Bouw je eigen selectiemodel

Waarom kiezen tussen het expert oordeel van een professional of het rekenwerk van een algoritme, als het ook allebei kan: transparant, meetbaar en in eigen regie?

Binnen werving en selectie is er een groeiend besef: hoe je informatie combineert is net zo belangrijk als welke informatie je hebt of verzamelt. Traditioneel vertrouwen veel professionals op hun ervaring en intuïtie. Anderen kiezen juist voor sterk geautomatiseerde predictie: het combineren van scores uit testen en selectie interviews op basis van vastegewichten. Beide methodes hebben sterke en zwakke punten.

Maar wat als je beide werkwijzen slim samenbrengt?
Dit nieuwe model van Ixly is gebaseerd op de laatste wetenschappelijke inzichten en is configureerbaar wat betreft het effectief samenstellen van de best passende selectieaanpak. Binnenkort kunnen klanten van Ixly op het Assessment Platform via een nieuwe interface zelf aangeven welke selectieinstrumenten ze gecombineerd willen inzetten (bijvoorbeeld cognitieve testen,persoonlijkheidsvragenlijsten, simulaties en interviewbeoordelingen) en hoe sterk de predictie daarmee is. Hoe zwaar elk van deze componenten meeweegt en zelfs hoe een holistisch oordeel, de ervaring en eigen beeld van de professional, meegeteld moet worden. Het resultaat? Een maatwerk predictiemodel van werksucces die wél reproduceerbaar is, wél uitlegbaar is en toch ruimtelaat voor menselijk inzicht en inbreng.

Wetenschap en autonomie in een unieke combinatie

Uit recent wetenschappelijk onderzoek (Neumann & Kuncel,2025) blijkt dat mensen algoritmisch advies sneller vertrouwen en vaker gebruiken als het systeem zichzelf uitlegt. In andere woorden: geef niet alleen een cijfer, maar leg ook uit waar dat cijfer vandaan komt. Een simpele score (bijvoorbeeld3,8) overtuigt niet. Maar een korte toelichting (“vanwege een hoge score oplogisch redeneren, matige interview prestatie en lage scores op facetten van conscientieusheid wordt dit als een matige fit beoordeeld”) maakt het verschil.

Daarnaast toont datzelfde wetenschappelijke onderzoek aan dat als gebruikers zelf het algoritme samenstellen en weten waar de gewichten vandaan komen, ze het advies vaker én consistenter gebruiken. Zelfs kleine ingrepen, zoals de standaardwaarde op een schuifregelaar, maken uit.

En mijn eigen oordeel dan?

In dit algoritme heeft het expert oordeel een duidelijke plaats, gewoon als wegingsfactor. Belangrijk hierbij is wel: als je het eigenoordeel wil meenemen, dan moet dat expliciet gebeuren. Bijvoorbeeld via een extra invoerveld in het selectiemodel, waar de professional na een gesprek een score geeftvoor “algehele indruk”. Dit oordeel wordt dan net als de andere scores gewogenen meegenomen in de totaalscore. Door het holistisch oordeel te kwantificeren en in te bedden in het algoritme, behoudt de assessor, HR-professional of de vacaturehouder autonomie én ontstaat er een gestandaardiseerde en ook, zeer belangrijk, uitlegbare besluitvorming.

Voordelen op een rij

·     Meer consistentie: iedereen gebruikt dezelfde informatie en weegt deze op dezelfde manier;

·     Minder ruis: het selectiemodel voorkomt dat persoonlijke voorkeuren of willekeur de uitkomsten beïnvloeden;

·     Meer transparantie: iedereen kan onderbouwd en precies uitleggen hoe een advies tot stand is gekomen;

·     Meer autonomie: gebruikers bepalen zélf welke selectie instrumenten in het selectiemodel een plek krijgen;

·     Meer vertrouwen: bij zowel gebruikers als kandidaten, omdat het selectiemodel een wetenschappelijke fundatie heeft engoed uitlegbaar is.

Selectie 2.0

In een tijd waarin selectieprocessen onder druk staat van efficiency, digitalisering, transparantie én inclusiviteit, biedt Ixly met dit wetenschappelijk onderbouwde en configureerbare selectiemodel een krachtige innovatie. Geen ondoorzichtig algoritme en ook geen losse flodders van beelden, indrukken en niet onderbouwde informatie maar een slim selectiemodel dat tegelijkertijd ruimte biedt voor eigenoordelen en deze kwantificeert. Selectie 2.0: zelf in control, uitlegbaar,snel, efficiënt met een solide wetenschappelijke basis. Zo optimaliseer je je predictieprocessen en breng je de beste match in beeld.