Werving & Selectie in een digitale samenleving

Werving & Selectie in een digitale samenleving Een onderzoek naar de discrepantie tussen kenmerken van recruiters op het gebied van online screening & de invloed van online informatie op sociale netwerksites op de waargenomen geschiktheid in het digitale landschap anno 2013.

Masterthesis van: Auteur: M.E. Stillekens BA Studentnummer: 133268 Begeleiders: Prof. Dr. A. Plaat / Dr. M.B. Goudbeek Tweede lezer: Dr. A.P. Schouten Datum: september 2012 – augustus 2013 Universiteit: Tilburg University Faculteit: Faculty of Humanities Studie: Communicatie- en Informatiewetenschappen Specialisatie: Bedrijfscommunicatie en Digitale Media

Recruitment en Online Screening ©2013

Masterthesis Werving & Selectie in een digitale samenleving 2


Voorwoord

Je laatste tweet en commentaar op Facebook en je recentste blogpost? Dat is je CV van vandaag. – Gary Vaynerchuk

Tilburg 14-6-2013 Geachte lezer, Voor u ligt mijn Master thesis met als onderwerp Recruitment en Social Media. Een actueel onderwerp, getuige de vele nieuwsberichten in de huidige media. De berichten variëren van positief (vacatures aangeboden krijgen via sociale media) tot negatief (sollicitanten screenen tijdens het sollicitatieproces). Bovenstaande quote geeft aan in hoeverre sociale media invloed uit geoefend hebben op het sollicitatieproces. Sociale media zijn tegenwoordig niet meer weg te denken uit ons dagelijks leven. Steeds meer worden ook negatieve aspecten ontdekt. Tezamen met mijn wens om dit te onderzoeken en mijn lancering op de huidige banenmarkt, is dit de aanleiding geweest voor mijn thesis. Ik wil namelijk graag laten zien dat de negatieve kant van social media om te vormen is tot een positieve kant. Het doel van deze thesis is om recruiters en sollicitanten inzicht te laten krijgen in de huidige denkwijzen op het gebied van online screening. Recruiters kunnen zichzelf hierdoor verbeteren en sollicitanten krijgen de mogelijkheid om hun sollicitatieproces positief te beïnvloeden. Om dit te verwezenlijken is er een bijbehorende applicatie gebouwd ‘Recruitapp’ waarin de uitkomsten van dit onderzoek op een handzame wijze zijn gepubliceerd, zodanig dat de sollicitant direct meer informatie heeft om een betere kans te krijgen tijdens het sollicitatieproces. Het schrijven van deze thesis is een veelomvattend proces geweest, met de nodige ups- en downs. Het verzamelen van respondenten heeft veel tijd gekost, en om alvast goed voorbereid de arbeidsmarkt op te gaan, heb ik in de tussentijd veel tijd besteed aan het opdoen van werkervaring. Hierdoor heeft mijn thesis meer tijd in beslag genomen dan vooraf gepland, maar uiteindelijk heeft dit geleid tot een gerijpte thesis. En in de huidige slechte economische tijd is werkervaring ook geen overbodige luxe. En uiteraard heb ik mijn thesis niet kunnen afronden zonder hulp van anderen. Ik wil daarom graag mijn vriend en familie bedanken en in het bijzonder mijn begeleiders Prof. Aske Plaat en Dr. Martijn Goudbeek. Zij hebben mij goed geholpen met vragen omtrent statistiek, dataverzameling, notaties en afwerking. Ik wens u dan ook veel plezier toe met het lezen van mijn thesis, en hoop dat dit onderzoek u inzichten verschaft in een klein onderdeel van de digitale samenleving. Wellicht kunt u als recruiter een en ander in gedachten houden wanneer u een social media profiel screent van een sollicitant. En voor alle werkzoekenden, succes en veel plezier met de app!

