Prueba Psicométrica de Xobin: Evidencia de Fiabilidad y Validez

El equipo de psicólogos industriales–organizacionales (I/O) y psicometristas de Xobin diseñó una evaluación psicométrica de base amplia para su uso a escala empresarial en reclutamiento de alto volumen, evaluación profesional y desarrollo de liderazgo.

El desarrollo siguió dos vías. La primera construyó un modelo de comportamiento integrado basado en la investigación actual en psicología de la personalidad, ciencia del liderazgo, inteligencia emocional y pensamiento crítico. La segunda diseñó y validó una prueba de juicio situacional (SJT) que mide esas competencias conductuales de manera precisa y eficiente, con relevancia, equidad y precisión predictiva en roles laborales globales.

La prueba ofrece a los equipos de recursos humanos de las empresas una evaluación confiable y completa del comportamiento de los candidatos en contextos de contratación y desarrollo. La investigación publicada muestra que las organizaciones que utilizan pruebas psicométricas pueden mejorar el éxito en la contratación hasta en un 40% y aumentar la retención de empleados en un 24%. Estas ganancias se traducen en costos de rotación reducidos, equipos más efectivos y mejor rendimiento.

La integridad de la evaluación está en el núcleo del diseño. La prueba integra marcos establecidos en personalidad, agilidad de aprendizaje, liderazgo, inteligencia emocional (EQ) y pensamiento crítico, y presenta escenarios de trabajo realistas en los que los juicios de un candidato revelan rasgos subyacentes y estilo de toma de decisiones. La consistencia interna de las escalas de competencia varía de buena a excelente (α de Cronbach ≈ 0.6–0.8), los estudios de prueba-reprueba muestran resultados estables a lo largo del tiempo, y el formato SJT de elección forzada es notablemente menos propenso a la falsificación que los cuestionarios de auto-reporte tradicionales.

La prueba ha sido diseñada y validada para una aplicabilidad global y relevancia entre industrias. Ha sido localizada y estandarizada en los Estados Unidos, Europa, Oriente Medio, Asia del Sur y Asia-Pacífico. La localización cubre no solo la traducción a más de 15 idiomas, sino también la adaptación cultural de los escenarios para preservar la adecuación contextual y la equivalencia interpretativa entre poblaciones.

La evaluación ha demostrado efectividad operativa en:

• ·Tecnologías de la Información y Desarrollo de Software
• ·Ciencias Farmacéuticas y de la Vida
• ·Banca, Servicios Financieros y Seguros (BFSI)
• ·Bienes de Consumo de Rápido Movimiento (FMCG)
• ·Venta al por menor
• ·Ingeniería, Manufactura y sectores industriales clave
• ·Energía y Servicios Públicos
• ·Servicios Profesionales y de Consultoría
• ·Administración de Salud y Hospitales

Dentro de estos verticales se utiliza para la selección de alto volumen de roles de nivel de entrada, perfilado conductual para posiciones profesionales y de nivel medio, y evaluación del potencial de liderazgo para trayectorias de desarrollo gerencial y ejecutivo. Los puntos de referencia específicos de la industria y los datos normativos permiten que los puntajes individuales se interpreten en comparación con el estándar sectorial relevante en lugar de un solo promedio global.

La metodología de desarrollo de Xobin se adhiere a los estándares de la British Psychological Society (BPS) y la International Test Commission (ITC) para la evaluación ocupacional. El ciclo de vida del desarrollo de ítems incorporó:

• ·Modelado integral de competencias y análisis de puestos
• ·Desarrollo de más de 2,000 ítems piloto, estratificados por niveles laborales
• ·Pilotaje multifásico, incluyendo análisis clásico de ítems y calibración de teoría de respuesta al ítem (IRT)
• ·Examen de sesgo a nivel de ítem, índices de dificultad y parámetros de discriminación
• ·Simulación de Monte Carlo para optimizar la longitud de la prueba y la eficiencia psicométrica
• ·Validación de la equidad de subgrupos, neutralidad lingüística y generalización de puntajes a través de demografías

Este enfoque asegura que cada indicación situacional y opción de respuesta refleje un constructo conductual relevante para el trabajo, funcione de manera consistente entre poblaciones y contribuya de manera significativa a la estimación de rasgos. Los ítems de juicio situacional pasaron por una meticulosa prueba y análisis para confirmar que funcionan como se pretende en dificultad, discriminación y ausencia de sesgo, produciendo una herramienta estadísticamente robusta y válida en constructo alineada con las mejores prácticas internacionales en selección de personal.

