Passer au contenu principal
Toutes les collectionsCycles de performances
Comment ONA réduit les biais et identifie les contributeurs discrets
Comment ONA réduit les biais et identifie les contributeurs discrets
David Isaac Murray avatar
Écrit par David Isaac Murray
Mis à jour il y a plus de 3 mois

Il peut être nouveau ou inattendu de répondre à des questions sur les personnes qui vous entourent, par exemple, qui vous dynamise, vous motive ou vous conseille, ainsi que qui vous considérez comme exceptionnel et qui a besoin d'un soutien ou d'une attention supplémentaire.

Ces questions font partie d'une méthodologie appelée Analyse Active du Réseau Organisationnel, ou "Active ONA". Contrairement à l'ONA passive qui surveille les outils de communication pour identifier les interactions et les sentiments, l'ONA active implique de contacter directement les membres de l'équipe à propos des personnes qui les entourent.

Comment ces données seront-elles utilisées ?

Les dirigeants ont des outils qui leur permettront de comparer des pommes avec des pommes, autrement dit, des personnes ayant le même rôle, la même fonction, le même niveau et la même ancienneté. Lorsque le cycle est terminé, vous recevrez un rapport anonymisé des perspectives utiles des personnes qui vous entourent.

Ces questions sont-elles biaisées en faveur des extravertis ou servent-elles de concours de popularité ?

Non, la recherche montre le contraire. En fait, ces questions sont conçues pour augmenter la précision et réduire les biais souvent trouvés dans les évaluations par les pairs choisies à la carte et les évaluations des managers. Cette méthodologie révèle constamment un grand nombre de "contributeurs silencieux". Ce sont des personnes qui font un travail incroyable mais qui ne parviennent pas à s'élever ou à se mettre en avant.

Pour éviter que cela ne devienne un concours de popularité, nous vous demandons de justifier pourquoi vous avez choisi les personnes que vous avez choisies sur l'écran suivant après avoir fourni vos réponses. Grâce à la puissance de la taille de l'échantillon, les managers peuvent utiliser ces informations pour voir des modèles et identifier des outliers inhabituels.

Avez-vous trouvé la réponse à votre question ?