《水面战360度评估工具：对水面战军官现行计划的评估》2023最新93页报告

自2008年以来，水面作战军官学校（SWOS）一直在使用一个360度反馈计划来指导水面作战军官（SWO）的表现和领导能力。然而，目前使用的评估工具是基于为企业界设计的商业现成模型，并不是为水面作战军官群体量身定做的。鉴于最近发生的船舶碰撞事故，海军认识到关键的决策技能和领导力对SWO来说是至关重要的，一个量身定做的360度反馈计划可以更好地支持他们的领导风格的发展。此外，目前的评估并没有提供关于水面作战军官有效领导和管理所需的核心能力的洞察力，正如水面作战军官要求文件（SWORD）中所定义的那样。因此，海军可以通过改进360度反馈的方式，并将其作为更大的专业发展职业道路的一部分，在2019年，海军水面部队指挥官指示对目前的360度反馈进行升级，以更好地适应水面社区的需要。

360度反馈是一种评估方法，它从多个来源收集关于一个人的行为的信息，如主管、同僚和下属。它可以提供有价值的信息，从多个角度识别和解决不足之处，并发扬当前的优势，这使得它比标准评估更有利。研究表明，这种形式的反馈可以提高绩效，美国海军在2007年采用了自己的版本，用于军官的领导力发展。在水面部队中，这种评估是由初任军官（DIVO）和部门主管（DH）在其职业生涯中进行的，评估者由高级军官、DIVO或DH的同事以及高级和低级士兵组成，以收集对其领导能力的从上到下的全面了解。

海军使用的评估是由全球组织咨询公司Korn Ferry提供的，完全围绕领导力发展的概念设计。该评估包含总共68个问题，分为14种技能和一种混合技能。这些技能被进一步细分为四个关键的领导力领域：思想、结果、人员和个人领导力。

这项研究的目的是协助水面作战军官司令部（SWOSCOM）评估和改进他们的360度反馈计划。虽然评估是为企业界设计的，而不是为水面社区设计的，但评估的某些方面可能仍然有助于保留。该研究探讨了不同的评估员如何评估个人，并确定了对整体评估有效或无效的问题和技能，应考虑保留或修改。通过将无监督和有监督的机器学习方法，以K-means聚类和随机森林的形式，应用于100个随机选择的360度反馈评估，本论文的目的是帮助奠定一个框架，以开发一个更新的评估工具，为水面社区定制评估问题。

数据被分成每个评估者的五个主要数据集： 自我、老板、同行、你所领导的人（PYL）和其他老板（OB），并进行了初步的探索性数据分析（EDA），以初步了解这些回答。EDA显示，平均而言，自我评分者比其他评分者对自己的评价更严格，PYL对他们所评分的个人评价最高，而老板、OB和同伴评分者对个人的评价都差不多。我们还研究了所有测评者对每个问题的回答中的差异，发现个人领导力下的技能，即建立信任（ET）和展示适应性（SA）的差异最小，发展他人（DO）的技能和整体（O）的混合技能的差异也是如此。所有评分者都提供类似回答的问题几乎没有提供建设性的反馈，应该考虑删除或修改以帮助持续发展。

在EDA之后，数据被准备用于进一步分析。对数据集进行了配对方差分析（ANOVA），以确定被评估者对自己的评价和评估者对自己的评价之间的差异是否具有统计学意义。检验的结论是，被评估者和PYL评分者的评分与其他所有评分者的评分在统计学上有显著差异，而同辈人、老板和OB评分者之间的差异则没有。因此，我们决定将同侪、老板和OB的数据集合并为一个，对每个问题的三个回答取平均值。接下来，使用Cronbach's alpha可靠性测试，根据Korn Ferry 360度评估中定义的技能对数据进行缩放。这样做有三个原因。首先，将数据的维度从68个变量减少到15个，有助于防止模型的过度拟合，并提高我们结果的可解释性。第二，使我们能够测试技能的内部一致性，并确定降低这一可靠性的问题，标志着该问题与其他问题的关系不强。最后，有了代表技能的单一分数，我们能够更好地测试该技能在评估中的有效性。

随着数据的缩放，K-Means聚类法被用来对每个数据集中的个体进行聚类，从而可以确定聚类之间的相似性，并在随机森林分析中使用这些聚类分配作为分类。聚类产生了三个与个体评估相关的群组。被评估为高的个体被归为一组，被评估为低的个体被归为一组，而那些介于两者之间的个体则是最后一组。通过比较高分和低分群组之间的距离，可以初步了解技能的有效性，距离越大，越有效，反之亦然。培养开放式沟通（FOC）、建立关系（ER）和ET是每个评分者在群组之间距离最小的技能。相反，战略行动（AS）、显示动力和主动性（SDI）和合理决策（MSD）的距离最大。

分类随机森林表明，MSD、FOC和Manage Execution（ME）对识别一个人是否属于高于平均水平的集群影响最大。显示动力和主动性（SDI）、AS、ER和ET的影响最小。回归随机森林的结果略有不同，评估SDI和Build Realistic Plans（BRP）的影响最大，而Promote Teamwork（PT）、FOC和ER的影响最小。需要注意的是，回归模型假设O是指对绩效的全面衡量。事实可能并非如此，该模型可能受到了数据中的偏差的影响。当两个随机森林的结果被平均到一起时，排名最高的技能是MSD、FOC和SDI。PT、MO和AS的排名最低。

本论文的目的是帮助SWOSCOM重新评估当前的360度反馈评估。这项研究并不是要否定任何技能或问题，而是要确定评估中那些对发展有效的部分，或者那些会从修改或截断中受益的部分。我们的发现是，MSD、SDI和FOC的技能在评估中得到了有效的应用；然而，评估可能受益于对问题的修改，以便在个人和评估者之间产生更多的批评性反馈。MO在我们的模型中没有影响，但却是唯一在所有问题中产生高差异的技能，并且可以在海军中应用。因此，评估可能会从保留这些概念中受益，但将该技能与其他部分相结合。PT、AS和ER的技能被认为是无效的，因为它们在模型中的表现和评分者之间缺乏差异性。此外，应该考虑修改或删除在缩放过程中被删除的问题。