Met vriendelijke groet, Malou Stillekens BA 3


Inhoudsopgave Voorwoord

blz. 2

Inhoudsopgave

blz. 3

Samenvatting

blz. 4

1. Inleiding 1.1 Introductie 1.2 Doel 1.3 Onderzoeksmodel 1.4 Opzet 1.5 Bijdragen

blz. 6 blz. 7 blz. 8 blz. 8 blz. 8

2. Theoretisch Kader 2.1 Sociale media, netwerken en netwerksites 2.2 Informatie op sociale netwerksites 2.3 Facebook, Twitter, Linkedin & Google+ 2.4 Recruitment & Online Screening 2.5 Werkgevers & Werknemers 2.6 Impressievorming 2.7 Onderzoeksvraag

blz. 9 blz. 15 blz. 20 blz. 23 blz. 26 blz. 30 blz. 32

3. Methodologie 3.1 Onderzoeksdesign 3.2 Operationalisatie 3.3 Opzet 3.4 Respondenten 3.5 Analyse

blz. 33 blz. 33 blz. 34 blz. 36 blz. 37

4. Data analyse 4.1 Inleiding 4.2 Hypothesen 1 Leeftijd 2 Educatie 3 Sexen 4 Branche 5 Omvang 6 Other vs Self & Positief vs Negatief

blz. 40 blz. 41 blz. 43 blz. 45 blz. 47 blz. 49 blz. 50

5. Conclusie

blz. 53

6. Aanbevelingen

blz. 56

7. Epiloog

blz. 58

8. Literatuurlijst

blz. 59

9. Appendices A Pre-test B. Survey C. Tabellen D. RecruitApp

blz. 63 blz. 64 blz. 79 blz. 91

4


Samenvatting Onderzoeksvraag De onderzoeksvraag van dit onderzoek is: Wat zijn de kenmerken van recruiters die online screenen en wat voor invloed heeft online screenen en online informatie op de uitkomst van een sollicitatie? Online screening is een vorm van referenties natrekken door werkgevers/recruiters over een sollicitant via een digitaal medium zoals een sociaal netwerk. Om de onderzoeksvraag te beantwoorden is een survey onder 100 respondenten afgenomen. Door de afgenomen survey is duidelijker geworden wat de eigenschappen van de werkgevers/recruiters voor invloed uitoefenen op de uiteindelijke waargenomen geschiktheid van een potentiële kandidaat. Probleemstelling De probleemstelling die centraal staat in dit onderzoek is: Hoe vindt online screening anno 2013 plaats? Online recruitment en het gebruik van social media spelen een grote rol in de nieuwsbulletins. Om de probleemstelling te beantwoorden is er gebruik gemaakt van algemene theorie over Sociale media en Recruitment en het Warranting Principle (Walther en Parks, 2002). Dit principe beweert dat informatie verschaft door derden (other generated informatie) als meer betrouwbaar wordt gezien dan informatie verschaft door een persoon zelf. De vraag die hierbij centraal stond is of de diverse onderdelen van sociale netwerken (self- en other generated) van invloed zijn op de waargenomen geschiktheid van een potentiële sollicitant. Onderzoek Het onderzoek heeft plaatsgevonden door middel van een digitale survey. Deze surveys zijn via sociale media verspreid onder 112 respondenten. Uiteindelijk zijn hier 98 bruikbare respondenten uit voort gekomen. De steekproef bestond uit mannen en vrouwen met een gemiddelde leeftijd tussen 31 en 35 jaar. De respondenten zijn woonachtig door heel Nederland, waarbij de provincies Utrecht, Noord-Holland en Zuid-Holland de meeste proefpersonen heeft voortgebracht. Conclusie De algemene conclusie die voortvloeit uit dit onderzoek is dat het Warranting Principle niet volledig wordt ondersteund. Wanneer het gaat om informatie van derden op sociale netwerken, ongeacht de tone of voice (positieve of negatieve informatie) van het profiel, dan blijkt dat op Facebook de potentiële kandidaat slechter beoordeeld wordt en het Warranting Principle dus ondersteund wordt. Bij de overige netwerken zijn er geen significante verschillen aangetroffen en kan er dus niet met zekerheid gezegd worden of self- of othergenerated informatie een grotere invloed heeft. Als het gaat om de tone of voice, dan blijkt dat othergenerated informatie wel van invloed is op het oordeel dat de respondent vormt over de profielhouder. Hiermee wordt het Warranting Principe ook ondersteund. Daarnaast is gebleken in deze steekproef dat er vrijwel altijd gebruik gemaakt wordt van sociale media tijdens de online screening, en geeft 58.6 % van de respondenten aan zich te laten beïnvloeden door sociale media. Er zijn kleine verschillen aangetoond tussen diverse eigenschappen van de respondenten. Zo blijkt bijvoorbeeld dat mannen meer online informatie zoeken op Facebook dan vrouwen. Daarnaast is er geen significante ondersteuning gevonden tussen de woonplaats van een respondent en het social media gebruik. Culturele verschillen worden vaak aangetroffen tussen Noord- en Zuid-Nederland, maar op het gebied van social media zijn deze verschillen niet aanwezig. Tevens is het opmerkelijk dat alle respondenten aangeven dat zij altijd informatie over een sollicitant op internet zoeken. Hiervoor worden uiteenlopende redenen gegeven, waaronder ‘een foto controleren om te bekijken om wie het gaat’ tot ‘op Linkedin kijken welke belangrijke connecties de sollicitant’ heeft.

