 6 und 3 ergeben 2, 2 und 3, also sd=2,33s_d = 2{,}33.

Fehlende Antworten

Ein Wert entsteht nur, wenn mindestens zwei Drittel der Fragen einer Dimension beantwortet sind. Bei drei Fragen sind das zwei. Es wird nichts geschätzt und nichts ersetzt: Das Ersetzen fehlender Fragen durch das Mittel der Person kann Skalenwerte verzerren.

BeantwortetErgebnisKennzeichen
3 von 3Wertkeines
2 von 3Wert aus zwei Fragen„unvollständig“
1 von 3kein Wert„zu wenige Antworten“

Die Skalenmitte

Die Mitte ist eine gültige Antwort und bedeutet „kommt darauf an“ oder „beides gleich“. Sie wird nicht als fehlend behandelt. Ihr Anteil wird der Person als Hinweis zur Antwortqualität gezeigt, aber nicht bewertet.

Uneinheitliche Antworten

Liegen die umgepolten Antworten einer Dimension weit auseinander (Spannweite ab 4 Skalenpunkten), erhält die Dimension das Kennzeichen „uneinheitlich“. Beispiel: Antworten 1, 2 (vertauscht, zählt als 6) und 3 ergeben den Wert 3,33 mit einer Spannweite von 5. Der Wert bleibt bestehen. Die Person sieht den Hinweis in ihrem eigenen Profil und kann ihre Antworten prüfen. Niemand sonst sieht ihn.

Hinweise zur Antwortqualität

Für die Person selbst berechnet die Engine drei einfache Hinweise: Vollständigkeit, Anteil der Antworten genau in der Mitte und die längste Folge gleicher Antworten. Sie führen nie zu einem Ausschluss. Für eine spätere Validierung sind weitere Kennwerte für unachtsames Antworten vorgesehen (Ward und Meade 2023).

Zentrierung bei den Grundwerten

Im Rahmen nach Schwartz wird von jedem Wert das Mittel aller Antworten der Person abgezogen:

cj=vj−vˉc_j = v_j - \bar{v}

Übrig bleibt die relative Wichtigkeit, bereinigt um die persönliche Neigung, die Skala insgesamt höher oder niedriger zu nutzen. Folge: Zentrierte Werte zeigen Prioritäten innerhalb einer Person. Ein Vergleich „Person A ist Sicherheit wichtiger als Person B“ ist streng genommen ein Vergleich von Prioritäten und nicht von absoluten Niveaus. Der Prototyp arbeitet in diesem Rahmen nur mit synthetisch erzeugten Werten.

Zuverlässigkeit und Messfehler

Für die spätere Validierung berechnet die Engine Cronbachs Alpha:

α=kk−1(1−∑jsj2sT2)\alpha = \frac{k}{k-1}\left(1 - \frac{\sum_{j} s_j^2}{s_T^2}\right)

und daraus den Standardmessfehler:

SEM=s⋅1−rtt\mathit{SEM} = s \cdot \sqrt{1 - r_{tt}}

Beispiel: Bei einer Streuung von 1,2 und einer Zuverlässigkeit von 0,80 beträgt der Standardmessfehler 0,54 Skalenpunkte. Alpha allein gilt in der Fachliteratur als unzureichend. Vor einem Einsatz mit echten Personen sind modellbasierte Kennwerte wie Omega und die Stabilität bei Wiederholung zu prüfen.

Im Prototyp ist die Zuverlässigkeit der Demonstrationsfragen unbekannt. Der Simulator arbeitet deshalb mit einem angenommenen Messfehler, den die Nutzerin oder der Nutzer wählt (Vorgabe 0,5 Skalenpunkte). Das ist eine Annahme, um Unsicherheit sichtbar zu machen, und kein gemessener Wert.

Beschreibung eines Teams

Module descriptive.ts und team-profile.ts.

Kennwerte

Für jede Dimension und alle gültigen Werte x1,…,xnx_1, \dots, x_n des Teams:

KennwertFormel
Anzahlnn
Mittelwertxˉ=1n∑xi\bar{x} = \frac{1}{n}\sum x_i
Medianmittlerer Wert der sortierten Liste, bei gerader Anzahl das Mittel der beiden mittleren
Streuungs=1n∑(xi−xˉ)2s = \sqrt{\frac{1}{n}\sum (x_i - \bar{x})^2}
Kleinster und größter Wertx(1)x_{(1)}, x(n)x_{(n)}
Spannweitex(n)−x(1)x_{(n)} - x_{(1)}

Warum der Nenner n

Die Streuung wird mit dem Nenner nn gerechnet und nicht mit n−1n - 1. Das Team ist die vollständige betrachtete Einheit und keine Stichprobe, aus der auf eine größere Gesamtheit geschlossen wird. So empfehlen es Harrison und Klein (2007) für Kennwerte von Einheiten. Die größtmögliche Streuung auf einer Skala hängt dann nicht von der Teamgröße ab:

smax⁡=xmax⁡−xmin⁡2s_{\max} = \frac{x_{\max} - x_{\min}}{2}

Auf der Skala 1 bis 7 sind das 3 Skalenpunkte. Dieser Fall tritt ein, wenn die eine Hälfte des Teams am einen und die andere am anderen Ende steht.

Warum der Mittelwert allein nicht genügt

WerteMittelStreuungSpannweite
Team A4, 4, 4, 4, 44,000,000
Team B1, 2, 4, 6, 74,002,286

Beide Teams haben dasselbe Mittel und sind doch völlig verschieden zusammengesetzt. Die Oberfläche zeigt deshalb immer die Verteilung, also Punkte, Streuung und Spannweite, und nie nur einen Mittelwert.

Wann Mittelwert, Median, Streuung oder Extremwerte

KennwertZweckGrenze
MittelwertLage der Zusammensetzung, Grundlage der Simulationverbirgt Unterschiede, reagiert auf einzelne Werte
MedianLage, wenn einzelne Werte weit abliegenbei wenigen Werten sprunghaft
Streuungwie verschieden die Mitglieder sindsagt nicht, ob sich Lager bilden
Kleinster und größter Wertwelche Positionen überhaupt vertreten sindwächst rechnerisch mit der Teamgröße
Maßgebliche Kenngröße des Zielprofilshängt von der Aufgabe ab (Abschnitt „Zielprofil“)muss begründet werden

Die Spannweite kann durch einen Zugang nur gleich bleiben oder wachsen. Bei zufälligen Daten wächst sie allein dadurch, dass mehr Personen im Team sind. „Der Zugang erweitert die Spannweite“ ist deshalb zum Teil eine rechnerische Selbstverständlichkeit und für sich genommen kein Befund.

Mindestgruppengröße

Liegen in einer Dimension weniger gültige Werte vor als die Mindestgruppengröße kk (Vorgabe 5, je Organisation zwischen 5 und 15 einstellbar), gibt die Engine für diese Dimension nichts zurück: keine Kennwerte und keine Einzelwerte. Die Regel gilt in der Berechnung und nicht erst in der Anzeige.

