faglig dokumentasjon - karrierebarometeret
DESCRIPTION
Dokumentet beskriver hvordan Karrierebarometeret er bygget opp, og dokumenterer at det tilfredsstiller metodiske krav til forskning.TRANSCRIPT
Karrierebarometeret | mer lønnsomme beslutninger
Innhold
s. 2
Faglig dokumentasjon
Karrierebarometeret | mer lønnsomme beslutninger
1. Om Karrierebarometeret s. 03
2. Utviklingen av Karrierebarometeret s. 04
4. Bryte ned mål i tiltak s. 07
5. Attraktivitet og intensjon om å søke s. 08
6. Rasjonelle jobbgoder s. 10
7. Emosjonelle personlighetstrekk s. 14
8. Faglig svært solid omdømmeverktøy s. 16
9. Referanser s. 18
10. Vedlegg: Utvalget s. 19
Innhold
s. 2
Karrierebarometeret | mer lønnsomme beslutninger
Hva er Karrierebarometeret
Karrierebarometeret er en omdømmeundersøkelse som gjennomføres blant norske studenter en gang i året.
Undersøkelsen kartlegger virksomheters omdømme som arbeidsgiver og resulterer i følgende:
1) Lister over attraktive arbeidsgivere, som publiseres i media i begynnelsen av mai hvert år
2) Et beslutningsgrunnlag til våre kunder, som viser de hvordan de jobbe med employer branding for å bli
mer attraktiv som arbeidsgiver
Forskningsbasert undersøkelse
Undersøkelsen er fundert på ny forskning innen employer branding og markedsføring. Den kommer med
dokumentasjon på at den tilfredsstiller krav til forskning. Dette innebærer både at den måler stabilt, og at
inntrykket studentene har av virksomhetene forklarer 60 prosent av hvorvidt de opplever dem som attraktive
arbeidsgivere.
De årlige resultatene baserer seg på et utvalg som på en god måte representerer studentpopulasjonen.
Antallet studenter som svarer ligger rundt 8000.
Hvem leverer verktøyet?
Karrierebarometeret er et samarbeidsprosjekt mellom Evidente og KarriereStart.no. Evidente har ansvaret for
innholdet i undersøkelsen, analysene og rapportene til kunder. KarriereStart.no har ansvar for at utvalget
representerer studentpopulasjonen.
Både Evidente og KarriereStart.no leverer i tillegg konsulenttjenester relatert til HR og employer branding.
Kontaktinformasjon
Arve Kvalsvik
Evidente
+47 478 59 114
Steinar Nupen
KarriereStart
+47 412 49 192
1. Om Karrierebarometeret
s. 3
Karrierebarometeret | mer lønnsomme beslutninger
2. #1: Rasjonelle drivere
Karrierebarometeret er blitt utviklet i fire faser; et
pilotprosjekt og tre «skarpe» gjennomføringer.
Langs hele prosessen har kunder gitt oss
tilbakemeldinger på hva de har opplevd som nyttig,
og hva de gjerne skulle sett var annerledes.
Den første versjonen, den som ble brukt i
pilotprosjektet og gjennomføringen av
undersøkelsen i 2012, baserte seg i stor grad på
«gamle teorier» innen employer branding. Med
gamle mener vi ikke at teoriene har høy alder
(fagfeltet er jo relativt nytt), men at de baserer seg
på tankesett som i senere tid er blitt utfordret av ny
innsikt.
La meg utdype: majoriteten av de studiene som
finnes på employer branding bærer preg av å ha
blitt utført av forskere med bakgrunn fra
organisasjonspsykologi. En antakelse som virker å
ha blitt lagt til grunn er at de egenskapene ved en
virksomhet som gjør at en får lyst til å jobbe der, er
de samme som får en til å trives, prestere og forbli
lojale. Dette innebærer at de fleste studier innen
employer branding måler trekk ved organisasjoner
som er tett forbundet til selve arbeidsforholdet;
arbeidsmiljø, lønnsnivå, karrieremuligheter, og
liknende.
Første versjon av Karrierebarometeret inneholdt
utelukkende denne type faktorer. Studiene vi tok
utgangspunkt i da vi formet innholdet var Knox &
Freeman (2006), Berthon et al. (2005), Thomas &
Wise (1999), Gomes & Neves (2011), Priyadarshi
(2011).
Analysene av hvordan disse faktorene påvirker
attraktivitet avdekker to problemstillinger. For det
første viser det seg at relativt få kandidater har
detaljkunnskap om hvordan det er å jobbe i ulike
virksomheter – få vet for eksempel om en kan
forvente raske opprykk om en begynner å jobbe i
Statnett, eller om pensjonsordningene er bedre i
Utviklingen av Karrierebarometeret
Hydro enn i Statkraft. Og de tingene kandidaten
ikke vet mye om, påvirker sannsynligvis heller
ikke beslutningen om å søke jobb i selskapet.
Dette understøttes av at mange undersøkelser
innen employer branding dårlige klarer å skille de
attraktive fra de mindre attraktive. En studie av
Berthon et.al.(2006) brukte for eksempel
verktøyet Employer Attractiveness Scale (EmpAt)
og fant forklaringskraften å være så lav som 22%.
Derfor var det ikke overraskende at
forklaringskraften til denne første versjonen av
Karrierebarometeret var på 27%.
Disse funnene har praktiske konsekvenser. Vi bør
forkaste antakelsen om at kandidatene er godt
informerte og utelukkende tar rasjonelle valg om
hvor de ønsker å jobbe. Mye tyder på at de er
langt mindre bevisste og mer styrte av følelser og
antakelser enn vi tidligere har trodd.
Dette retter en utfordring til leverandører av
omdømmeundersøkelser, ettersom de fleste er
basert på «gammel forskning» og «gamle
antakelser». I andre versjon av Karriere-
barometeret tok vi hensyn til denne nye innsikten,
og la til et knippe av emosjonelle dimensjoner.
