Innovatie in assessment is nodig omdat de wereld van werk zich blijft ontwikkelen. Teams werken projectmatig, werk en organisaties veranderen sneller en kandidaten zijn beter voorbereid op assessments dan ooit.
Veel bestaande assessments zijn ontwikkeld in een tijd waarin werk stabieler en voorspelbaarder was. In het Starcheck Assessment Lab ontwikkelen we daarom nieuwe assessmentconcepten waarin psychologie, data en technologie samenkomen. Hier ontstaan innovaties zoals Team-composer, dat teamdynamiek voorspellend analyseert, en Reveal, dat impliciete persoonlijkheid meet zonder afhankelijk te zijn van zelfrapportage.
Het Starcheck Assessment Lab is de innovatie- en toetsomgeving van Starcheck. Hier ontwikkelen en toetsen wij continu nieuwe manieren van psychologisch meten en vertalen deze naar toepassingen die direct inzetbaar zijn in de praktijk. Belangrijke innovaties zijn de assessment producten Team-composer en Reveal.
De wereld van werk verandert fundamenteel. Dat komt door een opeenstapeling van veranderingen: de snelle opkomst van AI, de behoefte aan wendbare organisaties met weinig hiërarchie en silovorming, en een arbeidsmarkt die steeds internationaler wordt. Deze veranderingen vragen deels om het gebruik van andere psychologische constructen en concepten.
De voorspellende kracht van een assessment heeft enorme waarde: talentbeslissingen kunnen worden genomen met meer bewijs, de herstel-tijd en -kosten van verkeerde talentbeslissingen dalen en de organisatie kan sneller voortgang boeken.
Wil assessment deze voorspellende waarde blijven toevoegen, kunnen we niet blijven leunen op bewezen instrumenten en concepten uit het verleden. Innovatie in assessment is nodig om toekomstige assessment oplossingen te ontdekken die aansluiten bij deze nieuwe wereld van werk.
Onderscheidende performance ontstaat steeds vaker in interactie. Teams, in plaats van individuen, vormen de eenheid waarin resultaten gerealiseerd worden. Dat verschuift de focus van “is iemand geschikt?” naar “hoe functioneert iemand in combinatie met anderen en binnen deze context?” Wanneer organisaties geen inzicht hebben in teamdynamiek, ontstaat een vertraagd leerproces.
Met behulp van AI-tools kunnen kandidaten hun antwoorden voorbereiden, optimaliseren en afstemmen op verwachte uitkomsten. Met name bij zelfbeschrijvende vragenlijsten, zoals persoonlijkheids- en drijfverenvragenlijsten, wordt het daardoor lastiger om te onderscheiden of antwoorden gedrag weerspiegelen of het resultaat zijn van voorbereiding en strategisch antwoordgedrag.
Organisaties opereren steeds vaker internationaal. Gedrag krijgt daardoor betekenis binnen verschillende culturele kaders. Verschillen in zelfpresentatie, communicatie en normering beïnvloeden hoe mensen reageren in assessments en hoe uitkomsten geïnterpreteerd moeten worden. Zonder context kunnen uitkomsten daardoor makkelijk verkeerd gelezen worden.
Het Assessment Lab is de ontwikkel- en toetsomgeving van Starcheck.
Hier ontwikkelen en toetsen wij continu nieuwe manieren van psychologisch meten en vertalen deze naar toepassingen die direct inzetbaar zijn in de praktijk. Binnen het Assessment Lab brengen we drie activiteiten samen:
Kandidaten worden steeds vaker beoordeeld op basis van een score uit een assessmenttool, terwijl niet altijd duidelijk is wat die score precies betekent.
De inzet van AI in assessment is de afgelopen jaren sterk toegenomen. Veel oplossingen herkennen patronen in data en vertalen die naar een voorspelling. Dat kan waardevol zijn; de kwaliteit van zo’n voorspelling is te relateren aan performance.
We zien twee manieren om assessmentinstrumenten te ontwikkelen.
Bij Starcheck kiezen we bewust voor die tweede benadering. We ontwikkelen instrumenten en expert-systemen waarin assessmentdata wordt geïnterpreteerd op basis van psychologische kennis en vooraf bepaalde logica.