Keine Verknüpfung von Einzelwerten

Einzelwerte verlassen die Engine nur als sortierte Liste je Dimension und ohne Kennung. Wer das Ergebnis sieht, kann nicht erkennen, welcher Punkt in der einen Dimension zu welchem Punkt in einer anderen gehört. Ein Team kann die Punkte ganz abschalten. Dann verlassen nur Kennwerte den Server.

Drei Formen von Vielfalt

Modul diversity.ts, nach Harrison und Klein (2007).

FormBedeutungKennzahlVerwendung im Prototyp
SeparationUnterschiede der Position auf einem Kontinuum, etwa WerteStandardabweichung, mittlere euklidische DistanzStreuung in allen Teamansichten
VarietyVerschiedenheit von Kategorien, etwa fachliche HintergründeBlau Index, Teachman EntropieVielfalt der Hintergründe im Teamprofil
Disparityungleiche Verteilung einer begehrten Ressource, etwa EinflussVariationskoeffizient, Gini Koeffizientberechenbar, im Prototyp nicht angezeigt

Eine Kennzahl der einen Form darf nicht als Maß einer anderen gelesen werden. Werte und Arbeitsorientierungen sind Separation. Der Variationskoeffizient ist nur für Größen mit echtem Nullpunkt sinnvoll und wird deshalb nie auf Ratings angewendet.

Mittlere euklidische Distanz:

D=1n∑i=1n1n∑j=1n(xi−xj)2D = \frac{1}{n}\sum_{i=1}^{n}\sqrt{\frac{1}{n}\sum_{j=1}^{n}(x_i - x_j)^2}

Für Team B ergibt sich D=3,18D = 3{,}18.

Blau Index für Kategorien mit den Anteilen pcp_c:

B=1−∑cpc2Bmax⁡=K−1KB = 1 - \sum_c p_c^2 \qquad B_{\max} = \frac{K-1}{K}

Beispiel: Sieben Mitglieder mit den Hintergründen 3, 2 und 2 ergeben B=1−9+4+449=0,65B = 1 - \frac{9 + 4 + 4}{49} = 0{,}65. Bei K=8K = 8 möglichen Kategorien wäre höchstens 0,875 erreichbar. Der Höchstwert hängt von der Zahl der Kategorien ab, der tatsächlich erreichbare Wert auch von der Teamgröße. Teams unterschiedlicher Größe sind deshalb nur eingeschränkt vergleichbar.

Teachman Entropie:

H=−∑cpcln⁡pcH = -\sum_c p_c \ln p_c

Für dasselbe Beispiel H=1,08H = 1{,}08.

Übereinstimmung bei Teamnormen

Modul agreement.ts.

Gelebte Teamnormen schätzt jedes Mitglied einzeln ein. Ein Teamwert ist nur dann eine Aussage über das Team, wenn die Mitglieder ihr Team ähnlich wahrnehmen. Die Oberfläche zeigt deshalb neben jedem Mittel die Übereinstimmung.

Übereinstimmung innerhalb eines Teams

Für eine einzelne Frage mit AA Antwortstufen (James, Demaree und Wolf 1984):

rwg=1−sx2σE2σE2=A2−112r_{wg} = 1 - \frac{s_x^2}{\sigma_E^2} \qquad \sigma_E^2 = \frac{A^2 - 1}{12}

sx2s_x^2 ist die beobachtete Varianz der Antworten (hier mit dem Nenner n−1n - 1), σE2\sigma_E^2 die Varianz, die bei rein zufälligem, gleich verteiltem Antworten zu erwarten wäre. Bei sieben Stufen ist σE2=4\sigma_E^2 = 4.

Beispiel: Fünf Mitglieder antworten 5, 5, 6, 5, 6. Die beobachtete Varianz beträgt 0,30, also rwg=1−0,30/4=0,93r_{wg} = 1 - 0{,}30 / 4 = 0{,}93.

Für eine Skala aus JJ Fragen mit der mittleren Varianz sˉ2\bar{s}^2:

rwg(j)=J(1−sˉ2σE2)J(1−sˉ2σE2)+sˉ2σE2r_{wg(j)} = \frac{J\left(1 - \frac{\bar{s}^2}{\sigma_E^2}\right)}{J\left(1 - \frac{\bar{s}^2}{\sigma_E^2}\right) + \frac{\bar{s}^2}{\sigma_E^2}}

Beispiel mit drei Fragen und einer mittleren Varianz von 0,30: rwg(j)=0,97r_{wg(j)} = 0{,}97.

Streuen die Antworten stärker als bei Zufall, wird der Rohwert negativ. Beispiel: Antworten 1, 3, 4, 6, 7 ergeben eine Varianz von 5,7 und einen Rohwert von −0,43. Nach Konvention wird der angezeigte Wert dann auf 0 gesetzt. Die Engine gibt den Rohwert zusätzlich aus.

Mittlere absolute Abweichung

AD=1n∑i=1n∣xi−xˉ∣AD = \frac{1}{n}\sum_{i=1}^{n} |x_i - \bar{x}|

Die Kennzahl steht in Skalenpunkten und ist deshalb leichter zu lesen. Für das Beispiel 5, 5, 6, 5, 6 ergibt sich AD=0,48AD = 0{,}48. Als Konvention für Übereinstimmung wird eine Abweichung bis A/6A / 6 genannt (Burke und Dunlap 2002), bei sieben Stufen also bis 1,17.

Vergleich mehrerer Teams

Liegen Antworten aus mindestens zwei Teams vor, berechnet die Engine aus einer einfaktoriellen Varianzanalyse:

ICC(1)=MSB−MSWMSB+(k−1) MSWICC(2)=MSB−MSWMSB\mathit{ICC}(1) = \frac{MS_B - MS_W}{MS_B + (k-1)\,MS_W} \qquad \mathit{ICC}(2) = \frac{MS_B - MS_W}{MS_B}

Dabei ist kk die mittlere Gruppengröße, korrigiert für ungleich große Gruppen:

k=1G−1(N−∑gng2N)k = \frac{1}{G-1}\left(N - \frac{\sum_g n_g^2}{N}\right)

ICC(1) ist der Anteil der Unterschiede, der zwischen den Teams liegt. ICC(2) beschreibt, wie verlässlich die Teammittel Teams unterscheiden. Beispiel mit drei Teams zu je vier Personen und den Werten (5, 6, 5, 6), (3, 4, 3, 4) und (4, 5, 5, 4): MSB=4,00MS_B = 4{,}00, MSW=0,33MS_W = 0{,}33, also ICC(1) = 0,73 und ICC(2) = 0,92.

Beide Kennwerte brauchen eine größere Zahl von Teams, um belastbar zu sein. Mit den vier Teams der Demonstration sind sie nur eine Vorführung der Rechnung.