#2: Emosjonelle drivere
En ny forståelse av hva som tiltrekker kandidater
er i ferd med å vokse frem innen employer
branding. I litteraturen omtales det noen steder
som «the instrumental-symbolic framework»
(Lievens & Highouse, 2003). Utgangspunktet er
innsikten beskrevet over, og løsningen er i stor
grad hentet fra markedsføring.
Beslutningen om å kjøpe en Porsche, om å stille
seg i den lange køen for å kjøpe kaffe på
Starbucks, eller å velge Voss sitt flaskevann foran
Evian, baserer seg i begrenset grad på
detaljkunnskap om produktene, og i stor grad
følelser av hvordan produktene passer til ens
.
s. 5
Karrierebarometeret | mer lønnsomme beslutninger
egen identitet. Når markedsavdelinger skal forstå
hva som påvirker kjøpsbeslutningen for disse
produktene kan de ikke bare forstå potensielle
kunders rasjonelle vurdering av nytteverdi, men
også undersøke hva de føler om produktet.
Markedsførerne kaller dette for
«merkevarepersonlighet».
Sannsynligvis er ikke vår atferd som konsumenter
så ulik hvordan vi opptrer som kandidater. I likhet
med de nevnte produktene fremstår nemlig jobben
og arbeidsgiveren vår som en tydelig identitets-
markør. Tenk bare på hvor lang tid det tar, fra du
kommer i prat med en fremmed til du spør hva
vedkommende jobber med. Og om du tør å utfordre
egne fordommer; tenk på hvilke følelser som
oppstår basert på hva vedkommende svarer.
Skal vi forstå hva som trekker personer mot ulike
arbeidsgivere må vi derfor ikke bare måle hvordan
de tenker det er å jobbe i virksomheten, men også
hvordan de opplever organisasjonens personlighet.
Den andre versjonen av Karrierebarometeret, som
ble gjennomført i 2013, inneholdt derfor to typer
faktorer. Den inneholdt rasjonelle egenskaper ved
arbeidsgiveren, omtalt som jobbgoder, og
emosjonelle drivere, omtalt som «arbeidsgiver-
personlighet».
For å måle virksomheters personlighet brukte vi en
modell som er mye brukt innen markedsføring. Den
er utviklet av Jennifer Aaker (1997) og inneholder
en rekke ulike personlighetstrekk, fordelt på fem
ulike temaområder. Eksempler på slike trekk er
«røff», «inspirerende», «modig» og «ærlig».
Ved hjelp av analysemetoden «decision tree» klarte
vi å dokumentere at de nye personlighetstrekkene i
Karrierebarometeret samvarierte med attraktivitet.
For eksempel fant vi at trekket «inspirerende» var
forbundet med høy attraktivitet, mens trekket «røff»
var forbundet med lav attraktivitet.
Målemetoden vi brukte for å kartlegge
personlighetstrekkene gav oss imidlertid en
utfordring med hensyn til å beregne den totale
forklaringskraften til den nye versjonen av
verktøyet (jobbgoder + personlighet).
Ved å spisse en del av påstandene under
jobbgoder klarte vi imidlertid å øke evnen til å
forklare variasjon i attraktivitet fra 27 prosent til 37
prosent. Utviklingen var altså positiv, men vi
trodde samtidig der var rom for å øke denne
ytterligere, særlig gjennom å forbedre
personlighetstrekkene.
#3: Skille klinten fra hveten
Tredje versjon av Karrierebarometeret, som ble
gjennomført i 2014, bygde videre på skillet
mellom (rasjonelle) jobbgoder og (emosjonelle)
personlighetstrekk.
De rasjonelle egenskapene ble videreutviklet ved
å legge til spørsmål om bransje og om
virksomheten hadde en troverdig miljøprofil. De
emosjonelle egenskapene ble også utvidet ved at
vi la til et knippe negative personlighetstrekk.
Eksempler på slike var «kald», «gammeldags» og
«kynisk». Vi endret også målemetode for
personlighetstrekkene, ved at respondentene nå
kunne markere alle de adjektivene de mente
kjennetegnet en virksomhet. Dette ledet oss til et
spørreskjema på hele 56 dimensjoner.
Samtidig sørget vi å få et svært rikt datagrunnlag.
Datasettet for 2014 inneholdt hele 9141
vurderinger av 33 ulike virksomheter. Med
virksomheter av høyt ulik karakter, fra ulike
bransjer, gav dette oss en mulighet til å gjøre
gode analyser for å identifisere de egenskapene
ved organisasjoner som har betydning for
attraktivitet, og de som ikke har betydning.
Sistnevnte kategori var kanskje like viktig,
ettersom tidligere analyser hadde indikert at
s. 6
Karrierebarometeret | mer lønnsomme beslutninger
flere av dimensjonene vi tradisjonelt har målt innen
employer branding har begrenset evne til å forklare
hva som kreves for å bli en attraktiv arbeidsgiver.
60% av variasjonen i attraktivitet
Analysene på dataene fra 2014 viser at endringene
vi har gjort har forbedret kvaliteten på verktøyet
betydelig. Fra å være et langt skjema med
begrenset evne til å skille attraktive fra mindre
attraktive virksomheter, kunne vi redusere lengden
på skjemaet og samtidig øke forklaringskraften til
hele 60%.
Modellene under illustrerer denne utviklingen.
Pyramiden uttrykker hvordan kjennskap til
virksomheten er selve forutsetningen for å kunne
vurdere det som en attraktiv arbeidsgiver. Videre
må virksomheten tilby noe som en verdsetter og
samtidig ha en personlighet som appellerer til
kandidaten. En kan si at arbeidsgivere vurderer
kandidater på mye av den samme måten som
kandidater vurderer arbeidsgivere – det handler
både om hva du kan tilby og hvordan du er.
