12. 如何發展一份WAB？
Step4.明確界定反應項目的類別
例如我們想問一個銷售員的薪水，我們就會問說：
你覺得要付給自己多尐薪水才合理：
A. 1000以下
B. 1000~25000
C. 25001~50000
D. 50000~75000
E. 75001~100,000
F. 100,000以上
27. 發展一份Biodata問卷
Step1. 選擇工作
以投資報酬率高的工作為主
Step2. 工作分析並定義生活歷史事件效標
目的在了解個體什麼樣的行為與生活經驗，能夠解釋其效標表
現。
Sidney Fine and Steven Cronshaw建議使用FJA發展
Biodata 的items，因為FJA所發的任務細節較詳盡。
工作分析對於BIB也相當重要，其目的在於確保問卷題目與工作
間的關連性。
透過工作分析的結果，可以假設個體的生活經驗能夠預測工作
上的成功表現。
除了工作分析，翻閱研究著作也是相當重要的，找尋具顯著預
測性的生活歷史屬性。
28. 發展一份Biodata問卷
Step3：形成生活經驗的假說
history 題目(items)，假如我們預設的
發展life
假設是對的，我們應該能從這些題目中預測應
徵者未來成功的表現。
形成假說的意思是，徵選者選擇某個選項，都
有其假說，代表其背後含意。
William William發現有假設的items相較於沒有
假設的items，更能預測應徵者成功的表現。
29. 發展一份Biodata問卷
Step4：發展biodata items的pool
上個步驟已經建立好假說，現在就要發展題庫，這些題庫
是照假說發展而來的，通常是由先前的biodata research
所得出。
例：James Glennon, Lewis Albright,and William
Owens 他們將500個biodata的items，歸類進以下向度
Habits and attitudes
Health
Human relations
Money
Parental home, childhood, teenage years
Personal attributes
Present home, spouse, and children
30. 發展一份Biodata問卷
Step5：反應項目的預先篩檢與導引測試
目的是為了預防一些反應的bias
專家來檢查題目問題與選項
用一批適當的樣本來測試題目：人數大於500較好
選用最有用的items，其他刪除，刪題標準如下：
Little response variance
Skewed response distributions
Items correlated with protected-group
characteristics such as ethnicity
Having no correlation with other items
No correlation with the criterion
31. biodata問卷的計分
Step6：biodata form的計分
計分方式可分成兩種類別：
1. 只有一個總分。
2. 以多分數表現。
Computing a single biodata score
第一個對於BIB的計分approach是：empirical keying
方法如下:
a) vertical percentage：是最常見也最好用的
b) horizontal percentage
c) Correlation
d) differential regression
e) deviant response
f) rare response
計分方式其實和wab差不多，但也存在和wab一樣的問題：這個計分
方式被限制在特殊種類的應徵者下、某特定的工作下，無法類推計分方
式到其他工作。
32. biodata問卷的計分
Computing a multiple biodata score
用主成份分析或因素分析 ( 通常為10~15因素 )
每個因素包含至少10題以上
某研究學者分析 75 biodata items和三個效標的關係，
最後得出五個因素
1. Favorable self-perception
2. Inquisitive professional orientation
3. Utilitarian drive
4. Tolerance for ambiguity
5. General adjustment
檢驗五個因素和三個效標的關係後發現：Different
biodata factors were associated with different types
of performance on the job.