Grenzen in kleinen Teams

Die verbreiteten Grenzwerte (rwgr_{wg} ab 0,70, AD bis A/6A/6, ICC(2) ab 0,70) sind Konventionen mit umstrittener Begründung (LeBreton und Senter 2008). In sehr kleinen Teams erreicht auch zufälliges Antworten hohe Werte. Eine eigene Monte Carlo Simulation der Recherche für eine fünfstufige Einzelfrage ergab: Bei rein zufälligen Antworten erreicht ein Team mit vier Personen in etwa 10 von 100 Fällen ein rwgr_{wg} von mindestens 0,70, mit sechs Personen in etwa 4 von 100 Fällen (eigene Simulation, nicht extern begutachtet).

Folge für das Modell: Die Kennwerte werden gezeigt und erklärt, aber nicht als bestanden oder nicht bestanden gewertet. Eine einzige Stelle verwendet die Konventionen als Auslöser, nämlich die Gesprächsanlässe (Abschnitt „Gesprächsanlässe für die Teamentwicklung“). Dort entsteht daraus eine Frage an das Team und kein Urteil.

Stand der Absicherung: Die Formeln sind wissenschaftlich belegt. Ihre Aussagekraft in Teams mit weniger als etwa zehn Personen ist eingeschränkt.

Lager und Gruppen

Modul subgroups.ts. Zwei Fragen werden getrennt beantwortet.

Zwei Lager in einer Dimension

Die Werte einer Dimension werden sortiert. Gesucht wird die größte Lücke zwischen zwei benachbarten Werten. Zwei Lager werden beschrieben, wenn die Lücke mindestens 2,0 Skalenpunkte beträgt und auf jeder Seite mindestens zwei Personen stehen. Bei gleich großen Lücken zählt die mittigere, damit das Ergebnis eindeutig ist.

WerteGrößte LückeSeitenZwei Lager?
2,0 · 2,3 · 2,7 · 5,0 · 5,3 · 5,72,33 und 3ja
2,0 · 3,0 · 3,5 · 4,0 · 5,0 · 5,51,04 und 2nein

Das Verfahren ist bewusst so einfach, dass es sich von Hand nachvollziehen lässt. Kennwerte der Zweigipfligkeit wurden geprüft und verworfen: Eine eigene Simulation der Recherche zeigt, dass der Bimodalitätskoeffizient in Teams mit 4 bis 12 Personen echte Polarisierung nicht von Zufall unterscheidet.

Gruppenbildung über mehrere Dimensionen

Bilden dieselben Personen über mehrere Dimensionen hinweg zwei Gruppen? Das Verfahren:

  1. Nur Mitglieder mit vollständigem Profil gehen ein. Mindestens vier Personen sind nötig, sonst entsteht keine Aussage.
  2. Jede Dimension wird auf ihre Skalenbreite bezogen: z=(x−xmin⁡)/(xmax⁡−xmin⁡)z = (x - x_{\min}) / (x_{\max} - x_{\min}).
  3. Die Distanz zweier Personen ist die euklidische Distanz ihrer Profile.
  4. Eine hierarchische Clusterung mit mittlerer Distanz zwischen Gruppen fasst die Personen schrittweise zusammen, bis zwei Gruppen übrig sind.
  5. Die Trennschärfe der Zweiteilung misst die mittlere Silhouettenbreite (Rousseeuw 1987). Für jede Person ii ist aia_i die mittlere Distanz zur eigenen Gruppe und bib_i die mittlere Distanz zur anderen Gruppe:

S=1n∑i=1nbi−aimax⁡(ai,bi)S = \frac{1}{n}\sum_{i=1}^{n}\frac{b_i - a_i}{\max(a_i, b_i)}

  1. Vergleich mit dem Zufall. Ein Clusterverfahren findet in wenigen Werten fast immer zwei „Gruppen“, auch in reinem Zufall. Ein fester Grenzwert für SS taugt deshalb nicht. Die Engine verteilt stattdessen die Werte jeder Dimension unabhängig voneinander neu auf die Mitglieder (499 Umordnungen, fester Startwert). Das erhält die Verteilung jeder einzelnen Dimension und löst nur den Zusammenhang zwischen den Dimensionen. Für jede Umordnung wird die beste Zweiteilung und ihre Silhouettenbreite bestimmt. Der Anteil

p=1+#{SUmordnung≥Sbeobachtet}499+1p = \frac{1 + \#\{S_{\text{Umordnung}} \ge S_{\text{beobachtet}}\}}{499 + 1}

gibt an, wie oft der Zufall eine mindestens so deutliche Aufteilung erzeugt. 7. Berichtet wird eine Gruppenbildung nur, wenn p≤0,05p \le 0{,}05 ist und jede Gruppe mindestens drei Personen hat.

Beispiel: Sechs Personen mit drei Dimensionen, drei liegen bei etwa (2, 2, 6) und drei bei etwa (5,5 · 5,8 · 2). Die Silhouettenbreite beträgt 0,88, und nur 7 von 500 Anordnungen (die tatsächliche mitgezählt) sind mindestens so deutlich, also p=0,014p = 0{,}014. Die Gruppenbildung wird berichtet.

Die Oberfläche nennt die Anzahl in Worten („in 7 von 500 zufälligen Umordnungen“) und keine Wahrscheinlichkeit.

Was diese Aussagen bedeuten

Beide Aussagen beschreiben die erhobenen Antworten. Sie sind kein Befund über Beziehungen im Team und keine Risikoanzeige. Der Begriff der Bruchlinien (im Englischen faultlines) wird bewusst nicht als Warnsignal verwendet: Die viel zitierte Meta Analyse von Thatcher und Patel (2011) ist seit 2016 zurückgezogen, und die neuere Zusammenfassung findet für ruhende Bruchlinien keinen direkten Zusammenhang mit der Teamleistung (Thatcher, Meyer, Kim und Patel 2024, nach Sucheintrag).

Stand der Absicherung: Clusterung und Silhouettenbreite sind etablierte Verfahren. Der Vergleich mit Umordnungen ist ein Standardvorgehen der Statistik, in dieser Zusammenstellung für kleine Teams aber eine eigene Entwicklung. Plausibel, aber nicht validiert.

Zielprofil

Modul target.ts.

Ein Zielprofil hält fest, was für die künftigen Aufgaben eines Teams gelten soll. Es wird festgelegt, bevor einzelne Personen betrachtet werden. Ein festgelegtes Zielprofil ist unveränderlich. Änderungen erzeugen eine neue Fassung.

Drei Möglichkeiten je Dimension

AbsichtFestlegungBedeutung
erhaltenBand von bmin⁡b_{\min} bis bmax⁡b_{\max}Die maßgebliche Kenngröße soll in diesem Band bleiben.
entwickelnZielwert ttDie maßgebliche Kenngröße soll sich auf tt zubewegen.
offenkeineUnterschiede in dieser Dimension haben keine festgelegte Bedeutung.

Die maßgebliche Kenngröße

Welche Kenngröße zählt, hängt von der Art der Aufgabe ab (Steiner 1972):

KenngrößeArt der AufgabeBeispiel
MittelwertBeiträge gleichen sich ausDas Team soll insgesamt beweglicher arbeiten.
MinimumDas schwächste Glied bestimmt das ErgebnisNiemand soll ganz ohne Prüfung freigeben.
MaximumEs genügt, wenn eine Person etwas einbringtMindestens eine Person soll weit in die Zukunft denken.

