Allt fler använder sig av personlighetstester vid rekrytering. Du kanske har varit med om det själv, att både du och rekryteraren i slutet av ett test får reda på ifall du exempelvis kategoriseras som lugn, tillbakadragen och självständig eller mer energisk, entusiastisk och dominant. Stefan Svenningsson, organisationsforskare vid Lunds universitet, kan förstå varför dessa tester tilltalar oss även om han tycker att det läggs för stor vikt vid personligheter.
Forskare: Hellre kvalificerade bedömningar än tester
Rekrytering
Våra personligheter tillmäts för mycket betydelse vid rekrytering, och vi underskattar det sociala sammanhanget i vilken individen ska fungera. Det säger en organisationsforskare, samtidigt som marknaden för rekryteringsdata växer.

Stefan Svenningsson är organisationsforskare vid Lunds universitet.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsmagasinet premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
– Människor är ängsliga och söker sig till dessa verktyg för att reducera osäkerheten. Och vi vill ju gärna tro att vår personlighet är det viktigaste, säger Stefan Svenningsson.
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