El modelo se basa en la estructura de los Cinco Grandes (OCEAN) de la personalidad: Apertura, Responsabilidad, Extraversión, Amabilidad y Estabilidad Emocional (Neuroticismo invertido). Se enriquece con constructos de liderazgo, inteligencia emocional e investigación sobre pensamiento crítico para que capture el comportamiento laboral de manera más completa que un test de personalidad tradicional.

Las más de 50 competencias están organizadas en seis amplios dominios para la puntuación y la interpretación. Las puntuaciones se informan a nivel de faceta y se agregan a nivel de dominio.

El modelo se construyó de manera iterativa: los psicólogos I/O de Xobin comenzaron desde la estructura de los Cinco Grandes, luego mapearon o agruparon constructos de inteligencia emocional, agilidad de aprendizaje y liderazgo auténtico sobre él para que no faltara nada importante: humildad y empatía agrupadas en Interpersonal, ambición y poder en Influencia y Liderazgo. El juicio experto más la investigación de análisis factorial produjo un modelo que cubre áreas cognitivas, interpersonales, de liderazgo, adaptabilidad y motivación personal que predicen el rendimiento y potencial laboral.

La prueba utiliza un formato de juicio situacional con un diseño de respuesta ipsativa y de elección forzada, elegido para maximizar la precisión, la resistencia a la simulación y la idoneidad para un uso global y de alta responsabilidad.

Formato de juicio situacional. Cada ítem presenta un breve escenario laboral realista que describe un desafío, conflicto o tarea, construido a partir de incidentes críticos y la aportación de expertos en la materia de diversas industrias. A continuación, se presenta un conjunto de posibles acciones. Por ejemplo, un contratiempo en un proyecto donde las opciones van desde tomar el control y redistribuir el trabajo, hasta solucionar problemas en silencio, hasta consultar al equipo. No hay respuestas absolutamente correctas o incorrectas; cada opción expresa una competencia diferente. Los candidatos clasifican las opciones de más a menos probable, o eligen su acción más y menos preferida. El formato ofrece una alta validez aparente y compromiso, y una fuerte validez de criterio: décadas de investigación sitúan las validez medias de SJT alrededor de 0.20–0.30. Crucialmente, los SJT que miden la personalidad correlacionan con rasgos y resultados laborales mientras son mucho menos susceptibles a la simulación deliberada, porque anclan los rasgos en contexto en lugar de preguntar sobre ellos directamente.

Longitud y formato. La prueba estándar consta de aproximadamente 40 ítems basados en escenarios que cubren más de 50 competencias. Cada escenario ofrece de tres a cuatro opciones y toma de uno a dos minutos, dando un tiempo total de prueba de aproximadamente 45–50 minutos. La longitud se estableció mediante simulación de Monte Carlo: la consistencia interna de escalas amplias cruza niveles aceptables (α > 0.70) alrededor de 20 escenarios y se acerca a su máximo en 40.

Administración y seguridad. La prueba se administra en línea y sin supervisión, en reconocimiento de la contratación remota moderna. El orden de las preguntas y opciones se aleatoriza por candidato; un gran banco de ítems previene el intercambio de respuestas; y las marcas de tiempo y la telemetría son analizadas por IA para detectar patrones aberrantes como el engaño o el conocimiento previo de los ítems. La selección adaptativa de ítems significa que dos candidatos rara vez ven el mismo conjunto de escenarios. La plataforma es amigable para dispositivos móviles y accesible, con controles que desincentivan las adivinanzas rápidas.