Die Wahl ist eine Festlegung der Organisation und muss begründet werden. Die Forschung liefert dafür einen Rahmen, aber keine Rechenregel: Die Meta Analyse von Bell (2007) zeigt, dass Zusammenhänge zwischen Zusammensetzung und Leistung von Umfeld und Kennzahl abhängen.

Bewertung einer Veränderung

Sei qq die maßgebliche Kenngröße, vorher q0q_0, nachher q1q_1.

Entwickeln. Abstand zum Ziel vorher g0=∣t−q0∣g_0 = |t - q_0|, nachher g1=∣t−q1∣g_1 = |t - q_1|.

BedingungAussage
g0−g1>0,005g_0 - g_1 > 0{,}005näher am Ziel
g1−g0>0,005g_1 - g_0 > 0{,}005weiter vom Ziel entfernt
sonstunverändert

Zusätzlich wird vermerkt, wenn die Kenngröße die Seite des Zielwerts wechselt.

Erhalten. Abstand zum Band d(q)=max⁡(bmin⁡−q,  q−bmax⁡,  0)d(q) = \max(b_{\min} - q,\; q - b_{\max},\; 0).

VorherNachherAussage
im Bandim Bandbleibt im Band
im Bandaußerhalbverlässt das Band
außerhalbim Bandkehrt in das Band zurück
außerhalbaußerhalbnäher, weiter oder unverändert

Prüfung der Eingaben

Ein Zielprofil wird abgelehnt, wenn eine Dimension unbekannt ist oder doppelt vorkommt, wenn ein Zielwert oder Band außerhalb der Skala liegt oder wenn die untere Grenze eines Bands über der oberen liegt. Festlegen lässt sich nur ein Zielprofil mit mindestens einer Festlegung.

Simulation

Modul simulation.ts.

Grundformel

Kommt eine Person mit dem Wert xx zu einem Team mit nn Werten und dem Mittel μ\mu hinzu:

μneu=n μ+xn+1\mu_{\text{neu}} = \frac{n\,\mu + x}{n + 1}

Beispiel aus dem Konzept: Fünf Mitglieder mit dem Mittel 4, eine Person mit dem Wert 7:

μneu=5⋅4+76=4,5\mu_{\text{neu}} = \frac{5 \cdot 4 + 7}{6} = 4{,}5

Die Verschiebung lässt sich auch so schreiben:

Δμ=x−μn+1\Delta\mu = \frac{x - \mu}{n + 1}

Daran ist abzulesen: Je größer das Team, desto kleiner die Verschiebung durch eine einzelne Person. Bei fünf Mitgliedern bewegt ein Unterschied von 3 Skalenpunkten das Mittel um 0,5.

Die Tabelle aus dem Konzept, jeweils mit fünf Mitgliedern:

DimensionTeamPersonNeues Mittel
Struktur und Flexibilität4,06,04,33
Konsens und Widerspruch3,07,03,67
Abstimmung und Autonomie6,02,05,33
Tempo und Absicherung4,05,04,17

Mehrere Personen, Zugänge und Abgänge

Kommen die Personen AA hinzu und scheiden die Mitglieder RR aus, gilt:

μneu=n μ+∑a∈Axa−∑r∈Rxrn+∣A∣−∣R∣\mu_{\text{neu}} = \frac{n\,\mu + \sum_{a \in A} x_a - \sum_{r \in R} x_r}{n + |A| - |R|}

Die Engine rechnet nicht nur das Mittel, sondern bildet die neue Werteliste und berechnet daraus alle Kennwerte neu: Streuung, kleinster und größter Wert, Spannweite, Median und die Lagerbildung. Der Rechenweg für das Mittel wird in der Oberfläche unter „So wird gerechnet“ mit zwei Nachkommastellen gezeigt.

Beispiel: Ein Team mit den Werten 2, 3, 3, 4, 4, 5, 6 (Mittel 3,86, Streuung 1,25). Das Mitglied mit dem Wert 2 scheidet aus, zwei Personen mit 6 und 5 kommen hinzu:

μneu=27+11−27+2−1=368=4,50\mu_{\text{neu}} = \frac{27 + 11 - 2}{7 + 2 - 1} = \frac{36}{8} = 4{,}50

Die Streuung sinkt dabei von 1,25 auf 1,12, die Spannweite von 4 auf 3.

Rechnen ohne Einzelwerte

Für Mittel und Streuung genügen drei Summen: Anzahl nn, Summe ∑xi\sum x_i und Quadratsumme ∑xi2\sum x_i^2. Mit ihnen lässt sich die Veränderung exakt berechnen, ohne die einzelnen Werte zu kennen:

sneu=∑xi2+x2n+1−μneu2s_{\text{neu}} = \sqrt{\frac{\sum x_i^2 + x^2}{n+1} - \mu_{\text{neu}}^2}

Die Engine stellt diese Rechnung bereit (Moments). Sie erlaubt Simulationen auch dort, wo ein Team nur Kennwerte und keine Punkte zeigt.

Fehlende Werte

Hat eine hinzukommende Person in einer Dimension keinen Wert, wird diese Dimension ohne sie gerechnet. Es wird nichts geschätzt. Die Oberfläche nennt die Zahl solcher Fälle.

Mindestgruppengröße und Schutz vor Rückrechnung

Die Werte hinzukommender Personen sind einzeln sichtbar, denn diese Personen haben ihr Profil für die Simulation freigegeben. Aus den neuen Kennwerten des Teams und den bekannten Einzelwerten ließen sich die Kennwerte der übrigen Mitglieder zurückrechnen. Maßgeblich ist deshalb nicht die Gesamtzahl der Werte nach der Simulation, sondern die Zahl der verbleibenden Werte des bisherigen Teams:

nverbleibend=n−∣R∣  ≥  kn_{\text{verbleibend}} = n - |R| \;\ge\; k

Beispiel: Ein Team mit fünf Werten, ein Mitglied scheidet aus. Es verbleiben vier Werte. Bei k=5k = 5 zeigt die Engine für das neue Team nichts an.

Für das Herausnehmen vorhandener Mitglieder gilt zusätzlich eine Regel in der Berechtigungslogik: Einzelne Mitglieder lassen sich nur herausnehmen, wenn die Zahl der Mitglieder ohne Freigabe für die Simulation entweder null ist oder mindestens kk beträgt. Andernfalls ließen sich die Kennwerte einer zu kleinen Restgruppe errechnen.

Drei Perspektiven

Für jede hinzukommende Person und jede Dimension berechnet die Engine einen Vergleich mit dem heutigen Team. Voraussetzung: Die Person hat einen Wert, und das Team hat in der Dimension mindestens kk Werte. Sonst lautet das Ergebnis „nicht vergleichbar“.

Compatibility: Nähe zur heutigen Verteilung

Die Perspektive beschreibt Ähnlichkeit (im Sinn von supplementary fit).