Grafen nederst illustrerer utviklingen av
Karrierebarometeret; fra å være et skjema med
stadig flere påstander med lav forklaringskraft, til
å nå inneholde 15 jobbgoder og 12
personlighetstrekk som forklarer hele 60% av
variasjonen i attraktivitet.
s. 7
2012 2013 2014
Forklart variasjon
i attraktivitet
Antall spørsmål i
spørreskjemaet
22
27%
44
37%
60%
27
Innholdet i Karrierebarometeret
Utviklingen av et forskningsbasert omdømmeverktøy
Karrierebarometeret | mer lønnsomme beslutninger
3. Å knytte tiltak til resultat
Modellen under viser hvordan Karrierebarometeret
hjelper virksomheter å knytte employer branding-
tiltak til økt attraktivitet, og videre til økning i antall
søkere.
Attraktivitetsskåren er den som legges til grunn for
omdømmelistene som årlig publiseres i media. De
fem driverne som påvirker attraktivitetsskåren viser
innholdet i siste versjon av verktøyet. De to øverste
er jobbgoder, mens de tre nederste er dimensjoner
av arbeidsgiverpersonlighet.
Bryte ned mål i tiltak
Videre i dette dokumentet skal vi dokumentere at
Karrierebarometeret tilfredsstiller de metodiske
kravene til forskning. Dette innebærer i hovedsak
tre ting:
1. At verktøyet måler stabilt
2. At faktorene vi måler er relevante
(attraktivitet påvirker kandidatatferd +
drivere påvirker attraktivitet)
3. At utvalget representerer populasjonen på
en god måte
s. 8
Jobbgode
Jobbgode
Personlighet
Personlighet
Personlighet
Inspirerende
Kjedelig
(negativ påvirkning)
Kompetent
Bransje og kultur
Tiltak Attraktivitet Intensjon om å søke Søker jobb
Oppgaver og
karriere
Karrierebarometeret | mer lønnsomme beslutninger
Påvirker intensjon om å søke
Skalaen vi bruker for å kartlegge virksomheters
attraktivitet som arbeidsgiver ble utviklet som en del
av pilotprosjektet. Vi brukte da studenter til å
vurdere virksomheter med to ulike attraktivitetsmål –
noen ved hjelp av et enkeltspørsmål og noen ved
hjelp av en faktor med fem spørsmål. Samtidig
kartla vi intensjon om å søke jobb i selskapet etter
endte studier.
Tanken var å sjekke hvor mye vi eventuelt tapte ved
å kartlegge attraktivitet kun ved hjelp av et
enkeltspørsmål, kontra å bruke faktoren med fem
spørsmål.
Alle målene vi brukte var tidligere benyttet i
forskning. Faktoren som målte «intensjon om å
søke» er utviklet av Taylor & Bergmann (1987) og
hadde en Cronbachs alfa på 0,9. Faktoren vi brukte
å måle attraktivitet satte vi selv sammen, basert på
fire påstander fra Highhouse, et.al. (20003) og
Schein & Diamante (1988). I vår måling hadde
denne en Cronbachs alfa på 0,9. Enkeltspørsmålet
er brukt flere steder, blant annet i valideringen av
verktøyet EmpAt (Berthon, et.al. (2005).
Som vist i modellen under eksisterer der en høy
korrelasjon mellom begge de to
attraktivitetsmålene og intensjon om å søke jobb i
virksomheten. Ikke overraskende er
korrelasjonen noe høyere hos faktoren enn hos
enkeltspørsmålet. Dette kalles samtidig validitet
og dokumenterer at attraktivitetsmålet (og
dermed også omdømmelistene) er relevant.
At der finnes en sammenheng mellom
studentenes intensjon om å søke jobb i en
virksomhet, og hva de senere gjør, er
dokumentert i andre studier (Barber, 1998;
Connolly & Vines, 1977; Michell & Beach, 1976;
Muchinsky & Taylor, 1976; Wanous, Keon &
Latack, 1983). Vi har som mål ved en senere
anledning å dokumentere lignende
sammenhenger for Karrierebarometeret.
Videre ser vi at der er en høy korrelasjon mellom
de to målene på attraktivitet. Tapet av
forklaringskraft ved å gå fra en faktor på fem
spørsmål til et enkelt-spørsmål er ikke betydelig.
Vi valgte derfor å bruke enkeltspørsmålet som
mål på attraktivitet i Karrierebarometeret.
s. 9
Attraktivitet
(enkeltspørsmål)
Attraktivitet
(faktor med 5 spørsmål)
alfa: 0,9
Intensjon om å søke
(faktor med 4 spørsmål)
alfa: 0,9
Kandidatatferd 0,77
0,78
0,84
?
4. Attraktivitet og intensjon om å søke
Karrierebarometeret | mer lønnsomme beslutninger
Stabilt mål på attraktivitet
Tillit til omdømmelistene avhenger av at vi klarer å
måle attraktivitet stabilt. Der vil naturligvis være
variasjoner i attraktivitetsskårene fra år til år. Om
fenomenet var konstant ville det jo ikke gitt mening
å jobbe med employer branding. Vi forventer likevel
at de fleste virksomheters omdømme endrer seg
gradvis.
Et mye brukt mål på stabilitet kalles test re-test
reliabilitet. Dette innebærer å gjøre flere målinger,
med tid i mellom, og se på samvariasjon mellom
resultatene. For Karrierebarometeret sin del gjør vi
dette ved å sammenligne attraktivitetsskårene fra
2013 med dem fra 2014.
En regner gjerne reliabilitetsskårer over 0,7 som
gode. Da Cut-e validerte den DNV-sertifiserte
personlighetstesten Shapes bad de 412 personer
gjennomføre testen to ganger, med 2-3 ukers
mellomrom. Den gjennomsnittlige korrelasjonen på
skårene på personlighetsdimensjonene i de to
testene var på 0,74.