Informe de puntuaciones. Los informes perfilan al candidato en cada dominio amplio y destacan fortalezas y posibles preocupaciones entre las 50 facetas, en un formato orientado a los negocios que combina gráficos con narrativa. Un candidato podría leerse como alto en Adaptabilidad & Aprendizaje e Interpersonal, moderado en Pensamiento Crítico y bajo en Impulso & Ejecución, con texto interpretativo que explica cómo ese perfil se manifiesta en el trabajo. Las puntuaciones pueden ser comparadas con normas relevantes (globales, de la industria o de nivel de trabajo), y el sistema señala puntuaciones en riesgo donde las verificaciones de consistencia sugieren baja confiabilidad para las respuestas de ese candidato.

Cada decisión de diseño, desde escenarios laborales hasta elección forzada y puntuación por IA, sirve a cuatro principios rectores establecidos al inicio del proyecto: la evaluación debe ser confiable y válida, resistente a la simulación y a la gestión de impresiones, aplicable globalmente, y eficiente y segura en línea.

El desarrollo abarcó desde la definición de competencias hasta la redacción de ítems, pilotaje y análisis de ítems, guiado por las directrices de BPS/ITC y los estándares de APA.

1. Paso 01Definiendo el modelo de competencias. An extensive literature review of personality and competency models, covering Big Five taxonomies, emotional intelligence models and others, was combined with interviews of corporate HR partners, leadership coaches and hiring managers across industries. Hundreds of candidate behavioural descriptors were distilled, using theory (mapping to models such as DeYoung's ten aspects of the Five Factor Model) and expert sorting, into the final six domains and roughly 50 competencies. Each was defined with behavioural examples for item writers: "Builds Trust", for instance, was defined as being honest, keeping commitments and fostering psychological safety.
2. Paso 02Redacción de ítems. Los psicólogos I/O y expertos en la materia utilizaron la técnica de incidentes críticos, recopilando anécdotas reales de comportamientos efectivos e inefectivos para cada competencia. Para la Calidad de Decisión, un incidente podría involucrar a un equipo eligiendo entre dos estrategias con datos limitados, con cuatro acciones plausibles, cada una reflejando un rasgo diferente: deliberación analítica, impulsividad, deferencia a otros, y así sucesivamente. Las opciones fueron revisadas para que la deseabilidad social esté equilibrada, ya que cada una tiene pros y contras que una persona razonable podría favorecer, y los ítems fueron redactados en niveles de dificultad desde la entrada hasta el liderazgo. Se generaron más de 2,000 ítems iniciales, con al menos tres a cinco escenarios por competencia en cada nivel. El contenido fue examinado en busca de sesgos, utilizando un lenguaje inclusivo y contextos genéricos (una "ACME Corp." ficticia en lugar de nombres culturalmente específicos), y luego traducido por expertos bilingües con traducción directa e inversa para confirmar la equivalencia de significado.
3. Paso 03Pruebas piloto. Se realizó un piloto con N = 400 participantes, 100 en cada uno de los cuatro niveles de trabajo: nivel de entrada, junior (uno a tres años), nivel medio y senior. La muestra fue diversa, extraída de solicitantes voluntarios y empleados de diversas industrias. Los participantes realizaron una forma más larga del SJT, aproximadamente 1.5 horas, junto con medidas externas que incluían un inventario de los Cinco Grandes y una prueba cognitiva para posteriores verificaciones de validez convergente. Luego, los psicometristas analizaron la dificultad de los ítems, la discriminación de los ítems y el funcionamiento diferencial de los ítems (DIF) por género y cultura utilizando la teoría clásica de pruebas y IRT. Los ítems que eran demasiado fáciles, no lograban discriminar o mostraban diferencias demográficas inexplicables fueron revisados o eliminados. Un ítem sobre un evento social fuera del horario laboral, respondido de manera diferente por trabajadores mayores y más jóvenes por razones de etapa de vida en lugar de rasgos, es el tipo de ítem que se eliminó para evitar sesgos por edad. Aproximadamente el 50% de los ítems fueron retenidos o modificados, dejando un banco refinado de aproximadamente 1,000 escenarios de alta calidad, apuntando a ocho a diez ítems sólidos por competencia por nivel.
4. Paso 04Calibración del modelo de puntuación. Cada opción fue codificada por los rasgos que indica: elegir una opción que refleje alta Adaptabilidad como "más probable" aumenta esa puntuación, mientras que elegir una opción de baja Adaptabilidad la disminuye. La estructura de elección forzada requirió un modelo IRT multidimensional en el que cada opción lleva parámetros de dificultad y discriminación en las dimensiones relevantes, estimados con enfoques al estilo de Thurstone y Bradley-Terry para datos comparativos. El algoritmo resultante convierte un patrón de elecciones en estimaciones de rasgos, y fue validado contra las puntuaciones de los Big Five recopiladas externamente: la puntuación Interpersonal de SJT correlacionó alrededor de r = 0.5 con un cuestionario de Amabilidad en el piloto, con ajustes menores en el peso de los ítems realizados para maximizar la validez convergente.
5. Paso 05Análisis de confiabilidad. La consistencia interna se calculó para cada escala, utilizando un alfa de Cronbach análogo agregado sobre respuestas por pares como requieren los formatos de elección forzada. El piloto mostró una mediana α de aproximadamente 0.78, con la mayoría de las escalas por encima de 0.75. Algunas escalas más débiles, como la faceta de Creatividad que inicialmente estaba cerca de 0.65, se fortalecieron con ítems adicionales o refinados. El objetivo era α ≥ 0.70 para todos los dominios amplios y la mayoría de las facetas estrechas.
6. Paso 06Ensamblaje final y estandarización. Operational forms were assembled from the refined bank, with multiple forms allowing rotation and job-level tailoring. Each form covers all six domains and their facets across several items, balancing shorter and longer scenarios and mixing cognitively heavy items with straightforward ones to limit fatigue. Parallel forms were equated through common items so scoring is consistent regardless of the form received; adaptive selection effectively chooses among these equated forms based on inputs such as job level. A normative sample of more than 5,000 test takers, collected across regions and industries during the first year of operation, supports percentile ranks, stanines and stens for global and industry-specific interpretation. An independent panel of psychometric experts audited content for bias and reviewed the validity evidence for sufficiency; their feedback was incorporated into the final technical manual.

