Cách đánh giá chất lượng của một bài test tâm lý

Nhà cung cấp bài test nào cũng mô tả công cụ của mình là đáng tin cậy và có hiệu lực. Các khung đánh giá của COTAN và EFPA cho bạn một cách có cấu trúc để tự kiểm tra tuyên bố đó, theo từng tiêu chí, trước khi dùng một bài test để hỗ trợ quyết định về con người.

Tóm tắt

  • Hãy đánh giá một bài test cho một mục đích sử dụng cụ thể: điều đủ tốt cho phát triển có thể quá mỏng cho tuyển chọn.
  • COTAN chấm điểm bài test theo bảy tiêu chí riêng biệt, từ các nguyên tắc xây dựng test đến độ hiệu lực tiêu chí.
  • Mô hình đánh giá test của EFPA là khung tham chiếu châu Âu mà các hiệp hội tâm lý học quốc gia dựa vào khi đánh giá bài test.
  • Một con số bị thiếu trong tài liệu kỹ thuật tự nó đã là một phát hiện: không có bằng chứng không giống với có bằng chứng tốt.
  • Xếp hạng chính thức chỉ do chính tổ chức đánh giá đưa ra. Hãy hỏi nguồn và thời điểm, rồi tự tra cứu.

Vì sao các tiêu chí độc lập giúp ích khi bạn chọn bài test

Chọn bài test dựa trên tờ quảng cáo là rủi ro. Tài liệu tiếp thị thường trích dẫn hệ số tốt nhất từ mẫu thuận lợi nhất và im lặng về những gì chưa từng được nghiên cứu. Một bộ tiêu chí cố định biến ấn tượng thành những câu hỏi cụ thể: bài test dùng để làm gì, điểm số chính xác đến đâu, ứng viên được so sánh với ai, và có bằng chứng cho thấy điểm số liên quan đến những gì quan trọng trong công việc không?

Có hai khung đánh giá được sử dụng rộng rãi ở châu Âu. COTAN, ủy ban test của Hiệp hội Tâm lý học Hà Lan (Nederlands Instituut van Psychologen, NIP), đã lập hồ sơ các bài test từ năm 1959 và công bố xếp hạng từ năm 1969. Mô hình đánh giá test (Test Review Model) của Liên đoàn các Hiệp hội Tâm lý học châu Âu (EFPA) được xây dựng một phần dựa trên hệ thống COTAN và các tiêu chí của Anh và Tây Ban Nha. Không khung nào trao cho một bài test con dấu chấp thuận phổ quát: cả hai đều xem xét liệu bằng chứng có hỗ trợ một mục đích sử dụng cụ thể, với những người cụ thể, bằng một ngôn ngữ cụ thể hay không.

Bảy tiêu chí của COTAN bằng ngôn ngữ dễ hiểu

COTAN đánh giá mỗi bài test theo bảy tiêu chí. Hai người đánh giá xem xét bài test một cách độc lập, và mỗi tiêu chí nhận một xếp hạng riêng; không có điểm tổng. Trong phiên bản năm 2010 của hệ thống đánh giá, mỗi xếp hạng là không đạt, đạt hoặc tốt.

  • Nguyên tắc xây dựng test: mục đích sử dụng, nhóm đối tượng và cấu trúc đo lường có được mô tả và có cơ sở lý thuyết không? Điều một bài test tuyên bố đo sẽ quyết định nó cần bằng chứng nào.
  • Chất lượng tài liệu test: các câu hỏi, hướng dẫn và cách chấm điểm có được chuẩn hóa không, và nội dung có tránh được những câu hỏi có thể xúc phạm một số nhóm nhất định không?
  • Chất lượng tài liệu hướng dẫn: tài liệu có cung cấp những gì bạn cần để tổ chức test và diễn giải điểm số đúng cách, bao gồm cả giới hạn của việc diễn giải đó, không?
  • Chuẩn: các nhóm chuẩn có đủ lớn, đại diện cho những người mà bạn so sánh ứng viên với, và còn mới không? Một bảng chuẩn không có ngày tháng hoặc không mô tả nhóm thì không thể đánh giá được.
  • Độ tin cậy: điểm số chính xác đến đâu, theo loại nghiên cứu nào và trên mẫu nào?
  • Độ hiệu lực cấu trúc: có bằng chứng cho thấy bài test đo đúng điều nó tuyên bố đo không, chẳng hạn từ cấu trúc nhân tố và mối liên hệ với các thước đo khác?
  • Độ hiệu lực tiêu chí: điểm số có liên hệ với các kết quả như hiệu quả công việc, kết quả đào tạo hay tỷ lệ nghỉ việc không, và kết quả đó được đo tốt đến đâu?