5


Implicaties Werkgevers kunnen dankzij dit onderzoek hun eigen gedrag onder de loep leggen en bekijken of zij zich ook laten leiden door sociale netwerken, terwijl er verwacht wordt dat zij afgaan op feitelijke informatie zoals een Curriculum Vitae. Daarnaast is wetenschappelijk bewezen dat de steekproef uit dit onderzoek de negatieve other en self generated informatie belangrijker zijn dan positieve informatie. Hiermee lijkt een nieuwe ontwikkeling gaande waarbij de persoonlijkheid van de sollicitant voorop komt te staan, waar voorheen een ogenschijnlijk deugdelijk eerste indruk belangrijker leek te zijn. Daarnaast hoort bij deze scriptie een Windows 8 applicatie genaamd RecruitApp. Starters op de arbeidsmarkt kunnen de analyse met betrekking tot de kenmerken van de respondenten raadplegen in de RecruitApp en zodoende deze uitkomsten inzetten om hun de onderdelen van hun sociale netwerken te optimaliseren voor betere kansen op de arbeidsmarkt.

6


1| Inleiding § 1.1 Introductie Sociale netwerken zijn niet meer weg te denken uit de dagelijkse routine. Drieënzeventig procent van de internetgebruikers is actief op sociale netwerken (Insites Consulting, 2011). Steeds meer offline activiteiten gaan verder op het worldwideweb. Dit gebeurt ook met het werving- en selectieproces. Media berichten uitgebreid over de screening van toekomstig personeel door recruiters. Onderzoek toont aan dat sollicitanten rekening moeten gaan houden met de getoonde informatie, omdat zij regelmatig gescreend worden door hun (potentiële) werkgever (Van Den Bosch, 2010). Careerbuilder (2012), een Amerikaanse vacaturesite, heeft onderzoek gedaan naar dit fenomeen. Hieruit is gebleken dat de rol van sociale netwerksites (SNS) steeds groter wordt. Zo blijkt dat 91% van de werkgevers social media gebruikt om kandidaten te screenen. In Nederland heeft de Nederlandse Vereniging voor Personeelsmanagement & Organisatieontwikkeling (NVP) een sollicitatiecode opgesteld waarin het screenen van sollicitanten op sociale media aan de orde komt. Recruiters moeten voor deze screening vooraf toestemming vragen aan sollicitanten. Indien online verkregen informatie gebruikt wordt tijdens de procedure moet de sollicitant hiervan op de hoogte worden gesteld. Bij het niet naleven van deze code kan een sollicitant een klacht indienen bij de NVP. De uitspraak van de NVP is echter niet bindend. (NVP, 2013) Het carrièreperspectief van werknemers kan worden beïnvloed door de informatie die de werkgever online gevonden heeft, ondanks dat dit wettelijk gezien niet zonder toestemming van de sollicitant moet kunnen. Voorheen waren recruiters afhankelijk van informatie uit motivatiebrieven en Curriculum Vitae ’s, tegenwoordig is het van belang voor sollicitanten dat zij zich op hun sociale netwerkprofiel ook zo goed mogelijk profileren. Onderzoek toont aan dat de openbare informatie op Facebookprofielen door 74 procent wordt gelezen (Caers en Casteleyns, 2011). Op basis hiervan wordt een eerste beeld gevormd over een sollicitant. Dat beeld is weinig accuraat, zo concluderen Caers en Casteleyns (2011). Wanneer de privacy instellingen van een profiel op ‘privé’ staan, is het voor een recruiter toch mogelijk om de profielfoto te zien. Recruiters overschatten hun vermogen om hier de persoonlijkheid van een sollicitant af te leiden. Verder adviseren de onderzoekers om wetenschappelijk onderbouwde persoonlijkheidstesten, sollicitatiegesprekken en assessments te gebruiken om de geschiktheid van een sollicitant te beoordelen. De kans dat een recruiter foutieve conclusies trekt en hun eigen ideeën op de sollicitant projecteren is namelijk veel te groot. De vraag is niet enkel op welke manier de carrières van sollicitanten kunnen worden beïnvloed door SNS, maar ook welke informatie op SNS het meest belangrijk is voor de recruiter. Sociale netwerkprofielen bestaan uit meerdere soorten informatie, waaronder de profielfoto, berichten of persoonlijke informatie. Er is onderzoek gedaan naar deze aspecten (Langwell & Walther, 2008; Antheunis, 2009), echter niet werk gerelateerd. Daarbij zijn deze onderzoeken gebaseerd op rapportage gegeven door de recruiters zelf. Dit is niet de meest betrouwbare methode, gezien het feit dat de recruiter een sociaal wenselijk antwoord kan geven (Boeije, ’t Hart & Hox, 2009). Dit onderzoek richt zich op online impressievorming en het Warranting Principle (2002). Deze theorie voorspelt dat ‘informatie over iemand gegeven door een ander individu die immuun is voor manipulatie door de persoon waar het over gaat, betrouwbaarder is dan informatie gegeven door de persoon zelf’ (Walther en Parks, 2002, p. 552). Daarom is het te verwachten dat mensen meer vertrouwen op informatie gegeven door derden. Gebaseerd op deze theorie wordt er in deze studie onderzoek gedaan naar bepaalde soorten informatie op SNS en wat voor soort impressie deze informatie bij recruiters kan vormen. 7