GrößeFormel
Unterschied zum Teammittelδ=x−μ\delta = x - \mu
Lage„nah“, wenn $
Jenseits der SpannweiteSkalenpunkte unter dem kleinsten oder über dem größten Wert
Mittlerer Abstand über die Dimensionen$\frac{1}{m}\sum_d
ErhaltungsprinzipienLiegt die Person im festgelegten Band oder außerhalb?

Der mittlere Abstand ist ausdrücklich kein Eignungswert. Er steht in Skalenpunkten, wird nicht in Prozent umgerechnet und nicht zur Reihung von Personen verwendet. Die Oberfläche zeigt je Person, in welchen Dimensionen sie nah, innerhalb oder außerhalb liegt.

Contribution: Unterschied mit oder ohne Bedeutung

Die Perspektive beschreibt Ergänzung (im Sinn von complementary fit). Der entscheidende Punkt des Modells: Ein Unterschied ist für sich genommen weder gut noch schlecht. Bedeutung erhält er erst durch das zuvor festgelegte Zielprofil.

Zwei Hilfsgrößen:

  • deutlich: ∣δ∣≥1,0|\delta| \ge 1{,}0 Skalenpunkte.
  • schwach vertretener Bereich: Höchstens ein Mitglied liegt im Umkreis von 1,0 Skalenpunkten um den Wert der Person.

Die Einordnung je Dimension:

ZielprofilBedingungEinordnung
entwickelndeutlich und in Richtung des Zielwertsmöglicher Beitrag
entwickelndeutlich und gegen die Richtung des ZielwertsUnterschied gegen die Zielrichtung
entwickelnnicht deutlichähnlich
erhaltenWert der Person im Bandähnlich
erhaltenWert der Person außerhalb des Bandsmögliches Spannungsfeld
offen oder kein ZielprofildeutlichUnterschied ohne Festlegung
offen oder kein Zielprofilnicht deutlichähnlich

„In Richtung des Zielwerts“ heißt: δ\delta und t−μt - \mu haben dasselbe Vorzeichen.

Die Worte sind mit Absicht vorsichtig gewählt. „Möglicher Beitrag“ bedeutet: Die Person bringt in dieser Dimension eine Position ein, die das Team nach seiner eigenen Festlegung stärker vertreten möchte. Ob daraus im Alltag ein Beitrag wird, hängt von Rolle, Aufnahme im Team und Führung ab und lässt sich nicht berechnen. „Mögliches Spannungsfeld“ bedeutet: Die Person liegt außerhalb eines Bereichs, den das Team erhalten will. Das ist ein Anlass für ein Gespräch und kein Urteil.

Ohne festgelegtes Zielprofil entsteht keine einzige Einordnung als Beitrag. Das ist gewollt: Sonst würde Unterschiedlichkeit automatisch positiv bewertet, oder ein Ziel ließe sich passend zu einer Person zurechtlegen.

Evolution: Veränderung der Kenngrößen

Die Perspektive beschreibt, wie sich die Kenngrößen des Teams rechnerisch verändern, und bewertet die Veränderung gegen das Zielprofil (Abschnitt „Zielprofil“). Das Ergebnis ist eine Liste je Art: näher am Ziel, weiter entfernt, unverändert, bleibt im Band, verlässt das Band, kehrt zurück, außerhalb des Bands, ohne Festlegung.

Durchgerechnetes Beispiel

Ein Team mit den Werten 3, 4, 4, 4, 5 in der Dimension Struktur und Flexibilität. Das Zielprofil legt fest: entwickeln, Mittelwert, Zielwert 5,0. Eine Person mit dem Wert 6 kommt hinzu.

GrößeVorherNachher
Anzahl56
Mittel4,004,33
Streuung0,630,94
Spannweite23
Abstand zum Zielwert1,000,67
  • Compatibility: δ=+2,0\delta = +2{,}0. Die Person liegt 1,0 Skalenpunkte über dem bisher größten Wert, also außerhalb der Spannweite.
  • Contribution: Der Unterschied ist deutlich. Im Umkreis von 1,0 liegt ein Mitglied (der Wert 5), der Bereich ist also schwach vertreten. Das Zielprofil verlangt eine Bewegung nach oben (t−μ=+1,0t - \mu = +1{,}0), der Unterschied zeigt in dieselbe Richtung. Einordnung: möglicher Beitrag.
  • Evolution: Das Mittel bewegt sich von 4,00 auf 4,33, der Abstand zum Ziel sinkt um 0,33. Aussage: näher am Ziel.

Lautete das Zielprofil stattdessen „erhalten, Mittelwert, Band 3,5 bis 4,5“, bliebe das Mittel mit 4,33 im Band (Evolution: bleibt im Band). Die Person läge mit 6 außerhalb (Contribution: mögliches Spannungsfeld). Beide Aussagen stehen nebeneinander und werden nicht verrechnet.

Unsicherheit und Sensitivität

Einfluss einzelner Personen

Für das neue Team berechnet die Engine, wie das Mittel aussähe, wenn eine beliebige einzelne Person fehlte:

μ(−i)=∑jxj−xin−1\mu_{(-i)} = \frac{\sum_j x_j - x_i}{n - 1}

Angezeigt werden der kleinste und der größte dieser Werte. Im Beispiel oben liegt das Mittel des neuen Teams ohne eine einzelne Person zwischen 4,00 und 4,60. Die Spanne zeigt, wie stark eine einzige Person die Kennzahl bestimmt. Sie ist bei kleinen Teams groß.

Angenommener Messfehler

Jeder Dimensionswert ist mit einer Unsicherheit behaftet. Unter der Annahme eines Standardmessfehlers ee je Einzelwert und unabhängiger Fehler gilt für das neue Mittel:

SE(μneu)=en1\mathit{SE}(\mu_{\text{neu}}) = \frac{e}{\sqrt{n_1}}

Für die Verschiebung ist zu beachten, dass die verbleibenden Mitglieder in beide Mittel eingehen. Ihre Fehler heben sich größtenteils auf. Mit n0n_0 Werten vorher, n1n_1 nachher, nvn_v verbleibenden, nAn_A hinzukommenden und nRn_R ausscheidenden Werten:

Var(Δμ)=e2[ nv(1n1−1n0)2+nAn12+nRn02]\mathrm{Var}(\Delta\mu) = e^2\left[\,n_v\left(\frac{1}{n_1} - \frac{1}{n_0}\right)^2 + \frac{n_A}{n_1^2} + \frac{n_R}{n_0^2}\right]

Angezeigt wird jeweils der Bereich von ±1,96\pm 1{,}96 Standardfehlern.

Beispiel (Team 3, 4, 4, 4, 5 plus Person mit 6, angenommener Messfehler 0,5):

  • Neues Mittel 4,33, Bereich 3,93 bis 4,73.
  • Verschiebung +0,33, Bereich +0,15 bis +0,51.