Xếp hạng không đạt có thể có nghĩa là bằng chứng yếu hoặc bằng chứng chưa bao giờ được cung cấp. COTAN xử lý cả hai như nhau, vì trách nhiệm chứng minh thuộc về tác giả bài test. Đối với bạn, sự khác biệt có thể quan trọng: một bài test mới có ít dữ liệu không giống với một bài test không đạt yêu cầu. Dù thế nào, đó cũng là một dấu hiệu cảnh báo, và nếu vẫn sử dụng bài test, bạn nên có khả năng giải thích lý do.

Xếp hạng COTAN chỉ do chính COTAN đưa ra và được công bố trong COTAN Documentatie trực tuyến, do Boom uitgevers phát hành thay mặt NIP. Nếu một nhà cung cấp nhắc đến xếp hạng COTAN, hãy tra cứu tại đó và kiểm tra xem nó áp dụng cho phiên bản nào của bài test và tài liệu kỹ thuật.

Mô hình đánh giá test của EFPA và các khung liên quan

Mô hình đánh giá test của EFPA là một mẫu đánh giá có cấu trúc kèm ghi chú cho người đánh giá, dựa trên các tiêu chí của Hiệp hội Tâm lý học Anh (British Psychological Society), hiệp hội tâm lý học Tây Ban Nha và COTAN. Phiên bản 4.2.6 ra đời năm 2013; phiên bản 5.0, một lần sửa đổi lớn, được công bố vào tháng 8 năm 2025.

Mô hình trước tiên mô tả công cụ, sau đó đánh giá cơ sở lý luận và tài liệu, tài liệu test, chuẩn, độ tin cậy, độ hiệu lực, hỗ trợ cho việc sử dụng công bằng và chất lượng của các báo cáo được tạo tự động bằng kỹ thuật số, kết thúc bằng một đánh giá tổng thể. Bằng chứng về độ hiệu lực được nhóm theo nguồn: nội dung test, cấu trúc bên trong, mối liên hệ với các biến khác và các nguồn khác.

Mô hình được thiết kế để điều chỉnh theo cách tổ chức của từng quốc gia và được áp dụng bởi những người đánh giá chuyên môn; các hiệp hội như British Psychological Society đã dựa vào mô hình này khi đánh giá bài test. EFPA nêu rõ rằng các xếp hạng đưa ra bằng mô hình này không hàm ý EFPA tán thành một bài test, và quảng cáo không được gợi ý điều ngược lại. Một nhà cung cấp gọi bài test của mình là “được EFPA phê duyệt” đã hiểu sai mô hình.

DIN 33430 tại Đức

DIN 33430, tiêu chuẩn của Đức về chẩn đoán năng lực phù hợp liên quan đến nghề nghiệp, được sửa đổi lần gần nhất vào năm 2016. Tiêu chuẩn này không xếp hạng từng bài test mà bao quát toàn bộ quy trình: làm rõ yêu cầu nhiệm vụ, phân tích yêu cầu của vị trí, lựa chọn phương pháp, tổ chức thực hiện và diễn giải, lưu trữ hồ sơ, và trình độ chuyên môn của những người tham gia. Một phụ lục nêu rõ tài liệu của một bài trắc nghiệm tâm lý cần có những gì, khiến nó trở thành một danh sách kiểm tra hữu ích cả ở ngoài nước Đức.

