In a recent article, O’Boyle and Ag

In a recent article, O’Boyle and Aguinis (2012) argued that job performance is not distributed normally but instead is nonnormal and highly
skewed. However, we believe the extreme departures from normality observed by these authors may have been due to characteristics of performance measures used. To address this issue, we identify 7 measurement
criteria that we argue must be present for inferences to be made about
the distribution of job performance. Specifically, performance measures
must: (a) reflect behavior, (b) include an aggregation of multiple behaviors, (c) include the full range of performers, (d) include the full range
of performance, (e) be time bounded, (f) focus on comparable jobs, and
(g) not be distorted by motivational forces. Next, we present data from
a wide range of sources—including the workplace, laboratory, athletics,
and computer simulations—that illustrate settings in which failing to
meet one or more of these criteria led to a highly skewed distribution
providing a better fit to the data than a normal distribution. However,
measurement approaches that better align with the 7 criteria listed above
resulted in a normal distribution providing a better fit. We conclude that
large departures from normality are in many cases an artifact of measurement.

ผลลัพธ์ (ไทย) 1:

ในบทความล่าสุด O'Boyle และ Aguinis (2012) โต้เถียงว่า ปฏิบัติงานไม่กระจายตามปกติ แต่แทน nonnormal และสูงอาจ อย่างไรก็ตาม เราเชื่อว่า ออกมากจาก normality ที่สังเกต โดยผู้เขียนเหล่านี้อาจได้รับเนื่องจากลักษณะของวัดใช้ ปัญหานี้ เราระบุประเมิน 7เกณฑ์ที่เราโต้แย้งต้องแสดงสำหรับ inferences จะทำเกี่ยวกับการกระจายของการปฏิบัติงาน Specifically วัดต้อง: ลักษณะการทำงาน (ก) reflect, (ข) มีการรวมของพฤติกรรมหลาย, (c) รวมถึงนักแสดง (d) รวมทั้งหมดประสิทธิภาพ, (e) เวลาล้อมรอบ เน้นงานเทียบ (f) และ(g) ไม่มีผิดเพี้ยน โดยกองกำลังหัด ถัดไป เรานำเสนอข้อมูลจากแหล่งที่หลากหลายซึ่งรวมถึงที่ทำงาน ปฏิบัติการ กรีฑาคอมพิวเตอร์และแบบที่แสดงการตั้งค่าที่เสียไปพบอย่างน้อยหนึ่งเงื่อนไขเหล่านี้นำไปสู่การกระจายสูงบิดให้ fit ดีข้อมูลมากกว่าการแจกแจงปกติ อย่างไรก็ตามวิธีวัดที่ดี สอดคล้องกับเกณฑ์ 7 ข้างส่งผลให้เกิดการกระจายปกติให้ fit ดีกว่า เราสรุปที่มีขนาดใหญ่ออกจาก normality ในหลายกรณีการสิ่งประดิษฐ์วัด

ผลลัพธ์ (ไทย) 2:

ในบทความล่าสุด, O'Boyle และ Aguinis (2012) แย้งว่าการปฏิบัติงานไม่ได้กระจายตามปกติ แต่แทนที่จะเป็น nonnormal และสูง
เบ้ อย่างไรก็ตามเราเชื่อว่าออกมากจากปกติที่สังเกตโดยผู้เขียนเหล่านี้อาจจะเป็นเพราะลักษณะของมาตรการการปฏิบัติงานที่ใช้ เพื่อแก้ไขปัญหานี้เราระบุ 7 วัด
เกณฑ์ที่เราเถียงจะต้องนำเสนอเพื่อหาข้อสรุปที่จะทำเกี่ยวกับ
การกระจายตัวของการปฏิบัติงาน ที่ระบุไว้เองโดยมาตรการประสิทธิภาพ
ต้อง (ก) อีกชั้นพฤติกรรม ect (ข) รวมถึงการรวมตัวของพฤติกรรมหลาย (ค) รวมถึงการเต็มรูปแบบของนักแสดง (ง) รวมถึงการเต็มรูปแบบ
ของประสิทธิภาพการทำงาน (จ) จะมีเวลาที่สิ้นสุด ( ฉ) มุ่งเน้นไปที่งานที่เทียบเคียงและ
(ช) ไม่ได้ถูกบิดเบือนโดยกองกำลังสร้างแรงบันดาลใจ ต่อไปเราจะนำเสนอข้อมูลจาก
หลากหลายแหล่งรวมทั้งสถานที่ทำงาน, ห้องปฏิบัติการ, การแข่งขันกีฬา
และคอมพิวเตอร์จำลองที่แสดงให้เห็นถึงการตั้งค่าในการที่ล้มเหลวในการ
ตอบสนองอย่างใดอย่างหนึ่งหรือมากกว่าของเกณฑ์เหล่านี้นำไปสู่การกระจายเบ้สูง
ให้สามารถประกอบดีกว่าที่จะ ข้อมูลกว่าการแจกแจงปกติ อย่างไรก็ตาม
การวัดวิธีการที่ดีขึ้นสอดคล้องกับ 7 เกณฑ์ที่กล่าวข้างต้น
ส่งผลให้การกระจายปกติให้สามารถประกอบที่ดีขึ้น เราสรุปได้ว่า
ขาออกขนาดใหญ่จากปกติอยู่ในหลาย ๆ กรณีสิ่งประดิษฐ์ของการวัด

ผลลัพธ์ (ไทย) 3:

ในบทความล่าสุด , และ o'boyle aguinis ( 2012 ) แย้งว่า การปฏิบัติงานจะไม่กระจายปกติ แต่มัน nonnormal สูง
เอียง อย่างไรก็ตาม เราเชื่อว่า ขาออกจากปกติมาก สังเกตได้จากนักเขียนเหล่านี้อาจได้รับเนื่องจากลักษณะของการวัดผลการปฏิบัติงานที่ใช้ เพื่อแก้ไขปัญหานี้ , เราสามารถระบุ
7 วัดเกณฑ์ที่เราเถียงต้องเสนอข้อสรุปที่จะทำเกี่ยวกับ
การกระจายตัวของการปฏิบัติงาน กาจึง CALLY ประสิทธิภาพมาตรการ
ต้อง ( ) เป็นfl ect พฤติกรรม ( B ) รวมถึงการรวมของพฤติกรรมหลาย , ( C ) มีช่วงที่เต็มรูปแบบของนักแสดง ( D ) รวมเต็มรูปแบบ
ของประสิทธิภาพ ( E ) มีเวลาจำกัด ( f ) มุ่งเน้นไปที่งานเทียบเคียง และ
( G ) ไม่ถูกบิดเบือนโดยกองกำลังแรงจูงใจ . ต่อไป เราจะนำเสนอข้อมูลจากหลากหลายแหล่งรวมถึง
ที่ทำงาน , ห้องปฏิบัติการ , กรีฑา , และแบบจำลองคอมพิวเตอร์ที่แสดงให้เห็นถึงค่า

ที่ล้มเหลวในการตอบสนองการหนึ่งหรือมากกว่าหนึ่งของเกณฑ์เหล่านี้ทำให้มีการแจกแจงแบบเบ้
ให้ดีขึ้นจึงต้องการข้อมูลมากกว่าการกระจายปกติ อย่างไรก็ตาม
การวัดวิธีการที่ดีขึ้นสอดคล้องกับเกณฑ์ข้างต้น 7
( ปกติการกระจายการให้ดีขึ้น จึงสรุปได้ว่า ใหญ่ T
ขาออกจากปกติจะในหลายกรณีสิ่งประดิษฐ์ของการวัด