Die Verschiebung ist hier auch unter der angenommenen Unsicherheit von null verschieden. Bei einem größeren Team oder einem kleineren Unterschied überdeckt die Unsicherheit die Verschiebung schnell. Die Oberfläche zeigt den Bereich als helles Band hinter dem Mittel.

Dieser Bereich ist kein Konfidenzintervall im Sinn einer Stichprobe. Er beantwortet nur die Frage: Wie stark könnte sich das Ergebnis ändern, wenn die Einzelwerte um den angenommenen Betrag ungenau gemessen wären? Der Messfehler ist im Prototyp eine wählbare Annahme (0, 0,25, 0,5, 0,75 oder 1 Skalenpunkt).

Rundung

Kennwerte stehen in der Oberfläche mit einer Nachkommastelle, Rechenwege und Tabellen mit zwei. Bei Teams mit vier bis zwölf Personen sind Mittel und Streuung so ungenau, dass weitere Stellen eine Genauigkeit vortäuschen würden, die es nicht gibt. Gerechnet wird immer mit voller Genauigkeit. Veränderungen werden aus den ungerundeten Werten berechnet. Dadurch kann eine angezeigte Differenz um 0,1 von der Differenz der angezeigten Werte abweichen.

Was die Oberfläche zu jeder Rechnung nennt

  1. die Zahl der zugrunde liegenden Werte vorher und nachher,
  2. den Stand des Instruments (Demonstrationsfragen, Rahmen mit synthetischen Werten oder geprüftes Instrument),
  3. fehlende Werte und unterdrückte Dimensionen,
  4. den Hinweis bei kleinen Teams (unter zehn Mitgliedern),
  5. den Unterschied zwischen Beschreibung und Prognose,
  6. dass das Ergebnis keine Empfehlung für oder gegen einen Menschen ist.

Kennwerte des Repertory Grids

Modul repgrid.ts. Alle Kennwerte dieses Abschnitts gelten für die einzelne Person und werden nur ihr selbst gezeigt.

Triadenplan

Neun Arbeitssituationen bilden die Elemente. Die zwölf Dreiergruppen des Plans sind so gewählt, dass jedes Paar von Situationen genau einmal gemeinsam vorkommt und jede Situation genau viermal (ein Steiner Tripelsystem der Ordnung 9). Je drei aufeinanderfolgende Dreiergruppen enthalten jede Situation genau einmal. Wer nach drei oder sechs Runden aufhört, hat deshalb alle Situationen gleich oft gesehen.

Zusammenhang zweier Konstrukte

Für zwei Konstrukte wird die Korrelation ihrer Bewertungen über die Situationen berechnet, die auf beiden bewertet sind (mindestens fünf):

r=∑(ai−aˉ)(bi−bˉ)∑(ai−aˉ)2∑(bi−bˉ)2r = \frac{\sum (a_i - \bar{a})(b_i - \bar{b})}{\sqrt{\sum (a_i - \bar{a})^2 \sum (b_i - \bar{b})^2}}

Ein hoher Betrag bedeutet: Die Person verwendet beide Unterscheidungen ähnlich. Beispiel: Zwei Konstrukte mit den Bewertungen (6, 2, 4, 7, 2, 4, 5, 6, 7) und (2, 6, 3, 1, 5, 4, 3, 2, 2) korrelieren mit r=−0,96r = -0{,}96. Sie unterscheiden die Situationen fast gleich, nur mit vertauschten Polen. Bei neun Situationen ist jede einzelne Korrelation ungenau. Die Oberfläche nennt deshalb nur die stärksten Paare und formuliert sie als Frage an die Person.

Kennwerte nach Honey

Die Person bewertet alle Situationen zusätzlich auf einem vorgegebenen Gesamtkonstrukt („entspricht meiner Vorstellung von guter Zusammenarbeit“ gegenüber „widerspricht meiner Vorstellung von guter Zusammenarbeit“). Für jedes eigene Konstrukt mit den Bewertungen rir_i und der Gesamteinschätzung oio_i:

D=∑i∣ri−oi∣D′=∑i∣(xmin⁡+xmax⁡−ri)−oi∣D = \sum_i |r_i - o_i| \qquad D' = \sum_i |(x_{\min} + x_{\max} - r_i) - o_i|

D′D' ist die Summe mit vertauschten Polen. Die kleinere der beiden zählt:

U¨bereinstimmung=100⋅(1−min⁡(D,D′)(xmax⁡−xmin⁡)⋅m)\text{Übereinstimmung} = 100 \cdot \left(1 - \frac{\min(D, D')}{(x_{\max} - x_{\min}) \cdot m}\right)

mit mm bewerteten Situationen (mindestens vier). Danach werden die Konstrukte innerhalb der Person in Drittel eingeteilt: hoch, mittel, niedrig. Gleiche Werte erhalten dieselbe Stufe.

Beispiel mit der Gesamteinschätzung (6, 2, 5, 7, 3, 4, 5, 6, 6):

KonstruktBewertungenDDD′D'ÜbereinstimmungStufe
16, 2, 4, 7, 2, 4, 5, 6, 732994mittel
22, 6, 3, 1, 5, 4, 3, 2, 2280100 (vertauscht)hoch
34, 5, 2, 4, 6, 1, 7, 3, 4241867 (vertauscht)niedrig

Die Prozentzahl beschreibt, wie eng eine persönliche Unterscheidung mit dem zusammenhängt, was die Person insgesamt für gute Zusammenarbeit hält. Sie ist kein Passungswert und kein Leistungsmaß. Sie ist die einzige Prozentzahl der Anwendung und erscheint nur im eigenen Profil.

Hinweis zur Quelle: Die Rechnung folgt der Beschreibung des Verfahrens durch Jankowicz in der Internet Enzyklopädie der Personal Construct Psychology: Summe der Unterschiede, Prüfung mit vertauschten Polen, Umrechnung in Prozent der größtmöglichen Summe, Einteilung in Drittel je Person. Rojon, McDowall und Saunders (2019) verwenden statt der Prozentzahl den Betrag der Differenz der beiden Summen. Beide Formen ordnen die Konstrukte einer Person sehr ähnlich. Die Originalarbeit von Honey (1979) und das Lehrbuch von Jankowicz (2004) lagen bei der Recherche nicht im Volltext vor. Die genaue Schreibweise der Prozentformel ist deshalb eine Rekonstruktion aus der Beschreibung.

Qualität eines Grids

Die Engine weist aus: Vollständigkeit der Bewertungen, Anteil der Bewertungen in der Mitte, Anteil an den Enden der Skala und Konstrukte, die nicht unterscheiden (Spannweite der Bewertungen höchstens 1).

Was bewusst nicht berechnet wird

Kennwerte der Struktur eines Grids, etwa kognitive Komplexität, Intensität oder der Anteil der ersten Hauptkomponente, hängen nachweislich von der Größe des Grids, dem Skalenformat, der Richtung der Pole und dem Umgang mit „passt nicht“ ab. Ohne Normierung sind sie bei kleinen Grids nicht belastbar. Sie werden deshalb nicht als Merkmal einer Person zurückgemeldet.

