Hva er normering? Hvorfor velger man å normere og hvordan er normering brukt i forbindelse med Belbin? Hensikten med å gjøre en undersøkelse eller en test er å skaffe nyttig informasjon for å kunne gjøre en bedre vurdering eller ta en bedre beslutning enn man kan uten denne informasjonen.
Et typisk eksempel er når man gir en prøve til skoleelever. En viktig informasjon i en slik sammenheng er hvor mange riktige svar eleven greier, for eksempel 32 riktige av 45 spørsmål, slik teoriprøven for førerkort virker. Teoriprøven for førerkort er lagt opp slik at hvis du har et visst antall riktige svar, er du dyktig nok til å få førerkort, helt uavhengig av hvordan andre gjør det – dette kaller vi en kriteriebasert vurdering. En god vurdering her forutsetter at vi har mye erfaring og kunnskap om de kriteriene vi bruker – bør man ha 30 eller 35 rette svar for å være dyktig nok?
Ofte har vi ikke slik kunnskap, da må vi finne andre måter å gjøre det på. En slik måte er å sammenlikne med andre. Dette er relativt enkelt hvis ”de andre” tar prøven samtidig, da kan vi sammenlikne svar og resultater direkte. Det er imidlertid sjelden tilfelle, som oftest er det bare en eller kanskje noen få (som en klasse) som tar testen, da er det vanskelig å si noe presist om prestasjonene er gode eller mindre gode. Skal vi kunne det, må vi ha en standard eller en norm å sammenlikne med. Normen vil kunne fortelle hva som er typisk for ”de andre”.
Dette kan det være behov for i mange ulike sammenhenger, ikke bare for prøver. Tenk deg en bedrift som har spurt sine kunder om egne ansattes serviceinnstilling og fått en snittskår på 4,8 på en skal fra 1 til 7. Spørsmålet er om dette er bra eller dårlig. Hvis samme bedrift i fjor hadde 4,5 så er det i det minste bedre, men hvis andre bedrifter skårer 5,2 fra de samme kundene, kommer resultatet i et nytt lys. Et annet eksempel kan være en IQ-test. La oss tenke oss en person som har 80 prosent av spørsmålene riktig innenfor tilmålt tid. Er da vedkommende veldig intelligent, normalt intelligent (som de fleste andre) eller ikke spesielt intelligent. For å vite dette må vi igjen kjenne ”alle andres” skår.
I praksis er en norm en oppslagstabell som gjør at vi på en noenlunde enkel måte kan sammenlikne en testskår med en relevant gruppe andre.
Normering vil si arbeidet med å utforme en slik oppslagstabell.
Strengt vitenskapelig skal et normeringsarbeid følge visse steg:
- Identifisere hvem som er de relevante ”alle andre”. Hvem er det fornuftig å sammenlikne med? Vi vet det kan være kulturelle og andre ulikheter mellom land, det kan det også være mellom mellom bedrifter og landsdeler. I en tid med økende internasjonalisering og virksomhetsaktiviteter på tvers av landegrenser er det ikke like opplagt som før at norske kandidater best skal sammenholdes med bare andre norske. Vi vet fra studier at forskjellen mellom bedrifter i ulike sektorer kan være større enn i samme sektor på tvers av land. Det avgjørende poenget er at man bruker en stabil målestokk.
- Ut fra forrige punkt må man så bestemme seg for en metode som gir den informasjon man trenger om de relevante ”alle andre”. Hvis det er alle i Norge, eller alle siste års studenter, eller arbeidstakere i Norden, må det tas et utvalg. Størrelsen og måten dette utvalget tas på, vil være med å bestemme hvor gode data man får. Det er veletablerte statistiske metoder som kan si noe om sannsynligheten for feil, det vil si om måleresultatet for utvalget også er riktig for alle. Sannsynlighet for feil vil være avhengig av hvor mange vi har tatt med i utvalget og hvordan den egenskapen vi måler fordeler seg mellom de spurte. Av og til er det vi måler fordelt slik at få har mye, få har lite og mange har litt midt i mellom. IQ er et godt eksempel. Det fordeler seg på en måte vi kaller normal fordelt, se figuren under. Når det vi måler fordeler seg slik kan vi greie oss med et relativt lite utvalg og likevel si noe presist om helheten.
- Gjennomføre undersøkelsen for utvalget og beregne resultater. Identifisere hvilke normative skår som er hensiktsmessig, lage disse og tilrettelegge en oppslagstabell som gjør det mulig på en enkel måte å sammenholde en bestemt skår med normen.
Effekt av normering
Viktigheten av normering erfarer vi når vi skal begynne å arbeide med resultater av kartleggingen. Uten normering mister vi et fast punkt å måle ut fra. Det blir som å måle avstanden fra A til B uten helt å vite hvor A egentlig er hen. Resultatet kan bli temmelig misvisende. La oss tenke en person som har fylt ut egenvurdering. Han har svart slik at rollen RI (Ressurs-innhenter) får 7 poeng, mens IMP (Implementerer) får 9 poeng. Det skulle tyde på en rolleprofil hvor vedkommende har flere IMP trekk enn RI trekk. Uten normering ville vedkommende fått en slik tilakemelding.
Bruker vi normering og sammenlikner med hva som er typisk for alle andre nordmenn, ser vi imidlertid at hele 67% av alle gir mindre enn 7 poeng til RI. Det betyr at relativt få skårer høyt på RI, slik RI måles i e-Interplace. Når det gjelder IMP ser vi at bare 54 prosent gir mindre enn 9 poeng til IMP, det vil si at relativt flere får høy skår på IMP. Sammenliknet med andre vil vedkommende nå få en tilbakemelding at i forhold til andre har du mer av RI trekk enn IMP trekk. Forskjellen er vist i figurene nedenfor:
Dette er sammenliknbart med at du på en matteprøve får syv rette, mens du på en fysikkprøve får 9 rette. Det betyr ikke at du nødvendigvis er flinkere i fysikk enn matte – sammenliknet med alle andre.
Det finnes folk som bruker unormerte kartlegginger av Belbin i Norge. De har oversatt direkte fra den første boken til Meredith Belbin. De gjør to feil: De har ikke testet hvordan et engelsk spørreskjema virker i Norge, de vet ingenting om hvordan dette slår ut i Norge. Det vil si at de systematisk vil gi folk feil tilbakemeldinger.