Gezien het feit dat het Warranting Principle nog niet vaak is onderzocht in deze context, kan deze studie bijdragen in de kennis over het effect van het principe in online situaties, en specifiek in de recruitmentbranche. Het is zo mogelijk om te bekijken of het principe ook toepasbaar is op werk gerelateerde relaties, of enkel in inter-persoonlijke relaties. Daarnaast is, voor zover bekend, nog niet eerder onderzoek gedaan naar de factoren leeftijd, opleiding, geslacht, locatie, branche en bedrijfsomvang in combinatie met social media en recruitment. Dit onderzoek biedt inzichten in de manier waarop sociale netwerkprofielen moeten worden ingericht. Dankzij de gegeven antwoorden van de respondenten wordt duidelijk welke ‘soort’ recruiter de voorkeur geeft aan bepaalde online gegevens. De eigenschappen van de respondenten worden gekoppeld aan de voorkeur voor informatie op een bepaald social media profiel. Zo is het voor sollicitanten waardevol om te weten op welke manier zij hun profiel moeten gebruiken en op welke soort informatie zij de nadruk moeten leggen om hun slagingskans te vergroten. Omdat dit onderzoek zich ook richt op specifieke gegevens van recruiters, zoals bijvoorbeeld het geslacht en leeftijd, kunnen sollicitanten een specifieker beeld vormen voorafgaand aan hun sollicitatie. Voor recruiters biedt dit onderzoek inzicht in de manier waarop hun beroep zich ontwikkelt van een selectie van sollicitanten gebaseerd op motivatiebrieven, naar een selectie met behulp van digitale middelen. § 1.2 Doel Het doel van dit onderzoek is tweeledig (zie Figuur 1), namelijk of er verschillen zijn tussen recruiters in het gebruik van sociale media voor online screening en welke kenmerken van recruiters deze verschillen verklaren. Dit zijn bijvoorbeeld de leeftijd, het geslacht, de woonplaats en branche gerelateerde kenmerken. Daarnaast wordt onderzocht of deze recruiters online informatie (profielfoto, foto’s, connecties en berichten) op SNS bekijken en zich zo een impressie vormen over potentiële sollicitanten. Deze impressie wordt vertaald in de geschiktheid van een sollicitant en dus het effect op de slagingskans van een sollicitatie. Om dit te onderzoeken vindt er een manipulatie plaats welke opgenomen is in een enquête. Deze enquête wordt in vier versies digitaal verspreid. Per versie worden er vier sociale netwerkprofielen getoond: Facebook, Twitter, Google+ en Linkedin. Aan de hand van de manipulatie van de diverse onderdelen op een sociaal netwerk wordt duidelijk of het Warranting Principle (‘informatie van derden is betrouwbaarder’) in de recruitmentbranche ook van toepassing is. Daarnaast wordt onderzocht of er een relatie is tussen eigenschappen van recruiters en een voorkeur voor informatie op sociale netwerksites. Het onderzoeksmodel geeft het tweeledige karakter van dit onderzoek schematisch weer. De probleemstelling die hierbij hoort is: Wat zijn de kenmerken van recruiters die online screenen en wat voor invloed heeft online screenen en online informatie op de uitkomst van een sollicitatie? Op basis van deze probleemstelling worden de volgende onderzoeksvragen geformuleerd. 1) Wat zijn de kenmerken van recruiters die online screenen? Dit onderzoek richt zich specifiek op geslacht, leeftijd, educatie, locatie, branche en bedrijfsomvang 2) Wat is de waarde van self-, other- en systemgenerated informatie? Is hierop het Warranting Principe van toepassing?

