Как и почему обратная связь мешает женской карьере

Как и почему обратная связь мешает женской карьере
|19 февраля 2021| Елена Долдор Мадлен Уайатт Джо Сильвестр

Сегодня, как никогда раньше, женщины занимают в компаниях все больше управленческих должностей, но к назначению на высокие руководящие посты они идут намного медленнее, чем мужчины. Есть немало факторов, которые определяют подобное гендерное неравенство в профессиональной среде, но один из наиболее важных — различия в получении развивающей обратной связи. Сравнительно несложно выявить и устранить систематические искажения в замечаниях по результатам работы, поскольку во многом это количественные показатели. В то же время обратная связь о том, что сотруднику можно было бы изменить и как развивать свои лидерские качества, — это изначально качественная информация, и анализировать ее намного сложнее.

И все же благодаря компьютерным технологиям анализа текстов можно количественно измерить различия в особенностях обратной связи, которую получают мужчины и женщины, и оценить, как эти различия влияют на их путь в руководстве. В своем недавнем исследовании мы изучили большую разностороннюю базу обратной связи, применив технику тематического моделирования на основе машинного обучения (в последнее время это популярный инструмент анализа политических публикаций в Twitter — подробнее см. раздел «Методология» ниже), а также метод качественного анализа.

Мы оценили гендерные различия по выборке обратной связи, предоставленной в свободной форме анонимно 146 руководителям среднего звена их коллегами и начальством (1 тыс. человек) в рамках программ развития лидерских качеств. Помимо этого мы попросили участников эксперимента количественно оценить результаты работы каждого из оцениваемых руководителей, чтобы учесть объективные различия в их показателях.

Исходя из данных этого анализа мы обнаружили четыре важнейших несоответствия в формулировании рекомендаций, которые получали руководители мужского и женского пола.

Основные посылы развивающей обратной связи, предоставляемой руководителям мужского и женского пола

Методология: Анализ больших качественных данных с применением тематического моделирования

Когда речь идет о больших данных, обычно подразумеваются большие массивы числовой информации — например, суммы заработной платы, демографические или другие количественные показатели. Но большие данные могут включать в себя и качественные данные: сведения, собираемые менеджерами и отделами кадров письменно и устно в ходе опросов сотрудников, аттестаций и предоставления обратной связи. Изучать их сложнее, но метод тематического моделирования позволяет проводить автоматизированный анализ больших объемов текстовой информации.

Тематическое моделирование, один из методов обработки информации на естественном языке, позволяет с помощью технологий машинного обучения структурировать тексты по темам без необходимости в ручном анализе. Используется алгоритм, оценивающий частотность появления тех или иных слов, их местонахождение в документе и связи между ними (например, машина может увидеть, что рядом со словом «планирование» часто встречается «времени»). В итоге формируются группы ключевых слов, на основе которых выводятся общие темы. Например, анализ новостных сообщений за 2020 год покажет, что часто упоминаются вместе слова «тестирование», «вакцина», «локдаун» и «вирус», и их можно отнести к теме «коронавирус».

Этот метод позволяет также отследить, в каких исходных документах выше плотность слов определенной тематики, и проанализировать полученную информацию в зависимости от гендерных, этнических факторов, профессиональных признаков и показателей эффективности и вовлеченности. Это дает возможность находить ответы на самые разные вопросы: «Есть ли различия по характеру обратной связи в анкетах сотрудников в финансовом и маркетинговом отделе?» Или: «Отличаются ли в среднем по содержанию электронные письма, которые получают белые сотрудники и сотрудники из малопредставленных групп?» Это поможет выявить искажения в стиле коммуникации, которые в других условиях могли бы оставаться незамеченными.

Тематическое моделирование может быть эффективным методом исследования текстовых больших данных, но, как и с любым другим инструментом, при работе с ним важно учитывать этические вопросы. Тематическое моделирование можно использовать для анализа электронной переписки, чатов в Slack и даже преобразованных в текст голосовых сообщений, а значит, здесь возникает этическое минное поле потенциальных вопросов о конфиденциальности. Важно дать сотрудникам знать, как могут использоваться их рабочие переписки, и сообщить, что личные или особо важные сведения следует хранить отдельно от материалов, которые будут использоваться для анализа (поскольку может быть сложно предотвратить неконтролируемое попадание в модель машинного обучения не относящегося к работе контента).

У тематического моделирования есть и несколько практических недостатков. Во-первых, даже в такой преимущественно автоматизированной методике тем не менее нужно вручную задавать параметры и количество извлекаемых из текста тем. Это означает, что модели может быть трудно воспроизвести, потому что в зависимости от выбранных аналитиками вводных можно из одной и той же выборки выделить разные темы. Кроме того, определенные сложности может вызывать и интерпретация выводов по итогам работы алгоритма тематического моделирования, и перевод полученного множества характерных слов в связную формулировку темы. Необработанные результаты, выдаваемые программой тематического моделирования, могут заключать в себе какие-то идеи, тем не менее, чтобы понять нюансы выделенных тем, их необходимо подробно проанализировать. Тематическое моделирование само по себе может быть полезным инструментом организации текстовой информации, но, по нашему опыту, его нужно рассматривать как отправную точку в качественном анализе больших данных, а не как готовый продукт.

Важно отметить, что по характеру все это позитивные посылы, и возможно, что авторы всех этих реплик вполне верили в потенциал женщин-управленцев в продвижении на высший руководящий уровень. Тем не менее равно позитивная обратная связь, получаемая мужчинами и женщинами, еще не означает отсутствия гендерных предубеждений и искажений, а благие цели не отменяют совершенно реальный вред, который такие предубеждения могут нести. Как показывают наши исследования, при всей внешне положительной подоплеке обратная связь, которую получают женщины, обычно менее конструктивна и полезна для развития лидерских компетенций, чем замечания, которые высказывают мужчинам, и для женщин это может означать меньшую вероятность продвижения на более высокие позиции.

Полная версия статьи доступна подписчикам
Выберите срок онлайн-подписки:

https://hbr-russia.ru/karera/kommunikatsii/858600

2021-02-19T14:39:54.177+03:00

Fri, 19 Feb 2021 11:48:02 GMT

Как и почему обратная связь мешает женской карьере

Что нужно знать о вреде оценочных стереотипов и гендерном неравенстве

Карьера / Коммуникации

https://cdn.hbr-russia.ru/image/2021/1e/nt41i/original-uuu.jpg

Harvard Business Review РоссияHarvard Business Review Россия

Harvard Business Review РоссияHarvard Business Review Россия