El uso ético y justo fue un compromiso constante: los candidatos piloto fueron informados, la prueba en vivo incluye consentimiento informado y avisos de privacidad de datos, y los equipos de recursos humanos del cliente reciben capacitación sobre la interpretación correcta para que ninguna puntuación individual tenga un peso excesivo en una decisión.

La evidencia a continuación se extrae de la muestra de validación inicial (piloto y seguimiento, N ≈ 400), datos operativos agregados (N ≈ 5,000+) y estudios de validez específicos con organizaciones clientes.

Consistencia interna. A través de una muestra de 5,000 evaluadores, el coeficiente alfa para los seis dominios amplios varía de 0.75 a 0.88 con una mediana cercana a 0.82, confirmando que los ítems dentro de cada dominio son homogéneos. Los candidatos que muestran alta Motivación en un escenario tienden a hacerlo en otros. Estos alfas coinciden o superan los que se informan típicamente para medidas de personalidad en escala Likert (~0.75–0.85), notable dado que el SJT es multidimensional.

Fiabilidad de re-evaluación. Una muestra de 120 empleados en una organización cliente realizó la prueba dos veces, con seis meses de diferencia. La correlación de retest para el compuesto general fue r = 0.81; las confiabilidades de retest a nivel de dominio variaron de 0.72 a 0.79. Un retest de intervalo corto de dos a tres semanas con 50 participantes dio r ≈ 0.85, indicando muy poco error transitorio. Por lo tanto, el orden de rango de los individuos se mantiene consistente, y los cambios en la puntuación son más propensos a reflejar un desarrollo genuino que ruido, lo que importa cuando la prueba se utiliza antes y después del desarrollo.