8


§ 1.3. Onderzoeksmodel Figuur 1 Onderzoeksmodel tijdens het onderzoek

Recruitment Algemene theorie

Kenmerken recruiters: Wie zoekt informatie op SNS?

Leeftijd, Educatie, Lokatie, Geslacht, Branche, Grootte van bedrijf

Online screening Warranting Principle

Effect: impressievorming en uitkomst sollicitatie

Self, other en system generated informatie op SNS

Sollicitatieproces

Uitkomsten onderzoek / RecruitApp

Om antwoord te kunnen geven op deze vraag is er eerst een theoretisch kader geconstrueerd over recruitment en online screening. Samen met de enquête kan dan een antwoord worden gegeven op de hypothesen, die zijn gevormd in het theoretisch kader en tezamen een antwoord geven op de onderzoeksvraag. § 1.4. Opzet Allereerst wordt in het theoretisch kader een uitleg gegeven over de werking van de vier sociale netwerksites die centraal staan. Daarnaast wordt er een uitleg gegeven over de term ‘recruitment’ en ‘online screening’. Als laatste wordt hier een uitleg gegeven over impressievorming en het Warranting Principle. Deze theorie is de basis voor het experiment. Daarna wordt in de resultaten- en conclusie sectie de uitkomsten, adviezen en aanbevelingen uiteengezet. §1.5 Bijdragen Twee belangrijke punten die bijdragen aan de waarde van deze masterthesis zijn als volgt: 1) Informatie van derden wordt op Facebook als betrouwbaarder gezien dan zelfgeschreven informatie. Voor andere sociale netwerkprofielen is deze relatie niet gevonden. Hiermee wordt het Warranting Principe dus niet volledig ondersteund, enkel voor Facebook. 2) Als er wordt gekeken naar positieve en negatieve self- en other generated informatie, dan blijkt het Warranting Principe wel meer ondersteund. Positieve en negatieve other generated informatie zijn belangrijker dan self generated informatie. 3) Mannen zoeken vaker online naar informatie over sollicitanten (91.2%) dan vrouwen (80%). 4) 58,6% van de ondervraagden geeft aan zich te laten beïnvloeden door informatie op sociale netwerken.

