Faglig dokumentasjon - Karrierebarometeret

Karrierebarometeret | mer lønnsomme beslutninger

Innhold

s. 2

Faglig dokumentasjon


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


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

[email protected]

Steinar Nupen

KarriereStart

[email protected]

+47 412 49 192

1. Om Karrierebarometeret

s. 3


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


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


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


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


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


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


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**


N 200 200

Pearson

Correlation,856

** 1


N 200 200

Gruppe1

Gruppe2


Correlations


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


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.


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**


N 54 54

Pearson Correlation ,996** 1


N 54 54

Correlations

Gruppe 1

Gruppe 2



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


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


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**


N 28 28

Pearson Correlation ,917** 1


N 28 28

Correlations

Gruppe 1

Gruppe 2


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


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






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


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

Faglig dokumentasjon - Karrierebarometeret

Career