Når vi analyserer samvariasjonen mellom skårene
på attraktivitet for 99 virksomheter i 2013 og 2014
finner vi en korrelasjon på 0,91. Så til tross for
diskusjoner om denne type listers relevans og
pålitelighet, kan vi dokumentere at omdømme-
listene fra Karrierebarometeret både måler noe som
er relevant, og at de måler stabilt.
s. 10
Attraktivitet_2013 Attraktivitet_2014
Pearson
Correlation
1 ,907**
Sig. (2-tailed) ,000
N 99 99
Pearson
Correlation,907
** 1
Sig. (2-tailed) ,000
N 99 100
Correlations
Attraktivitet_2013
Attraktivitet_2014
**. Correlation is significant at the 0.01 level (2-tailed).
Test re-test reliabilitet Split half-reliabilitet (2 grupper på 130 respondenter)
Nødvendig antall respondenter
For å kunne planlegge gjennomføringen av
datainnsamlingen er vi avhengige av å vite hvor
mange respondenter vi trenger for å måle stabilt.
Også kundene er interesserte i dette; de ønsker
naturligvis å føle seg trygge på at datagrunnlaget er
godt nok til at de kan stole på resultatene.
Til å vurdere dette analyserte vi split-half reliabilitet.
Vi tok 260 studenters vurderinger av attraktiviteten
til 200 ulike virksomheter. Deretter brukte vi et
randomiseringsprogram til å sortere respondentene
i to grupper. Det gav oss to grupper på 130
studenter, der begge gruppene hadde vurdert de
samme virksomhetene. Split-half reliabilitet dreier
seg om å se på samvariasjon mellom disse
gruppene. Er det slik at de to gruppene vurderer
arbeidsgivere svært likt tyder det på at vi både har
et godt måleinstrument, og at 130 personer er
tilstrekkelig til å måle stabilt.
Som med test re-test reliabilitet regnes her skårer
over 0,7 som gode. I Karrierebarometeret finner vi
en split-half reliabilitet på 0,86.
I realiteten er denne høyere, ettersom hver
virksomhet på listen i gjennomsnitt ble vurdert av
238 studenter. Det innebærer imidlertid at vi har
mulighet til å redusere antall respondenter per
virksomhet betydelig, og fortsatt ligge godt innenfor
det som i forskning blir betraktes som et stabilt mål.
Gruppe1 Gruppe2
Pearson
Correlation
1 ,856**
Sig. (2-tailed) ,000
N 200 200
Pearson
Correlation,856
** 1
Sig. (2-tailed) ,000
N 200 200
Gruppe1
Gruppe2
**. Correlation is significant at the 0.01 level (2-tailed).
Correlations
Karrierebarometeret | mer lønnsomme beslutninger
5. Rendyrke det som virker
Som beskrevet i kapittel 2 ble første versjon av
jobbgodene utarbeidet på bakgrunn av modellene i
Knox & Freeman (2006), Berthon et al. (2005),
Thomas & Wise (1999), Gomes & Neves (2011),
Priyadarshi (2011).
Deretter er betydningen av de blitt evaluert over
flere år, noe som har ført til at noen er blitt fjernet,
noen endret og nye lagt til. Vi har hatt, og vil
fortsette å ha, en forskningsbasert tilnærming til
Karrierebarometeret. Det innebærer ikke bare at vi
grundig dokumenterer alt vi gjør, men også at vi er
konstant nysgjerrige og teste nye hypoteser for å se
om vi kan forbedre verktøyet ytterligere.
To eksempler på jobbgoder som er lagt til i senere
tid, og som har vist seg å ha betydning, er hvorvidt
bransjen virksomheten opererer i er attraktiv og om
virksomheten har en tydelig og troverdig miljøprofil.
I 2014 gjorde vi også et drastisk grep med å fjerne
noen av de faktorene som andre undersøkelser
fremholder som relevante, men som vi, til tross for
flere år med studier, ikke klarer å påvise har
betydning for hvor studenter ønsker å jobbe. Disse
er balanse mellom jobb og fritid, om organisasjonen
Rasjonelle jobbgoder
har en vennlig organisasjonskultur, om der er
liten sjanse for å miste jobben, om en vil kunne
ha fleksible arbeidsformer og om virksomheten
investerer mye i mangfold.
Måler vi ting som ikke har betydning risikerer vi å
mislede våre kunder i å investere i tiltak som ikke
gir effekt.
Gruppering i ulike faktorer
En faktoranalyse identifiserer de underliggende
strukturene i et datasett, og lar oss gruppere
dimensjonene i ulike faktorer.
Faktoranalyser har vist seg følsomme for
størrelsen på datasettet, og en anbefaler gjerne
at en har flere enn hundre respondenter. Dette er
ikke en utfordring for oss, ettersom vi har 9141
vurderinger av omdømmet til 33 ulike
virksomheter.
Hvorvidt spørreskjemaet er egnet for
faktoranalyse tester en gjerne ved målene
«Barlett’s test of sphericity» og «Kaiser-Mayer-
Olkin» (KMO). Førstnevnte skal være signifikant
og sistnevnte skal overstige 0,6 (Hair, 1998).
Som vist under tilfredsstilles begge kravene i vårt
datasett.
s. 11
,973
Approx. Chi-Square 43997
df 276
Sig. 0,000
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity
Datasettet er egnet for faktoranalyse
Karrierebarometeret | mer lønnsomme beslutninger
Faktoranalysen kan gjennomføres enten
eksplorativt eller konfirmerende. Førstnevnte
metode brukes gjerne i en valideringsprosess der
en ikke har en klar formening om hvordan
dimensjonene bør grupperes. Dette kan være fordi
der ikke eksiterer entydige teorier, eller fordi en selv
har utviklet en del av skalaene. Sistnevnte brukes
der det eksisterer en anerkjent teori, og der en
ønsker å kontrollere om dimensjonene kan
grupperes i henhold til denne.