Consistencia en la puntuación. La puntuación es completamente automatizada, por lo que el desacuerdo entre evaluadores no es un factor. Como verificación, dos psicólogos evaluaron de manera independiente los niveles de rasgo implícitos para 50 protocolos de respuesta; sus juicios correlacionaron por encima de 0.9 con las puntuaciones automatizadas, confirmando que las reglas de puntuación son conceptualmente sólidas y reproducibles por el razonamiento humano.

Compuesto versus perfil. Una puntuación sumativa de "Ajuste Comportamental General", el promedio de los dominios o el primer componente principal, es altamente confiable en α ≈ 0.90 y captura un factor general de efectividad comportamental. Sin embargo, Xobin anima a los usuarios a leer el perfil de las puntuaciones de dominio en lugar de un número simplificado; cada dominio es lo suficientemente confiable como para interpretarse por sí mismo.

Banco de ítems y formas paralelas. Las funciones de información de IRT confirman que la longitud de 40 ítems proporciona una precisión amplia en todo el rango de rasgos. Se puede utilizar una versión de 20 ítems para una evaluación rápida con menor fiabilidad (≈ 0.65–0.70); una versión de 60 ítems aumenta la fiabilidad solo marginalmente (≈ 0.87) antes de los rendimientos decrecientes. Las puntuaciones en dos mitades asignadas aleatoriamente del banco de ítems correlacionan en aproximadamente 0.9 después de la corrección, por lo que cualquier forma dada es representativa del banco completo.

Tomados en conjunto, la consistencia interna y la estabilidad en la re-evaluación cumplen o superan los estándares de la industria. La investigación sobre SJTs basados en la personalidad informa coeficientes de re-evaluación de dos a tres semanas en el rango de 0.6 a 0.7; las cifras de seis meses de Xobin alrededor de 0.75 son sólidas. Debido a que el formato minimiza las respuestas socialmente deseables, estas estimaciones son, en cierto modo, conservadoras.

Validez de contenido. Las competencias fueron identificadas a partir de la literatura y la opinión de los empleadores como críticas para el éxito laboral en muchos roles, y cada escenario se basa en una situación realista con validez de cara para los candidatos y las PYMEs. Los psicólogos I/O y los gerentes de contratación revisaron cada ítem para confirmar que los escenarios son plausibles e importantes, y que las opciones de respuesta abarcan una gama de acciones efectivas e ineficaces vinculadas a las competencias objetivo. Debido a que el modelo integra los Cinco Grandes, la IE y el pensamiento crítico, no se omite ninguna área importante (tarea, personas, cognitiva, adaptabilidad): cada factor de los Cinco Grandes se relaciona con múltiples ítems, y cada componente de IE de Goleman tiene escenarios que lo evocan. La retroalimentación de los clientes que los escenarios "reflejan realidades diarias" y que los informes "utilizan un lenguaje que coincide con nuestros modelos de liderazgo" respalda la misma conclusión.

Validez de constructo: estructura factorial. Exploratory factor analysis on a large sample extracted six factors explaining a substantial share of variance, with loadings matching the intended design.

Validez convergente. Contra un inventario estándar de los Big Five administrado en un subconjunto piloto: Interpersonal y Trabajo en Equipo correlacionaron r = 0.65 con Amabilidad; Resiliencia Emocional r = 0.70 con Neuroticismo invertido; Motivación y Ejecución r = 0.55 con Consciencia; Adaptabilidad y Aprendizaje r = 0.60 con Apertura; Influencia y Liderazgo r = 0.50 con Extraversión, todos significativos en p < .001. El Pensamiento Crítico correlacionó moderadamente (r ≈ 0.30) con una prueba de capacidad cognitiva: significativo, pero no tan alto como para sugerir que la prueba mide pura habilidad en lugar de disposición. En muestras organizacionales, las puntuaciones de Influencia del SJT correlacionaron alrededor de 0.4 con las calificaciones de los supervisores sobre el potencial de liderazgo, y la Adaptabilidad del SJT alrededor de 0.45 con las calificaciones de los compañeros sobre la apertura al cambio.

