Menneskevidenskab
Psykologien bag medarbejder-engagement og højtydende teams.
Udnyt den nyeste forskning til at opbygge en førsteklasses medarbejderoplevelse
Vores platform er bygget på de seneste fremskridt inden for moderne organisations-udviklingsforskning og teori om organisationsstyring.
Vi hjælper organisationer med at gå ud over statistikkerne og fokusere på at afsløre de sande drivkræfter bag menneskelig motivation og medarbejderengagement. Vores hold af people scientists arbejder kontinuerligt sammen med vores produktteam for at forfine og opdatere Eletive-platformen og udvikle funktionaliteten, der vil hjælpe din organisation med at nå sine mål.
Brug realtidsdata til at træffe beslutninger i nuet - og til at forudsige fremtiden
Evnen til klogt at prioritere mellem opgaver og forudsige fremtidige tendenser og resultater er stærke succesfaktorer for organisationer. For dem, der mestrer disse færdigheder, er springet fremad enormt.
Ikke alene gør Eletive det muligt for people leaders at lave videnskabeligt understøttede forudsigelser om, hvad morgendagen vil bringe. Platformen understøtter også ledere og medarbejdere med praktiske råd og foreslåede handlinger om, hvordan man opnår det bedst mulige resultat. Nøglen til pålidelige forudsigelser er at have adgang til værktøjer og teknikker til at indsamle den rette information om de specifikke aspekter, der er forbundet med de ønskede resultater. Videnskabeligt set kaldes dette Predictive Validity. Det er det, Eletive handler om.
Sikre statistisk pålidelighed og validitet med en videnskabelig og evidensbaseret tilgang
Hos Eletive udføres der løbende statistisk analyse for at sikre, at værktøjet opfylder kriterierne for god pålidelighed.
Pålideligheden vurderes ved hjælp af Cronbach's alpha, en statistisk måling af intern konsistens i en test, som beskrives som et tal mellem 0 og 1. Intern konsistens henviser til, hvor godt de forskellige dele af en test måler den samme underliggende koncept. Ud over Cronbach's alpha-analyse udføres bivariate analyser (Pearson's korrelation), der måler lineær korrelation ved at parre hvert enkelt element med alle andre elementer. Dette giver et mere detaljeret billede af spredningen inden for hver driver. Driverne har vist sig at være konsistente, og værktøjet er statistisk meget pålideligt.