Selv om der finnes en del ulike modeller relatert til
jobbgoder i forskning er ikke disse entydige. Vi har
også lagt til nye dimensjoner som ikke er blitt
benyttet i forskning, og vi valgte derfor å
gjennomføre en eksplorerende faktoranalyse med
Varimax-rotasjon for å avdekke de underliggende
strukturene blant jobbgodene.
s. 12
PåstanderOppgaver og
karriere
Bransje og
kultur
Mulighet til å bruke studiekompetanse ,820 ,224
Investere mye i kompetanseutvikling ,797 ,311
Mange interne karrieremuligheter ,790 ,314
Erfaring som er relevant for videre karriere ,765 ,362
Mulighet til å bygge et godt jobbrelatert nettverk ,747 ,392
Spennende arbeidsoppgaver ,725 ,369
Opererer i en bransje jeg finner spennende ,267 ,486
Kultur som fremstår som ung og dynamisk ,317 ,737
Oppleves som lite byråkratisk ,231 ,719
Er kjent for å ansette de beste ,433 ,716
Fremstår som innovativ og fremtidsrettet ,434 ,700
Mulighet til å jobbe i et internasjonalt arbeidsmiljø ,307 ,662
Tilbyr en lønn som ligger over gjennomsnittet ,382 ,645
Leverer produkter og tjenester av høy kvalitet ,452 ,616
Har en tydelig og troverdig miljøproil ,231 ,565
Rotated Component Matrixa
Faktorer
Resultatet fra faktoranalysen viser hvordan ulike
dimensjoner lader på ulike faktorer.
Faktorladningene går fra -1 til 1, og jo nærmere 1,
jo bedre representerer dimensjonen den
underliggende strukturen i faktoren. Hva som
regnes som en signifikant faktorladning avhenger
etter størrelsen av datasettet. Store datasett, som
det vi har, stiller krav til høyere ladninger. Et vanlig
utgangspunkt er at en dimensjon bør lade minimum
0,5 på hovedfaktoren, og at den bør lade minimum
0,2 høyere på denne enn alle andre faktorer
(Sannes, 2004).
Som tabellen under viser finner vi at jobbgodene
kan gruppere i to faktorer – «oppgaver og karriere»
og «bransje og kultur». Tabellen viser også at
strukturen til Karrierebarometeret tilfredsstiller de
kravene Sannes (2004) stiller.
Karrierebarometeret | mer lønnsomme beslutninger
130 respondenter måler stabilt
På samme måte som vi må vite hvor mange
respondenter vi trenger for å lage en pålitelig liste
over attraktive arbeidsgivere, må vi kjenne antallet
respondenter som kreves for å gi et presist bilde av
hvordan relevante studenter vurderer virksomheten
på jobbgodene.
Vi analyserte split-half reliabilitet ved å trekke ut 260
studenters vurderinger av DNV GL på de 15
jobbgodene i modellen. Deretter brukte vi et
randomiseringsprogram for å dele respondentene i
s. 13
Split-half reliabilitet (korrelasjon vurdering av jobbgoder i DNV GL, to grupper på 130 respondenter)
to grupper på 130. Videre gjennomførte vi en
korrelasjonsanalyse som avdekte hvor stort
samsvar det var mellom de to gruppenes vurdering
av DNV GL.
Som tabellen under viser er korrelasjonen på 0,99.
Dette er sjeldent høyt, og viser at 130 studenter,
som er relevante for virksomheten og tilfeldig utvalg,
er tilstrekkelig for å gi et presist bilde av hvordan
virksomheten blir oppfattet blant den aktuelle
studentpopulasjonen.
Gruppe 1 Gruppe 2
Pearson Correlation 1 ,996**
Sig. (2-tailed) ,000
N 54 54
Pearson Correlation ,996** 1
Sig. (2-tailed) ,000
N 54 54
Correlations
Gruppe 1
Gruppe 2
**. Correlation is significant at the 0.01 level (2-tailed).
Karrierebarometeret | mer lønnsomme beslutninger
Betydning for attraktivitet
Skal dimensjonene vi måler i Karrierebarometeret
ha relevans må vi klare å vise at de har betydning
for tilfanget av kompetanse.
Som beskrevet tidligere er sammenhengen mellom
målet på attraktivitet og intensjon om å søke jobb i
virksomheten svært høy (0,78). For å validere
innholdet i jobbgodene gjennomførte vi derfor en
regresjonsanalyse som avdekte hvor mye av
variasjonen i attraktivitet som kan forklares av
jobbgodene, og hvilke av dem som har størst
betydning.
Som vist i tabellen under forklares hele 52 prosent
av variasjonen i attraktivitet av de 15 jobbgodene i
Karrierebarometeret (fordelt på to faktorer).
Størst betydning er knyttet til faktoren «oppgaver og
karriere», med en korrelasjon på 0,51. Dette
samsvarer med funn fra Karrierebarometeret 2013.
s. 14
Jobbgodene alene forklarer 52% av variasjonen i attraktivitet
Som en del av faktoren «bransje og kultur» finner vi
to dimensjoner lagt til i 2014, nemlig betydningen av
at virksomheten opererer i en bransje studenten
opplever som attraktiv, og hvorvidt virksomheten
har en tydelig og troverdig miljøprofil. I denne
faktoren finner en også vurdering av muligheten for
høy lønn. Dette er litt interessant, all den tid dette er
noe andre studier har slitt med å dokumentere.
Dimensjoner som har vært en del av
spørreskjemaet til Karrierebarometeret helt frem til
2014, men som vi heller ikke i år klarte å knytte til
attraktivitet, var «balanse mellom jobb og fritid»,
«sikker jobb», «fleksible arbeidsformer (fleksitid,
hjemmekontor, etc.)», «vennlig organisasjonskultur»
og «opptatt av mangfold».
Siden vi ikke finner at de har relevans tar vi de ut av
verktøyet. For å kunne gi gode råd til kundene
rendyrker vi Karrierebarometeret rundt det som er
viktig, og tar bort det uvesentlige.