Validez discriminante. Los dominios que deberían diferir lo hacen: Interpersonal versus Pensamiento Crítico correlacionaron alrededor de 0.2, Impulso versus Interpersonal alrededor de 0.1. La prueba diferencia rasgos en lugar de producir una medida buena/mala no diferenciada. Las puntuaciones correlacionaron cerca de cero (r ≈ 0.05) con una escala de deseabilidad social, evidencia directa de que el diseño de elección forzada resiste la gestión de impresiones, a diferencia de los informes autoevaluativos típicos.

Validez relacionada con el criterio. Xobin ha compilado estudios de validación con más de una docena de organizaciones clientes relacionando las puntuaciones SJT previas a la contratación con el rendimiento laboral posterior, el éxito en la formación y otros resultados. Diez se resumen a continuación.

Estos coeficientes significan que la prueba por sí sola explica aproximadamente el 6–12% de la varianza en el rendimiento laboral, una contribución significativa para una única evaluación conductual. El Gerente de Ventas (FMCG) alcanzó r = 0.35 en relación con el logro de objetivos trimestrales, con puntuaciones más altas en Influencia y Motivación prediciendo mejores resultados de ventas. El Líder de Equipo (IT) alcanzó r = 0.30 en relación con una calificación de rendimiento supervisora. Incluso el coeficiente más bajo, 0.20 para Cajero de Banco, tiene valor: el rendimiento de ese rol se midió en gran medida en tasas de error y adherencia, que la conciencia dentro del SJT predice en parte. Combinar el SJT con pruebas cognitivas o entrevistas estructuradas aumenta aún más el poder predictivo general, y las validez se mantuvo sin evidencia de sesgo entre grupos demográficos.

Vínculos de competencia a resultado. En un centro de llamadas internacional, las puntuaciones de Interpersonal &amp; Teamwork predijeron la satisfacción del cliente para los representantes de servicio en r ≈ 0.30. En una firma de consultoría, el Pensamiento Crítico y la Adaptabilidad predijeron cada uno la calidad de finalización de proyectos evaluada por pares en r ≈ 0.25. En un programa de formación de gerentes, aquellos que finalmente fueron promovidos tenían puntuaciones iniciales significativamente más altas en Drive &amp; Execution y Leadership (d ≈ 0.5), evidencia de que la prueba puede identificar a futuros líderes temprano.

Validez concurrente. Con un equipo de ventas farmacéuticas (N = 80), el puntaje total de SJT correlacionó r = 0.29 con la calificación de rendimiento general del supervisor, y Influencia y Liderazgo correlacionó r = 0.40 con la calificación específica del trabajo para persuadir a médicos y alcanzar la cuota. En una planta de fabricación (N = 60 supervisores), la Resiliencia Emocional correlacionó inversamente con los días de licencia relacionados con el estrés (r = −0.25).

Validez incremental. En una muestra de asociados de ventas, una prueba cognitiva predijo el rendimiento en ventas en r ≈ 0.20 y el SJT en r ≈ 0.22; combinados en regresión alcanzaron R ≈ 0.30, con el SJT añadiendo aproximadamente 0.10 de incremento único. El SJT también se suma a un inventario de personalidad genérico, ya que dos personas con puntuaciones de rasgos similares pueden diferir en cuán efectivamente aplican esos rasgos en situaciones, lo que es conocimiento de juicio situacional. Los clientes informan que combinar el SJT con otras evaluaciones mejora la calidad de contratación de manera medible en comparación con las pruebas cognitivas solas.