Zuordnung zu gemeinsamen Dimensionen

Eine Person kann ein eigenes Konstrukt einer gemeinsamen Dimension zuordnen und angeben, welcher Pol welchem Ende entspricht. Diese Zuordnung ist eine Angabe der Person und kein Rechenergebnis. Sie dient ihrer eigenen Orientierung im Profil. In eine Teamrechnung geht sie nicht ein.

Gesprächsanlässe für die Teamentwicklung

Modul development.ts.

Aus den zusammengefassten Kennwerten eines Teams leitet die Engine nach festen Regeln Anlässe für ein Gespräch ab. Es gehen ausschließlich Kennwerte ein, nie Werte einzelner Personen. Jeder Anlass nennt die Zahlen, auf die er sich stützt.

AnlassRegelSchwelle
Psychologische SicherheitMittel des Themas unter der Mitte der Skalaunter 4,0 bei der Skala 1 bis 7
Alltag und VorliebenBetrag der Lücke zwischen gelebter Praxis und mittlerer persönlicher Vorliebeab 0,5 Skalenpunkten
Unterschiedliche Wahrnehmungrwg(j)r_{wg(j)} unter 0,70 oder AD über A/6A/6Konventionen
Abstand zum Zielprofilbei „entwickeln“ Abstand der maßgeblichen Kenngröße zum Zielwert, bei „erhalten“ jede Lage außerhalb des Bandsab 0,5 Skalenpunkten
Zwei Lagergrößte Lücke und Mindestgröße der Seiten wie oben2,0 Skalenpunkte, je zwei Personen
Nicht vertretene Seitekein Wert jenseits der Mitte, mit einem Zwölftel der Skalenbreite Abstandbei 1 bis 7: kein Wert über 4,5 oder keiner unter 3,5
Große EinigkeitStreuung höchstens 20 Prozent der größtmöglichen und Mittel mindestens ein Sechstel der Skalenbreite von der Mitte entferntbei 1 bis 7: Streuung bis 0,6 und Mittel bis 3,0 oder ab 5,0

Je Art werden höchstens drei Anlässe gezeigt, geordnet nach ihrer Größe. Die Reihenfolge der Arten ist fest. Psychologische Sicherheit steht zuerst, weil sie eine Voraussetzung für alle weiteren Gespräche ist.

Die Formulierungen in der Oberfläche sind feste Textbausteine. Kein Sprachmodell ist beteiligt.

Stand der Absicherung: Die Regeln sind eine eigene Entwicklung. Ob die so ausgewählten Anlässe für Teams hilfreicher sind als andere, ist nicht untersucht. Offene Hypothese.

Sprachliche Einordnung von Kennwerten

Modul interpretation.ts. Damit Worte überall dasselbe bedeuten:

WortRegel
einheitlichStreuung höchstens 20 Prozent der größtmöglichen Streuung
unterschiedlichStreuung mindestens 40 Prozent der größtmöglichen Streuung
stark vertretenMittel mindestens ein Sechstel der Skalenbreite von der Mitte entfernt
nicht vertretenkein Wert jenseits der Mitte, mit einem Zwölftel der Skalenbreite Abstand

Grenzfälle

FallVerhalten
Weniger gültige Werte als die MindestgruppengrößeDie Dimension wird vollständig unterdrückt.
Alle Dimensionen unterdrücktDas Teamprofil meldet „vollständig unterdrückt“. Es erscheint ein Hinweis statt leerer Diagramme.
Person ohne Wert in einer DimensionDie Dimension wird ohne sie gerechnet. Einordnung „nicht vergleichbar“.
Ausscheidendes Mitglied ohne Wert in einer DimensionDie Dimension bleibt unverändert.
Wert eines ausscheidenden Mitglieds fehlt im TeamprofilDie Rechnung bricht mit einer Fehlermeldung ab. Das kann nur bei widersprüchlichen Eingaben geschehen.
Nach Abgängen weniger als kk verbleibende WerteFür das neue Team wird nichts angezeigt, auch wenn Personen hinzukommen.
Alle Antworten gleichStreuung 0, Übereinstimmung 1. Kein Fehler.
Mehr Streuung als bei Zufallrwgr_{wg} wird als 0 angezeigt, der Rohwert bleibt verfügbar.
Weniger als zwei TeamsICC(1) und ICC(2) werden nicht berechnet.
Konstrukt mit weniger als vier gemeinsam bewerteten SituationenKein Kennwert nach Honey.
Konstrukt ohne Unterschiede in den BewertungenKeine Korrelation. Hinweis „unterscheidet nicht“.
Weniger als vier vollständige ProfileKeine Aussage zur Gruppenbildung.
Zielwert genau erreichtAbstand 0, weitere Bewegung zählt als „weiter entfernt“.
Veränderung kleiner als 0,005gilt als unverändert.
Zwei gleich große größte LückenDie mittigere zählt.

Was das Modell nicht berechnet

  1. Keinen Fit Wert. Weder als Zahl noch als Prozent noch als Ampel. Ein automatischer Test prüft, dass das Ergebnis der Simulation keine Felder dieser Art enthält.
  2. Keine Rangfolge von Personen. Szenarien lassen sich nebeneinander ansehen, aber nicht nach einer Kennzahl sortieren.
  3. Keine Vorhersage der Teamkultur. Für die Annahme, dass sich die Normen eines Teams in Richtung der Werte eines neuen Mitglieds verschieben, wurde kein empirischer Beleg gefunden. Belegt ist eher, dass Neue sich anpassen.
  4. Keine Vorhersage von Leistung. Die Forschung stützt weder „Vielfalt nützt“ noch „Ähnlichkeit nützt“ als allgemeine Aussage (Triana und andere 2021; Wallrich und andere 2024).
  5. Keine Verrechnung individueller Konstrukte über Personen. Gleiche Worte bedeuten nicht dieselbe Unterscheidung.
  6. Keine Gewichtung von Dimensionen zu einer Summe. Jede Gewichtung wäre eine verdeckte Wertung.
  7. Keine Kennwerte der Persönlichkeit und keine Typen oder Etiketten.

Was ein späteres Prognosemodell erfüllen müsste

Sollte eines Tages geprüft werden, ob die rechnerische Verschiebung etwas über die spätere Entwicklung eines Teams aussagt, braucht es dafür eine eigene Studie. Die Anforderungen in Kürze, sinngemäß nach den Berichtsstandards für Prognosemodelle (TRIPOD+AI, Collins und andere 2024):

  1. vorab festgelegtes und registriertes Protokoll,
  2. Messung vor dem Zugang, möglichst zweimal, und Folgemessungen nach 3, 6 und 12 Monaten,
  3. Vergleichsteams ohne Wechsel,
  4. genügend Teams: Für Zusammenhänge auf Teamebene nennt die Recherche grob 85 bis 200 Teams, je nach erwarteter Stärke,
  5. getrennte Daten für Entwicklung und Überprüfung,
  6. Bericht der Trennschärfe und der Kalibrierung,
  7. Prüfung auf Benachteiligung geschützter Gruppen,
  8. ausgewiesene Unsicherheit jeder Aussage.