Danh sách kiểm tra khi đọc tài liệu kỹ thuật

Dù bạn dùng khung nào, bằng chứng nằm trong tài liệu kỹ thuật. Hãy yêu cầu tài liệu này trước khi mua, và đọc nó với quyết định của chính bạn trong đầu.

  • Mục đích sử dụng: tài liệu có nêu mục đích sử dụng của bạn không, và có nói bài test không dành cho mục đích gì không?
  • Nhóm chuẩn: quy mô, thành phần, quốc gia, ngôn ngữ và năm thu thập dữ liệu. Chúng có giống với ứng viên của bạn không? Xem cách nhóm chuẩn vận hành.
  • Độ tin cậy: loại nào, từ mẫu nào, và sai số chuẩn của phép đo có được báo cáo không? Những điều cơ bản có trong giải thích về độ tin cậy và độ hiệu lực.
  • Độ hiệu lực: có bằng chứng về cấu trúc nhân tố, về mối liên hệ với các bài test tương đương và, đối với tuyển chọn, về mối liên hệ với các kết quả liên quan đến công việc không? Các mẫu lớn đến đâu?
  • Tính công bằng và ngôn ngữ: các câu hỏi và thang đo có hoạt động như nhau giữa các nhóm không, và phiên bản ngôn ngữ của bạn đã được hiệu chỉnh và nghiên cứu, chứ không chỉ được dịch, chưa?
  • Phiên bản và đánh giá độc lập: bằng chứng có bao gồm phiên bản bạn sẽ sử dụng không, và có bản đánh giá nào bạn có thể tự tra cứu không?
Ví dụ Trích đoạn tài liệu kỹ thuật giả định

Tư duy số học NR-2 (một bài test giả định). Mục đích sử dụng: tuyển chọn và phát triển cho các vị trí dành cho người có trình độ đại học. Nhóm chuẩn: 1.240 ứng viên cho các vị trí tài chính và hành chính tại Hà Lan, thu thập trong giai đoạn 2021–2022, phiên bản tiếng Hà Lan. Độ tin cậy: ω = 0,86 (n = 1.240); test–retest sau bốn tuần r = 0,79 (n = 112). Độ hiệu lực cấu trúc: mô hình một nhân tố được xác nhận; tương quan với một bài test số đã được công nhận rộng rãi r = 0,68 (n = 210). Độ hiệu lực tiêu chí: r = 0,24 với đánh giá của cấp trên sau sáu tháng (n = 85).

Cách đọc trích đoạn này. Độ tin cậy 0,86 là vững chắc, nhưng đối với một quyết định quan trọng về cá nhân, nó nằm giữa hai điểm neo 0,80 và 0,90 của COTAN, vì vậy hãy xem sai số chuẩn của phép đo và tránh dùng điểm cắt cứng cho những chênh lệch điểm nhỏ. Nhóm chuẩn phù hợp với các vị trí tài chính tại Hà Lan, không phù hợp với vị trí bán hàng hay một phiên bản tiếng Đức. Nghiên cứu tiêu chí đi đúng hướng, nhưng với 85 người thì khoảng tin cậy rất rộng. Kết luận: có thể dùng trong tuyển chọn bên cạnh các thông tin khác, và quyết định do con người đưa ra.

Khi bạn tự phát triển hoặc phát hành một bài test

Chính các tiêu chí này cũng có thể dùng làm bản yêu cầu thiết kế: xác định cấu trúc đo lường và mục đích sử dụng, thử nghiệm câu hỏi, và thu thập dữ liệu về độ tin cậy, cấu trúc và chuẩn trong nhóm đối tượng mục tiêu, như mô tả trong phần phát triển bài test. EFPA khuyến khích rõ ràng các nhà phát triển và nhà phát hành tự đánh giá bài test của mình bằng mô hình này. Điều đó cho bạn một bản tự đánh giá có cấu trúc, không phải một bản đánh giá chính thức: xếp hạng COTAN chỉ do COTAN đưa ra, thông qua quy trình riêng của mình.