Diferencias entre subgrupos. Las distribuciones de puntuación se compararon por género y por grupo étnico mayor en la gran muestra. Las diferencias fueron insignificantes: los candidatos masculinos y femeninos tenían prácticamente medias iguales en la puntuación general (menos de 0.1 SD de diferencia). Algunas facetas mostraron pequeñas diferencias, con mujeres ligeramente más altas en Interpersonal y hombres ligeramente más altos en Pensamiento Crítico, pero los efectos fueron d ≈ 0.2 o menos e inconsistentes entre muestras, por lo que no indican sesgo en la prueba. El análisis DIF a nivel de ítem no encontró ningún ítem respondido de manera diferente por un grupo demográfico una vez que se controló el nivel de rasgo. Las diferencias entre países también fueron pequeñas y se explicaron en gran medida por diferencias de rasgo a nivel cultural conocidas, y cada versión de idioma localizada fue revisada para verificar la equivalencia semántica.

Cumplimiento de normas. La prueba fue desarrollada de acuerdo con los principios de EEO y la ISO 10667. Se monitorean las tasas de impacto adverso; en implementaciones grandes, las tasas de selección por género y raza cuando se utiliza el SJT como un obstáculo han permanecido dentro de la regla de cuatro quintos en cada caso hasta la fecha. Un cliente reemplazó una entrevista no estructurada con el SJT y encontró que redujo el sesgo subjetivo y mejoró la diversidad de los candidatos que avanzaban.

Reacciones de los candidatos. Las encuestas a los examinados informan reacciones positivas: la mayoría encontró que los escenarios eran relevantes para el trabajo y se sintieron capaces de mostrar sus fortalezas. Los candidatos que encuentran extrañas las encuestas de elección forzada tienden a encontrarlas atractivas dentro de un escenario. Las tasas de finalización superan el 95%, lo que indica que la longitud y el contenido son aceptables en un entorno no supervisado.

Las organizaciones clientes han documentado una reducción en la rotación, con una que vio una reducción del 30% en la rotación de nuevos empleados después de agregar el SJT a la contratación, junto con un mayor rendimiento entre los seleccionados y un ahorro de tiempo material en la selección. Una empresa utilizó el SJT para reducir su grupo de solicitantes a la mitad al principio del embudo, sin embargo, el 95% de los invitados a la entrevista final fueron calificados como adecuados o muy adecuados por los gerentes de contratación, lo que indica que la prueba filtró efectivamente a los candidatos más débiles en lugar de hacerlo de manera arbitraria.

El Test Psicométrico de Xobin mide lo que pretende medir, su contenido representa fielmente los comportamientos laborales requeridos, y predice criterios de rendimiento significativos en roles e industrias. La consistencia interna es buena a excelente, la estabilidad en la re-evaluación es alta, la estructura de seis factores se mantiene tanto en análisis exploratorios como confirmatorios, y el diseño de elección forzada mantiene las puntuaciones esencialmente no correlacionadas con la deseabilidad social. Los análisis de equidad no muestran impacto adverso ni sesgo en los ítems señalados.

This is the evidence base behind every behavioural score Xobin reports, the same standard of validation Xobin Research applies to the Xobin Capability Graph and to the wider skills work. Teams that want the same rigour in their own hiring can use it directly through Xobin.

• ·Ashton, M. C., & Lee, K. (2007). Empirical, theoretical, and practical advantages of the HEXACO model of personality structure.
• ·Duckworth, A. L., Peterson, C., Matthews, M. D., & Kelly, D. R. (2007). Grit: Perseverance and passion for long-term goals.
• ·Facione, P. A., Sánchez, C. A., Facione, N. C., & Gainen, J. (1995). The disposition toward critical thinking.
• ·Goleman, D. (1998). Working with Emotional Intelligence.
• ·Lombardo, M. M., & Eichinger, R. W. (2000). High potentials as high learners.
• ·Scouller, J. (2011). The Three Levels of Leadership: How to Develop Your Leadership Presence, Knowhow and Skill.
• ·DeYoung, C. G., Quilty, L. C., & Peterson, J. B. (2007). Between facets and domains: Ten aspects of the Big Five.
• ·Situational judgment test literature on criterion validity and resistance to faking, which informed the design of Xobin's SJT format.
• ·British Psychological Society (BPS) and International Test Commission (ITC) guidelines for occupational test development; APA Standards for Educational and Psychological Testing; ISO 10667.