Прошлой зимой в соцсетях разошёлся твит: «Уберите 90% HR — и бизнес заработает лучше». Восемнадцать тысяч лайков за сутки, сотни комментариев, и в каждом втором — личная история про бессмысленное собеседование.
Спорить с твитом неинтересно. Гораздо интереснее другое: за этим всплеском стоит вопрос, на который пока почти нет данных на русскоязычной выборке. Как люди на самом деле реагируют, когда решения о них начинает принимать алгоритм? Для студента, который ищет тему ВКР по организационной психологии, это редкая удача.
Что реально меняется в работе с людьми
Автоматизация в управлении персоналом давно перестала быть фантазией. Алгоритмы уже ранжируют резюме, анализируют видеоинтервью, считают вероятность увольнения сотрудника и подсказывают руководителю, кого включить в кадровый резерв.
Ключевой сдвиг здесь не технологический, а психологический. Раньше решение о человеке принимал другой человек, и с ним можно было спорить. Теперь между сотрудником и решением встаёт система, логику которой он не видит. Именно на этом стыке и возникают исследовательские вопросы.
Почему это удачное поле для выпускной работы
Тема хороша по нескольким причинам сразу, и не все из них очевидны.
- Данных на русскоязычной выборке мало. Зарубежных исследований достаточно, отечественных — единицы. Это готовая формулировка научной новизны, которую от вас потребует рецензент.
- Выборка доступна. Вам нужны работающие люди, а не пациенты с редким диагнозом. Найти сто сотрудников проще, чем тридцать пациентов.
- Конструкты уже операционализированы. Доверие, воспринимаемая справедливость, организационная приверженность — всё это измеряется валидированными методиками.
- Тема понятна комиссии. Не приходится десять минут объяснять, почему это важно.
Пять вопросов, которые можно взять за основу
Ниже — рабочие формулировки. Каждую придётся сузить под вашу выборку, но логика в них уже заложена.
- Воспринимаемая справедливость решения. Различается ли оценка справедливости отказа в зависимости от того, кто его принял — рекрутер или алгоритм? Классический межгрупповой дизайн с виньетками: участники читают одинаковую ситуацию, различается только источник решения.
- Доверие и прозрачность. Меняется ли доверие к автоматизированной оценке, если сотруднику объясняют, по каким критериям она сделана? Здесь удобен эксперимент с двумя условиями — с объяснением и без.
- Тревога перед автоматизацией. Связана ли выраженность опасений по поводу замены труда алгоритмами с толерантностью к неопределённости и стажем работы? Корреляционный дизайн, доступный по трудоёмкости.
- Цифровой контроль и выгорание. Как ощущение постоянного цифрового мониторинга соотносится с эмоциональным истощением? Тема особенно уместна для удалённых сотрудников.
- Готовность оспорить решение. Реже ли люди пытаются оспорить решение, если оно исходит от системы, а не от руководителя? Вопрос почти не изучен и выглядит свежо.
Конструкты и методики
Хорошая новость: изобретать инструменты не нужно, большинство конструктов давно измеряется. Подбирая батарею, проверяйте наличие русскоязычной адаптации — это первое, о чём спросит научный руководитель.
| Что измеряем | Чем измеряем | Замечание |
|---|---|---|
| Организационная справедливость | Шкалы процедурной и дистрибутивной справедливости | Проверьте, что адаптация делалась на российской выборке |
| Эмоциональное выгорание | Опросник выгорания (MBI) в русскоязычной адаптации | Есть версии для разных профессиональных групп |
| Толерантность к неопределённости | Профильные шкалы толерантности к неопределённости | Удобен как модератор в моделях |
| Удовлетворённость трудом | Стандартные шкалы удовлетворённости | Часто используется как зависимая переменная |
| Отношение к автоматизации | Авторская анкета с последующей валидизацией | Потребует факторного анализа — это плюс к работе |
Если решите разрабатывать собственную анкету, закладывайте время на проверку её структуры: конфирматорный факторный анализ и оценка надёжности сделают работу заметно сильнее.
Где брать выборку
Здесь у темы явное преимущество перед клиническими исследованиями: подходящие участники окружают вас со всех сторон.
Работающие студенты-заочники, сотрудники организации, где вы проходите практику, профильные сообщества в мессенджерах, панели респондентов. Если сравниваете группы — например, тех, кто сталкивался с автоматизированной оценкой, и тех, кто нет, — заложите время на то, чтобы набрать обе группы сопоставимого размера.
Сколько человек понадобится, стоит посчитать до начала сбора, а не после. Для типовых дизайнов это делается за минуту в калькуляторе размера выборки.
Три ошибки, которые встречаются чаще всего
Тема модная, и на этом студенты иногда спотыкаются. Вот что стоит иметь в виду.
Слишком широкая формулировка. «Влияние искусственного интеллекта на персонал» — это не тема, а область. Сузьте до конкретных переменных: кто участники, что именно измеряется, с чем сравнивается.
Опрос вместо исследования. Спросить у ста человек, боятся ли они автоматизации, и посчитать проценты — это описательная работа. Чтобы получилось исследование, нужна проверяемая гипотеза о связи или различии.
Технологический уклон. Помните, что работа защищается по психологии. Обзор архитектур нейросетей здесь лишний; предметом остаются переживания и поведение людей, а технология — только контекст.
Вернёмся к твиту
Автор той записи, скорее всего, был прав в своём раздражении и неправ в выводе. Проблема обычно не в том, что решения о людях принимает кто-то не тот, а в том, что человеку не объясняют оснований — и он остаётся с ощущением, что с ним обошлись несправедливо.
Хорошая новость в том, что это утверждение можно проверить. Собственно, в этом и состоит смысл выпускной работы: взять живой спор, в котором все уверены в своей правоте, и посмотреть на данные.