9


2| Theoretisch Kader § 2.1 Sociale media, netwerken en netwerksites 2.1.1 Sociale Netwerken Voor de komst van de huidige digitale sociale netwerksites (SNS) waren er al sociale netwerken. Een sociaal netwerk is een netwerk van mensen of een groep mensen (Gammasteunpunt RuG, 2008). Zij beschikken over ‘sociaal kapitaal’. Sociaal kapitaal kan het beste worden omschreven als ‘de bronnen die ontstaan zijn in een sociaal netwerk en relaties tussen mensen, die van een bepaalde waarde of voordeel bieden voor individuen die deelnemen in deze netwerken (Pfeil et al., 2009). De sociale kapitaal theorie van Putnam (2000) maakt hierbij onderscheid tussen ‘bridging’ sociaal kapitaal en ‘bonding’ sociaal kapitaal. Bridging kapitaal bestaat uit losse connecties, hierbij gaat het dus om relaties zonder persoonlijke en emotionele belangen, maar waarbij de relatie gebruikt wordt voor het uitwisselen van informatie en input. Bonding kapitaal bestaat uit sterke connecties, waarbij wel persoonlijk en emotioneel belang komt kijken (Granovetter, 1983). Een sociaal netwerk bestaat dus uit sterke en zwakke connecties die beide een toegevoegde waarde leveren aan het sociaal kapitaal van iemand. De komst van internet heeft er echter voor gezorgd dat sociaal kapitaal niet enkel meer offline bestaat, maar ook online voortgezet kan worden. Dit kan plaatsvinden op websites zoals sociale netwerksites. 2.1.2 Sociale netwerksites Sociale netwerksites (SNS) zijn niet meer weg te denken uit de huidige samenleving. Drieënzeventig procent van alle internetgebruikers is actief op sociale netwerken (Insites Consulting, 2011). Wereldwijd heeft de grootste sociale netwerksite Facebook meer dan 1 miljard gebruikers, Google + 253 miljoen actieve gebruikers, Linkedin 187 miljoen en Twitter 200 miljoen actieve gebruikers (Marketingfacts, januari 2013). In Nederland is 8 van de 10 internetgebruikers actief op sociale media. Facebook is het populairste netwerk, 66 procent (bijna 8 miljoen) van de Nederlanders heeft een actief profiel op deze site. Gevolgd door Hyves met 33 procent, Linkedin met 29 procent (3,9 miljoen) en Twitter met 24 procent (Marketingfacts, 2013). Deze cijfers die geven aan dat SNS een grote rol spelen in het dagelijks leven van de huidige internetter. Figuur 2 toont dat deze Figuur 2: cijfers in de afgelopen jaren sterk zijn Social media bezoek in Nederland - 2012 gestegen, met uitzondering van Hyves. Uit het Cluetrain Manifesto1 blijkt dat internet voorziet in de behoefte van mensen om in contact te komen en te communiceren met anderen. Dit ligt ten grondslag aan de hoge bezoekerscijfers van sociale netwerksites (Cluetrain Manifesto, 2011).

1

Het Cluetrain Manifesto bestaat uit 95 stellingen die verwoord zijn als een speciale ‘call to action’. De stellingen in dit manifest zijn bedacht om te impact van het internet te onderzoeken, op zowel consumenten als organisaties. Het manifest is opgeschreven door Rick Levine, Christopher Locke, Doc Searls, en David Weinberger in 1999.

10


Tabel 3 geeft de demografische gegevens van de social media bezoekers in Nederland weer. Hieruit blijkt dat de groep ’16-25 jaar’ het meest actief is op sociale media. Deze groep, studenten/werkzoekenden, staat deels ook centraal in dit onderzoek. Tabel 3 Demografische gegevens bezoekers social media in Nederland

Onderzoekers Boyd en Ellison (2007) geven de volgende definitie van sociale netwerksites, vertaald naar het Nederlands: ‘Sociale netwerksites zijn op internet gebaseerde diensten die individuen de mogelijkheid geven om een publiekelijk of semipubliekelijk profiel te creëren binnen een afgebakend systeem, een lijst met gebruikers aan te maken met wie zij een connectie delen, en het bekijken en delen van hun lijst met connecties en de lijsten gemaakt door anderen binnen het systeem. ‘ Het unieke van sociale netwerksites is niet het ontmoeten van vreemden, maar het openstellen van hun sociale netwerk. Dit kan resulteren in connecties die anders niet gemakkelijk gemaakt zouden zijn. SNS is voornamelijk bedoeld ter ondersteuning van vriendschappen die al in het dagelijks leven bestaan. Zo wordt Facebook gebruikt voor het behouden en verzamelen van bestaande vriendschappen en niet voor het ontmoeten van nieuwe mensen. Sommige vriendschappen zijn losse connecties, maar er is altijd een gezamenlijk offline element tussen de individuen. Dit is één van de grote verschillen tussen eerdere door computers gemedieerde communicatie (CMC) (Ellison, Steinfeld en Lampe, 2007). In dit licht is het relevant het getal van Dunbar te noemen. Dit is de vermeende cognitieve grens aan het aantal individuen waarmee een persoon een stabiele sociale relatie kan onderhouden. Dit getal geeft aan dat het menselijk brein in staat is om maximaal 150 vriendschapsbanden te onderhouden. (Dunbar, 2010). Deze onderzoeker geeft aan dat de mens wel in staat is om meer relaties te onderhouden, maar het aantal betekenisvolle vriendschappen blijft volgens hem hetzelfde als in de offline wereld. De gemiddelde sociale netwerkgebruiker heeft 195 vrienden en zou volgens deze regel niet met allemaal een stabiele sociale relatie kunnen hebben. In de praktijk is het vaak zo dat een gebruiker een stabiele online relatie heeft met diegene waar hij dat ook mee in de offline wereld heeft. 11