R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 ,723a ,523 ,522 1,332
Standardized
Coefficients
B Std. Error Beta
(Constant) -,304 ,106 -2,874 ,004
Oppgaver og karriere ,769 ,035 ,509 21,990 ,000
Bransje og kultur ,436 ,040 ,251 10,852 ,000
1
a. Dependent Variable: Hvor attraktiv er VIRKSOMHET som arbeidsgiver for deg?
Coefficientsa
Model
Unstandardized Coefficients
t Sig.
Model Summary
Model
a. Predictors: (Constant), Oppgaver og Karriere, Bransje og kultur
Karrierebarometeret | mer lønnsomme beslutninger
6. Vi er alle følelsesmennesker
Som beskrevet i kapittel 2 er det i ferd med å vokse
frem en ny forståelse av hva som påvirker
menneskers valg av arbeidsgiver. Dette henter
inspirasjon fra markedsføring, og tar utgangspunkt i
at vi sjelden er 100% rasjonelle i vår
beslutningstaking, men lar oss trekke mot
produkter, tjenester og virksomheter som klarer å
vekke følelser i oss.
Skal vi forstå kandidaters preferanser for ulike
arbeidsgivere må vi derfor ikke bare forstå hva
kandidatene på et rasjonelt nivå tenker de kan tilby,
men også hvordan de emosjonelt vurderer at de
fremstår.
Personlighetstrekk vi misliker
Første gang vi inkluderte personlighetstrekk i
Karrierebarometeret var i 2013. Da hentet vi 20
trekk, fordelt på 5 faktorer, fra en modell utviklet av
Jennifer Aaker (1978). Etter gjennomføringen dette
året fikk vi en henvendelse fra en student. Hun var
blitt bedt om å vurdere en arbeidsgiver hun mislikte,
og følte hun kun fikk muligheten til å vurdere
Emosjonelle personlighetstrekk
s. 15
den på positive dimensjoner. Hun savnet
muligheten til å også markere for negative sider ved
arbeidsgiveren som virket «frastøtende» på henne.
Disse innspillene ledet til at vi i skjemaet for 2014 la
vi inn et knippe «negativt» ladede
personlighetstrekk. Eksempler på slike var
«kynisk», «kald», og «gammeldags».
Spørreskjemaet for 2014 hadde til sammen 23
personlighetstrekk. Analysene viste at en del av
dem ikke var mulig å knytte til attraktivitet, og vi tok
dem derfor ut. Eksempler på dimensjoner som ble
fjernet er «sofistikert», «sjarmerende», «ærlig» og
«familiær».
Resultatet var 12 personlighetsdimensjoner som
alle kan betydning for hvor attraktiv en organisasjon
oppleves om arbeidsgiver. Noen av dimensjonene
har positiv innflytelse, mens andre har negativ.
Resultatene fra faktoranalysen (Equamax med
Kaiser Normalization) som er presentert i tabellen
under viser at vi kan gruppere personlighets-
dimensjonene i tre faktorer – «kompetent»,
«kjedelig», og «inspirerende».
Påstander Kompetent Kjedelig Inspirerende
Intelligent ,562 ,015 ,317
Suksessfull ,584 -,127 ,125
Kompetent ,647 -,086 ,060
Oppdatert ,485 -,125 ,208
Røff -,153 ,542 ,004
Kald ,115 ,495 -,195
Kjedelig -,110 ,617 -,043
Gammeldags -,017 ,601 -,124
Kynisk ,155 ,395 -,219
Spennende ,254 -,162 ,572
Inspirerende ,235 -,068 ,576
Modig ,018 -,019 ,446
Faktorer
Rotated component matrix
Karrierebarometeret | mer lønnsomme beslutninger
Stabilt mål
Vi testet stabiliteten for målet på personlighetstrekk
med samme metode som vi brukte for jobbgodene.
Vi hentet ut en gruppe med 260 studenter som
hadde vurdert DNV GL og brukte et
randomiseringsprogram for å dele gruppen i to
grupper på 130.
Korrelasjonen mellom de to gruppenes vurdering av
DNV GL sin personlighet er på 0,917. Dette tyder
på at vi klarer å måle personlighetstrekkene svært
stabilt.
s. 16
Forklarer alene 22%
Ved å gjennomføre en regresjonsanalyse på tallene
fra elle studentgrupper samlet finner vi at
personlighetsdimensjonene alene forklarer 22
prosent av variasjonen i attraktivitet.
Trekkene som sorterer under faktoren
«inspirerende» har størst «trekkraft», marginalt
foran dem under «kompetent». Trekkene under
«kjedelig» har motsatt effekt, og virksomheter
forbundet med disse vurderes som mindre
attraktive.
Gruppe 1 Gruppe 2
Pearson Correlation 1 ,917**
Sig. (2-tailed) ,000
N 28 28
Pearson Correlation ,917** 1
Sig. (2-tailed) ,000
N 28 28
Correlations
Gruppe 1
Gruppe 2
**. Correlation is significant at the 0.01 level (2-tailed).
Split-half reliabilitet (korrelasjon vurdering av personlighet i DNV GL, to grupper på 130 respondenter)
Personlighetsdimensjonene alene forklarer 22 prosent av variasjonen i attraktivitet
R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 ,473a ,224 ,223 1,757
Model Summary
Model
a. Predictors: (Constant), Kompetent, Kjedelig, Inspirerende
Standardized
Coefficients
B Std. Error Beta
(Constant) 3,505 ,036 96,726 0,000
Kompetent 1,581 ,074 ,244 21,268 ,000
Kjedelig -1,715 ,129 -,143 -13,339 ,000
Inspirerende 1,835 ,083 ,255 22,185 ,000
Coefficientsa
Model
Unstandardized Coefficients
t Sig.
1
a. Dependent Variable: Hvor attraktiv er VIRKSOMHET som arbeidsgiver for deg?
