课程体系包括哪些要素_任康磊:任职资格和胜任力模型包括哪些要素

任职资格和胜任力模型包括哪些要素

efa26a6656d4b9f79aba3fb9ef5ef004.png

有朋友问:关于企业的人才评定和培养,常常会用到任职资格体系和胜任力模型,这也是两个相对来说比较高大上的概念,因此领导准备在我们公司进行导入。

a19aab872e0c248b7db7d60bc707d03b.png

请问:你所在的企业会运用到任职资格和胜任力模型么?他们之间的联系和区别是什么?是包含关系、递进关系还是其他关系?在实操中我们应该注意什么呢?

31de1ed526cd59a90b79ffcbc85c35cc.png

在学校里,失败的老师往往喜欢根据班级学生的综合排名来对学生下结论;而成功的老师会根据每位学生的长处和短处有针对性的给他们提建议。人无完人,一个人在某个领域里比较弱,不代表他在另外一个领域里不会是天才。

任职资格和胜任力模型都能够告诉我们,在人才的选拔与评价方面,我们要保持一种“维度观”,而不是“是非观”。一个人在某个维度上和岗位不匹配,不代表他在其它维度上和岗位也不匹配,也不代表他的这些维度和其他的岗位不匹配;对于现在不匹配的维度,不代表一段时间的发展变化之后,未来还会不匹配。

那么,岗位需要的人才都应该从哪些维度来考察呢?我们可以用岗位胜任力模型,也可以用岗位任职资格。

岗位胜任力模型是把一个岗位对人才的需求分成不同的维度,并对这些维度进行具体要求的方法。岗位任职资格是定义出一个人只有当具备什么样的条件之后,才能够在这个岗位上任职。任职资格来自于胜任力模型,是胜任力模型在岗位要求上的具体体现。胜任力模型能够用来精准定义任职资格,是任职资格的内容来源。

6b0f62198117266a6d21501317963cbf.png

岗位胜任力和任职资格的维度一般可以分成素质、知识、能力和经验四个大类。

素质维度一般指那些由个人自身特质决定的,比较根深蒂固,不太容易改变的东西。包括:性别、年龄、人格,智商,人生观,世界观,价值观等。

知识维度一般指的是那些通过学习、查阅资料等后天学习可以得到的信息。一般包含:专业、学历、社会培训、证书、认证、专利以及岗位需要的知识等。

能力维度一般是指在一定知识的基础上,能够完成某个目标或者任务的可能性,是一种知识的转化。知识和能力是不同的,光有知识没有能力就是纸上谈兵。

比如掌握游泳的知识和掌握游泳的能力完全是两个不同的概念。如果某人只掌握游泳的知识,也就是知道游泳的原理,但是却从来都没有实践过,这时候如果把他直接扔到水里,恐怕凶多吉少。

c47816a1ebaf1a33cd689dbcfe2d9ae2.png

经验一般是指某人从事一项工作的时间长短。能力一般和经验有一定的相关性。但并非持续相关,一般来说,随着时间的增加,经验的增长,能力的提升会趋于平缓。

比如一般人开车三年左右基本就成手了,在这三年之内,开车能力的提升是比较明显的。再开3年,在能力上一般不会有比较大的提升。这时候提升的主要是经验。而经验的体现,主要是熟练程度和处理异常状况的能力。

c10ccdab345347d5d191f961676f6671.gif

素质维度,反映了人才“能不能”做;知识维度,反映了人才“知不知道”怎么做;能力维度,反应了人才“会不会”做;经验维度,反映了人才“做了多久”或者“熟练程度”。

举个例子,比如我们现在要招聘一个普通的行政文员岗位。

0d89500e5132c3bc6a1fbdc809498045.png

这个岗位的素质要求一般需要性格比较温和;智力平均水平;价值观不需要有成就导向;自我定位不需要太高,最好求平稳;最好是一位女性;年龄在20岁-30岁之间等。

这个岗位的知识要求一般专科或本科学历就够了;专业最好是行政管理、文秘类;专业限制不需要太大,也可以考虑不限;最好具备办公软件操作的基础知识等。

这个岗位的能力要求一般需要沟通能力、组织协调能力、解决问题能力等这类通用能力;需要办公软件应用的能力、文字速录的能力等这类岗位专业能力。

这个岗位的经验要求一般是有1-3年的相关工作经验就够了,比较优秀的人才没有相关工作经验也可以。

当我们按照这样四个维度把岗位需求列出来之后再实施招聘,不仅会有方向性,而且招到的人才和岗位之间的匹配度会比较好,稳定性会比较高、敬业度也会比较高,相对容易达成个人和公司的满意。

63ccad3543d367134fa14ab01920c027.gif

岗位胜任力模型和任职资格不仅可以应用在人才的招聘选拔方面,通过对人才观的维度化,在人才的评价方面,我们能够客观的识别出人才和岗位匹配性较好和较差的维度;在人才的使用方面,我们可以用人所长,扬长避短;在人才的培养方面,我们可以有针对性的重点培养人才和岗位不匹配的维度。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值