Onze keuze voor psychometrisch opgebouwde instrumenten wordt belangrijker naarmate je beslissingen wilt uitleggen, verbeteren of toepassen in andere contexten.
Met de komst van de EU AI Act neemt dit belang verder toe. Selectiesystemen worden gezien als high-risk toepassingen. Organisaties moeten kunnen aantonen hoe beslissingen tot stand komen en welke factoren daarin een rol spelen.
Wat je niet kunt onderbouwen, wordt daarmee steeds lastiger te verantwoorden. Uiteindelijk gaat het niet alleen om voorspellen.
Het gaat om begrijpen wat je meet en dát kunnen onderbouwen.
Twee innovaties illustreren hoe innovatie in assessment in de praktijk werkt: Team-composer en Reveal.
Team-composer is een assessmentoplossing die voorspellend inzicht geeft in teamdynamiek en collectieve intelligentie.
Reveal is een impliciet persoonlijkheidsassessment dat gedragstendensen meet via reactietijd-gebaseerde tests.
Samen laten zij zien hoe nieuwe meetmethoden zowel teamdynamiek als persoonlijkheid beter zichtbaar kunnen maken.
Team-composer is een assessmentplatform dat is ontworpen om inzicht te geven in teams als systemen. Het richt zich op collectieve intelligentie en onderzoekt hoe combinaties van individuen waarschijnlijk samen functioneren in relatie tot een gedefinieerde taak of opdracht.
In plaats van individuen te evalueren of te rangschikken, biedt Team-composer gestructureerd inzicht in interactiepatronen, complementariteit en mogelijke kwetsbaarheden op teamniveau. Het platform legt nadruk op transparantie, privacy en psychologische veiligheid, en ondersteunt daarmee constructieve dialoog en weloverwogen besluitvorming.
Reveal is een impliciet persoonlijkheidsassessment. Het meet niet-bewuste gedragstendensen met behulp van reactietijddata, gebaseerd op gevalideerde psychologische assessmentprincipes. In tegenstelling tot traditionele persoonlijkheidsvragenlijsten is deze methode niet afhankelijk van bewuste zelfevaluatie. De resultaten zijn minder gevoelig voor cultureel gevormde antwoordstijlen, zoals bescheidenheidsbias, harmoniegericht gedrag, sociaal wenselijke beantwoording of effecten van impression management.
Er zijn twee varianten beschikbaar:
De resultaten worden gepresenteerd als gedragsoriëntaties in plaats van als vaste eigenschappen, wat reflectief en ontwikkelingsgericht gebruik ondersteunt.
Ontdek Team-composer. Hiermee kun je de kans op een succesvolle samenwerking inschatten nog voordat het team begonnen is aan zijn opdracht.
Lees meer over de kracht van het collectief. Een E-book over het samenstellen van teams en het organiseren van Collectieve Intelligentie.
Discusieer mee op de LinkedIn-groep van Minds-United of luister naar onze podcast over teamvorming en praktijkcases van diverse gastsprekers.
Deze factsheet geeft een overzicht van de meest gebruikte (psychologische) selectiemethoden, zowel klassieke als moderne. De cijfers zijn gebaseerd op meta-analyses en dominante wetenschappelijke literatuur.
| Methode | Predictieve validiteit (r) | Typische betrouwbaarheid |
|---|---|---|
| Cognitieve capaciteit (GMA test) | .51 | Hoog (.85-.95) |
| Werkproef | .54 | Hoog (interbeoordelaars ≥.70) |
| Gestructureerd interview | .51 | Middel-hoog (.60–.75) |
| Ongestructureerd interview | .18-.38 | Laag-middel (.40–.55) |
| Integriteitstest | .41 | Hoog (α ≥.80) |
| Conscientieusheid (Big Five) | .31 | Middel-hoog (α ~.75–.85) |
| Job-kennistest | .48 | Hoog (≥.80) |
| Dienstjaren | .18 | Niet van toepassing |
| Video-/asynchroon interview (incl. AI) | .30-.40 | Goed bij structurering; algoritmisch variabel |
| Machine learning / algoritmische modellen | .20-.50 | Afhankelijk van dataset; generaliseerbaarheid beperkt |
| Serious games / game-based work samples | .35-.50 | Hoog bij objectieve metrics |
| Social media screening | .00-.20 | Laag en variabel |
Direct bellen:
088 – 277 377 6