7. Total forklaringskraft på 60%
Ser vi på alle studenter under ett forklarer
jobbgodene isolert sett 52 prosent av variasjonen i
attraktivitet, mens personlighetsdimensjonene
forklarer 22 prosent. Slår vi sammen de to gruppene
har de en samlet forklaringskraft som strekker seg
fra 29% hos jusstudentene til 60% hos
ingeniørstudentene (se tabell under).
Forklaringskraften øker med
36% ved å legge til personlighet
Hvor mye ekstra forklaringskraft vi får ved å legge til
mål på virksomheters personlighet varierer etter
hvilke virksomheter som sammenlignes. Hos
ingeniørstudentene, der det er store forskjeller på
hva virksomhetene kan tilby innen jobbgoder , blir
dette avgjørende og personlighet spiller mindre
rolle. Den ekstra effekten vi får ved å legge til
personlighet – såkallet «økningsvaliditet» - er der
på kun 2%.
Ser vi på andre grupper har personlighet mer å si.
Jusstudentene vurderte Schjødt og
Sivilombudsmannen, og IT-studentene vurderte
FINN.no og Skatteetaten. I disse tilfellene klarer vi
ikke ved hjelp av jobbgoder å forklare hvorfor noen
Faglig svært solid omdømmeverktøy
er mer attraktive enn andre. Når vi legger til
personlighet øker imidlertid forklaringskraften
betydelig, med 13% for jusstudentene og hele
36% for IT-studentene.
Konkurransesituasjonen avgjør
Hvor stor betydning jobbgoder og personlighet
har avhenger altså av hvilke virksomheter
studentene vurderer.
Vi kan sammenligne dette med slik konkurransen
forløper seg på markedet. På Sørlandet er
National Oilwell Varco en dominerende aktør. De
er sannsynligvis i stand til å tilby langt bedre
jobbgoder enn de fleste andre virksomheter i
samme region. Uavhengig av hvilke
personligheter aktørene har vil sannsynligvis
National Oilwell Varco vinner markedet på grunn
av bedre jobbgoder.
Andre steder vil imidlertid aktørene være likere
med hensyn til jobbgoder. Vi kan for eksempel se
for oss at studenter vurderer arbeidsoppgavene,
karrieremulighetene, lønnsnivået, og liknende
ganske likt hos KPMG, EY, Delloite og PwC. For
å vinne konkurransen i slike situasjoner blir det
desto viktigere å ha en attraktiv personlighet.
s. 17
Forklaringskraft, økningsvaliditet og korrelasjoner mellom drivere og attraktivitet, brutt ned på studieretninger
Karrierebarometeret | mer lønnsomme beslutninger
8. Aaker, J. (1997), Dimensions of brand personality, Journal of Marketing Research, Aug. 1997, 34, 3.
Barber, A.E. (1998), Recruiting Employees: Individual and Organizational Perspectives, California: Sage
Berthon, P., Ewing, M. & Hah, L.L. (2005), Captivating company: dimensions of attractiveness in employer
branding, International Journal of Advertising, 24(2), pp.151-172.
Connolly, T. and Vines, C.V. (1997), “Some Instrumentality Valence Models of Undergraduate College Choice”,
Decision Sciences, Volume 8, No.1, p.311
Gomes, D. & Neves, J. (2011), Organizational attractiveness and prospective applicant’s intentions to apply,
Personnel Review, Vol.40, no.6
Hair, J.F. (1998), Multivariate Data Analysis, 5th edition, Prentice Hall, Upper Saddle River, N.J.
Highhouse, S., Lievens, F. & Sinar, E.F. (2003). Measuring attractiveness to organizations, Educational and
Psychological Measurement, Vol. 63(6).
Knox, S. & Freeman, C. (2006), Measuring and Managing Employer Brand Image in the Service Industry,
Journal of Marketing Management, Vol. 22 (7-8)
Lievens, F., & Highhouse, S. (2003), The relation of instrumental and symbolic attributes to a company’s
attractiveness as an employer, Personnel Psychology, 56, 75-102.
Mitchell, T.R. and Beach, L.R. (1976), “A Review of Occupational Preference and Choice Research using
Expectancy Theory and Decision Theory”, Journal of Occupational Psychology, Volume 49, pp. 231-248
Muchinsky, P.M. and Taylor, S. (1976), “Intrasubject Predictions of Occupational Preference: The Effect of
Manipulating Components of the Valence Model”, Journal of Vocational Behaviour, Volume 8, No.2, pp. 85-
195.
Priyadarshi, P. (2011), Employer Brand Image as Predictor of Employee Satisfaction, Affective Commitment &
Turnover, Indian Journal of Industrial Relations, Vol. 46 Issue 3.
Raubenheimer, J.E. (2004), An item selection procedure to maximise scale reliability and validity, South African
Journal of Industrial Psychology, 30(4), 59-64.
Sannes, R. (2004), Dataanalyse og statistikk – kvantitativ tilnærming,
http://home.bi.no/fgl88001/metode/Kvantitativ_datanalyse_v3-11.pdf
Referanser
s. 18
Karrierebarometeret | mer lønnsomme beslutninger
Schein, V.E. & Diamante, T. (1988). Organizational attractiveness and the person-environment fit, Psychological
Reports, Vol. 62
Taylor, S. & Bergmann, T.J. (1987). Organizational recruitment activities and applicants’ reactions at different
stages of the recruitment process. Personnel Psychology, Vol. 40.
Thomas, K.M. & Wise P.G. (1999). Organizational attractiveness and individual differences: are diverse
applicants attracted by different factors? Journal of Business and Psychology, Vol. 13 (3).