Bis dahin bleibt jede Aussage über die Zukunft eines Teams eine offene Hypothese.

Konventionen im Überblick

Alle Werte stehen in src/analytics/version.ts. Ändert sich einer, wird die Modellversion erhöht.

KonventionWertVerwendung
Mindestgruppengröße (Vorgabe)5Unterdrückung zusammengefasster Ergebnisse
Anteil beantworteter Fragen je Dimensionzwei DrittelDimensionswert
Deutlicher Unterschied1,0 SkalenpunkteContribution
Umkreis für Nachbarn1,0 Skalenpunkteschwach vertretener Bereich
Höchstzahl Nachbarn für „schwach vertreten“1Contribution
Lücke für zwei Lager2,0 SkalenpunkteLagerbildung
Mindestgröße jedes Lagers2Lagerbildung
Mindestgröße jeder Gruppe3Gruppenbildung
Höchster Zufallsanteil0,05Gruppenbildung
Zahl der Umordnungen, Startwert499, 20261122Gruppenbildung
Spannweite für „uneinheitlich“4 SkalenpunkteHinweis im eigenen Profil
Hinweis „kleines Team“unter 10 MitgliedernGrenzen der Aussagekraft
Kleinste Veränderung0,005 SkalenpunkteBewegung zum Ziel
Lücke zwischen Praxis und Vorliebe0,5 SkalenpunkteGesprächsanlass
Abstand zum Zielwert0,5 SkalenpunkteGesprächsanlass
Übereinstimmung „niedrig“rwg(j)r_{wg(j)} unter 0,70Gesprächsanlass
Anlässe je Art3Gesprächsanlässe

Nachvollziehbarkeit

  1. Modellversion. Jede gespeicherte Simulation trägt die Kennung der Modellversion.
  2. Prüfwert. Zu jeder Simulation wird ein Prüfwert (SHA 256) über die vollständigen, einheitlich geordneten Eingaben der Rechnung gebildet: Dimensionen, Werte des Teams je Dimension, Werte der hinzukommenden und ausscheidenden Personen, Festlegungen des Zielprofils, Mindestgruppengröße, angenommener Messfehler, Instrument und Modellversion. Gleiche Eingaben ergeben denselben Prüfwert. Er wird mit dem Szenario gespeichert und belegt später, dass ein Ergebnis zu genau diesen Eingaben gehört.
  3. Versionierte Kataloge. Instrumente, Fragen und die Situationen des Repertory Grids tragen eine Version. Jede Erhebung speichert, mit welcher Version sie entstand.
  4. Originalantworten. Dimensionswerte werden bei jedem Abruf aus den gespeicherten Antworten berechnet und nicht als eigene Wahrheit abgelegt. Eine verbesserte Auswertungsregel lässt sich so auf alle vorhandenen Antworten anwenden.
  5. Tests. Für jede Formel dieses Dokuments gibt es mindestens einen automatischen Test mit von Hand nachgerechneten Werten.

Quellen dieses Dokuments

Vollständige Angaben mit Prüfstand stehen in Dokument 1.

  • Bell, S. T. (2007). Deep-level composition variables as predictors of team performance: A meta-analysis. Journal of Applied Psychology, 92(3), 595 bis 615. https://doi.org/10.1037/0021-9010.92.3.595
  • Burke, M. J. und Dunlap, W. P. (2002). Estimating interrater agreement with the average deviation index: A user's guide. Organizational Research Methods, 5(2), 159 bis 172. https://doi.org/10.1177/1094428102005002002
  • Chan, D. (1998). Functional relations among constructs in the same content domain at different levels of analysis: A typology of composition models. Journal of Applied Psychology, 83(2), 234 bis 246. https://doi.org/10.1037/0021-9010.83.2.234
  • Collins, G. S. und andere (2024). TRIPOD+AI statement: Updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ, 385, e078378. https://doi.org/10.1136/bmj-2023-078378
  • Harrison, D. A. und Klein, K. J. (2007). What's the difference? Diversity constructs as separation, variety, or disparity in organizations. Academy of Management Review, 32(4), 1199 bis 1228. https://doi.org/10.5465/amr.2007.26586096
  • Honey, P. (1979). The repertory grid in action. Industrial and Commercial Training, 11(11), 452 bis 459. https://doi.org/10.1108/eb003756
  • James, L. R., Demaree, R. G. und Wolf, G. (1984). Estimating within-group interrater reliability with and without response bias. Journal of Applied Psychology, 69(1), 85 bis 98. https://doi.org/10.1037/0021-9010.69.1.85
  • Kozlowski, S. W. J. und Klein, K. J. (2000). A multilevel approach to theory and research in organizations. In K. J. Klein und S. W. J. Kozlowski (Hrsg.), Multilevel theory, research, and methods in organizations (S. 3 bis 90). Jossey-Bass.
  • LeBreton, J. M. und Senter, J. L. (2008). Answers to 20 questions about interrater reliability and interrater agreement. Organizational Research Methods, 11(4), 815 bis 852. https://doi.org/10.1177/1094428106296642
  • Rojon, C., McDowall, A. und Saunders, M. N. K. (2019). A novel use of Honey's aggregation approach to the analysis of repertory grids. Field Methods, 31(2), 150 bis 166. https://doi.org/10.1177/1525822X18806259
  • Rousseeuw, P. J. (1987). Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20, 53 bis 65. https://doi.org/10.1016/0377-0427(87)90125-7
  • Schwartz, S. H. und Cieciuch, J. (2022). Measuring the refined theory of individual values in 49 cultural groups: Psychometrics of the revised Portrait Value Questionnaire. Assessment, 29(5), 1005 bis 1019. https://doi.org/10.1177/1073191121998760
  • Steiner, I. D. (1972). Group process and productivity. Academic Press.
  • Thatcher, S. M. B., Meyer, B., Kim, Y. und Patel, P. C. (2024). A meta-analytic integration of the faultlines literature. Organizational Psychology Review, 14(2), 238 bis 281. https://doi.org/10.1177/20413866231225064
  • Triana, M. d. C., Kim, K., Byun, S.-Y., Delgado, D. M. und Arthur, W., Jr. (2021). The relationship between team deep-level diversity and team performance: A meta-analysis of the main effect, moderators, and mediating mechanisms. Journal of Management Studies, 58(8), 2137 bis 2179. https://doi.org/10.1111/joms.12670
  • Wallrich, L., Opara, V., Wesołowska, M., Barnoth, D. und Yousefi, S. (2024). The relationship between team diversity and team performance: Reconciling promise and reality through a comprehensive meta-analysis registered report. Journal of Business and Psychology, 39(6), 1303 bis 1354. https://doi.org/10.1007/s10869-024-09977-0
  • Ward, M. K. und Meade, A. W. (2023). Dealing with careless responding in survey data: Prevention, identification, and recommended best practices. Annual Review of Psychology, 74, 577 bis 596. https://doi.org/10.1146/annurev-psych-040422-045007