Phòng Lab Tâm trắc của Match.hr xem xét các bài test trước khi niêm yết và có thể cùng bạn thực hiện kiểm định bài test. Các tiêu chí của Phòng Lab đi theo cấu trúc của các mô hình đánh giá test của COTAN và EFPA. Phòng Lab không liên kết với, cũng không được tán thành bởi tổ chức nào trong hai tổ chức này, và một cấp độ đánh giá như Đã kiểm định không phải là xếp hạng chính thức. Nếu bạn muốn cung cấp công cụ của mình cho các nhà tuyển dụng, việc phát hành bài test của bạn bắt đầu từ bước đánh giá đó.

Nguồn tham khảo

Câu hỏi thường gặp

Xếp hạng COTAN tốt có nghĩa là bài test phù hợp với quy trình tuyển chọn của tôi không?

Không tự động như vậy. Một xếp hạng mô tả bằng chứng cho các mục đích sử dụng và các nhóm mà bài test đã được nghiên cứu, tại thời điểm đánh giá. Hãy kiểm tra xem nhóm chuẩn có phù hợp với ứng viên của bạn không, phiên bản ngôn ngữ bạn dùng có nằm trong phần bằng chứng không, và bản đánh giá có còn áp dụng cho phiên bản hiện tại của bài test và tài liệu kỹ thuật không. Xếp hạng hỗ trợ việc bạn chọn bài test; quyết định về ứng viên vẫn thuộc về con người.

Tôi có thể kiểm tra ở đâu xem một bài test đã được đánh giá hay chưa?

Đối với COTAN, trong COTAN Documentatie trực tuyến, do Boom uitgevers phát hành thay mặt NIP. Đối với các bản đánh giá dựa trên mô hình EFPA, hãy liên hệ hiệp hội tâm lý học quốc gia đã thực hiện đánh giá, chẳng hạn British Psychological Society tại Vương quốc Anh. Tại Đức, Diagnostik- und Testkuratorium công bố các bản đánh giá theo hệ thống riêng của mình, TBS-DTK. Hãy yêu cầu nhà cung cấp cung cấp tham chiếu và ngày chính xác, rồi tự kiểm tra.

Các bài test trên Match.hr có được COTAN hoặc EFPA đánh giá không?

Các bản đánh giá của Phòng Lab không phải là xếp hạng COTAN hay bản đánh giá dựa trên mô hình EFPA do một hiệp hội quốc gia thực hiện. Các tiêu chí của Phòng Lab đi theo cấu trúc của cả hai mô hình đánh giá, và Match.hr không liên kết với, cũng không được tán thành bởi tổ chức nào trong hai tổ chức này. Những gì đã được nghiên cứu cho một bài test được hiển thị trên nhãn tâm trắc của bài test đó và, khi đã công bố, trong tài liệu kỹ thuật của nó. Nếu bài test của một nhà phát hành trên nền tảng có bản đánh giá độc lập, hãy yêu cầu tham chiếu và tự tra cứu.

Nếu một bài test chưa từng được đánh giá thì sao?

Điều đó khá phổ biến, đặc biệt với các bài test mới hơn và bài test trực tuyến. Hãy đi qua danh sách kiểm tra ở trên cùng với tài liệu kỹ thuật và hỏi nhà cung cấp về bất cứ điều gì còn thiếu. Hãy coi một con số bị thiếu là chưa biết, chứ không phải là ổn. Khi bằng chứng còn mỏng, hãy cân nhắc dùng bài test cho các cuộc trao đổi phát triển thay vì tuyển chọn cho đến khi có thêm dữ liệu.

Đánh giá ứng viên đầu tiên của bạn ngay hôm nay

Tài khoản miễn phí, không cần thẻ tín dụng, có kết quả sau vài phút.