Wanous, J. P., Keon, T.L. and Latack, J.C. (1983), “Expectancy Theory and Occupational/Organizational
Choices: A Review and Test”, Organizational Behaviour and Human Performance, Volume 32, No.1, pp. 66-86
s. 19
Karrierebarometeret | mer lønnsomme beslutninger
Vedlegg: Utvalget
s. 20
Alder Menn Kvinner
19-29 71 % 62 %
30+ 29 % 38 %
19-29 81 % 85 %
30+ 19 % 15 %
Populasjonen
Utvalget
Populasjonen Utvalget
40 % 31 %
60 % 69 %
Kjønn
Menn
Kvinner
Representativt utvalg
Karrierebarometeret 2014 har totalt 8559 respondenter. Jevnt over representerer utvalget populasjonen på en god
måte; det har litt flere kvinner, litt høyere gjennomsnittsalder og en noe større andel masterstudenter. Samtidig er
fordelingen på studiesteder og hjemkommuner nærmest perfekt, med gjennomsnittlige avvik per skole/kommune på
henholdsvis 0,45 og 0,65 prosentpoeng.
Fordelingen på studieretningene «merkantile fag», ingeniørfag, helsefag og «samfunnsvitenskap og humaniora» er
relativt lik, mens vi har færre studenter fra IT-fag og juss.
Tabellene under beskriver utvalget i detalj.
Alder
Kjønnsfordeling
Studienivå
Studienivå
Master
Bachelor
Master
Bachelor
20 %
80 %
Andel
30 %
70 %
Populasjonen
Utvalget
Karrierebarometeret | mer lønnsomme beslutninger s. 21
Studieretning
Hjemkommune
Hjemkommune Utvalget Populasjonen Differanse
Akershus 11,8 % 10,9 % 0,9 %
Aust-Agder 2,0 % 2,2 % -0,1 %
Buskerud 5,2 % 5,2 % 0,1 %
Finnmark 1,5 % 1,4 % 0,0 %
Hedmark 3,9 % 3,7 % 0,2 %
Hordaland 9,4 % 9,6 % -0,2 %
Møre og Romsdal 6,1 % 5,0 % 1,1 %
Nordland 5,1 % 4,5 % 0,6 %
Nord-Trøndelag 2,5 % 2,6 % -0,1 %
Oppland 3,3 % 3,6 % -0,3 %
Oslo 12,0 % 12,0 % 0,0 %
Rogaland 9,4 % 8,7 % 0,6 %
Sogn og Fjordane 2,6 % 2,1 % 0,5 %
Sør-Trøndelag 5,3 % 5,8 % -0,5 %
Telemark 3,1 % 3,3 % -0,2 %
Troms 4,0 % 3,1 % 0,9 %
Vest-Agder 2,9 % 3,4 % -0,5 %
Vestfold 4,6 % 5,6 % -1,0 %
Østfold 5,2 % 5,4 % -0,2 %
Studieretning Antall Andel
Merkantile fag, som økonomi, industriell økonomi, markedsføring, logistikk, HR, etc. 2109 25 %
Ingeniørfag, elektro, teknologi, etc. 1671 20 %
Jus 428 5 %
IT 280 3 %
Helsefag, som medisin, farmasi, sykepleie, o.l. 1615 19 %
Samfunnsvitenskap, humaniora, pedagogikk, etc. 2455 29 %
Total 8559 100 %
Karrierebarometeret | mer lønnsomme beslutninger s. 22
Studiested
Studiested Utvalget Populasjonen Differanse
Høgskolen i Nesna 0,2 % 0,6 % -0,4 %
Høgskolen i Finnmark - Alta 0,2 % 0,4 % -0,2 %
Høgskolen i Harstad 0,5 % 0,6 % -0,1 %
Høgskolen i Narvik 0,5 % 0,9 % -0,4 %
Norges Idrettshøgskole 0,6 % 0,7 % -0,1 %
Høgskolen i Stord / Haugesund 0,9 % 1,5 % -0,6 %
Høgskolen i Ålesund 1,0 % 1,0 % -0,1 %
Høgskolen i Volda 1,1 % 1,9 % -0,8 %
Høgskolen i Molde 1,1 % 1,2 % -0,1 %
Høgskolen i Nord-Trøndelag 1,2 % 2,0 % -0,8 %
Høgskolen i Sogn og Fjordane 1,2 % 1,9 % -0,6 %
Høgskolen i Gjøvik 1,2 % 1,4 % -0,2 %
Høgskolen i Vestfold 1,4 % 0,5 % 0,9 %
Markedshøyskolen 1,6 % 1,0 % 0,7 %
Norges Handelshøyskole (NHH) 1,7 % 1,7 % 0,0 %
Universitetet i Nordland 1,8 % 2,9 % -1,2 %
Høgskolen i Hedmark 1,8 % 3,7 % -1,9 %
Høgskolen i Østfold 1,8 % 2,5 % -0,7 %
Høgskolen i Telemark 1,8 % 3,2 % -1,3 %
Høgskolen i Buskerud 2,0 % 3,9 % -1,9 %
Universitet for miljø og biovitenskap (UMB) 2,1 % 2,4 % -0,3 %
Høgskolen i Lillehammer 2,6 % 2,3 % 0,3 %
Høgskolen i Bergen 3,9 % 3,6 % 0,3 %
Universitetet i Stavanger 4,2 % 4,4 % -0,2 %
Høgskolen i Sør-Trøndelag 4,2 % 4,0 % 0,2 %
Universitetet i Agder 4,6 % 4,8 % -0,2 %
Universitetet i Tromsø 4,8 % 5,6 % -0,8 %
Høgskolen i Oslo og Akershus 7,3 % 8,4 % -1,1 %
Handelshøyskolen BI 8,4 % 9,7 % -1,3 %
Universitetet i Bergen 9,3 % 7,1 % 2,3 %
NTNU 12,1 % 10,7 % 1,4 %
Universitetet i Oslo 12,7 % 13,5 % -0,8 %
Kontaktpersoner
Evidente | www.evidente.no | Arve Kvalsvik | [email protected] | 478 59 114
KarriereStart | www.karrierestart.no | Steinar Nupen | [email protected] | 412 49 192