Een SNS bestaat vaak uit diverse technische aspecten, maar er zijn een aantal aspecten gelijk voor elk SNS. Zo heeft elk profiel op SNS een lijst met vrienden die ook gebruiker zijn van het systeem. Profielen geven de mogelijkheid om een lijst met gebruikelijke vragen in te vullen, zoals het geslacht, de leeftijd, de woonplaats, de interesses en een korte beschrijving door de profielhouder. Tevens is er de mogelijkheid om een profielfoto te uploaden. Profielen op SNS zijn niet altijd publiekelijk zichtbaar. Sommige SNS geven de mogelijkheid om de mate van zichtbaarheid zelf in te stellen, andere SNS hebben deze mogelijkheid niet. Hierdoor is het mogelijk dat persoonlijke informatie wordt geïndexeerd door Google, zodat buitenstaanders deze informatie kunnen lezen. Na het invullen van de profielinformatie wordt de profielhouder aangemoedigd om ‘vrienden’ toe te voegen. De term ‘vrienden’ is echter misleidend, gezien het feit dat de connectie niet altijd betekent dat men hier ook mee bevriend is in de gangbare zin van het woord (Boyd, 2006). Daarnaast bieden SNS de mogelijkheid om berichten te sturen naar andere gebruikers. Dit kan in het openbaar of privé. Vaak gaat het om reacties op geplaatste berichten of foto’s. Wanneer het gaat om privékwesties, bieden veel SNS de mogelijkheid om een functie te gebruiken waarmee mensen privéberichten naar elkaar kunnen sturen. Sociale netwerksites vallen onder de overkoepelende term ‘Sociale Media’. Sociale media zijn onder te verdelen in de volgende categorieën, zie figuur 4 (Solis, 2012). Figuur 4 Sociale media categorieën

12


Figuur 4 geeft alle sociale media weer die een grootschalige inventarisatie door Solis heeft opgeleverd. Naast deze onderverdeling is er nog een verdeling te maken, wanneer er gekeken wordt naar de meest gebruikte sociale media, zoals weergegeven in tabel 5. Social media zijn echter niet altijd enkel onder één categorie te plaatsen. Twitter kan ook onder de noemer ‘sociaal netwerk’ vallen, gezien het feit dat het mogelijk is een profiel aan te maken en de interactie met vrienden aan te gaan. Tabel 5 Meest bekende sociale media Categorie Sociale netwerken

Location Based Services

Review sites

Blogs

Microblogging

Video-sharing

Foto-sharing

Wiki’s

Omschrijving Sociale netwerken hebben als belangrijkste functie het aanmaken van een profiel, het delen van informatie en het toevoegen van vrienden LBS zijn netwerken waar de gebruiker aan zijn volgens laat weten waar hij zich op een bepaald moment bevindt. Websites waar klanten hun mening kunnen geven op producten en diensten Online dagboeken waarin de schrijver persoonlijke gebeurtenissen vertelt. Tegenwoordig worden deze ook op zakelijk gebied gebruikt. Net als bij blogs worden hier ook persoonlijke verhalen geuit, maar dan in maximaal 140 tekens. Plaatsen van films en interactie aangaan met andere gebruikers die films plaatsen Plaatsen van foto’s en interactie aangaan met andere gebruikers die foto’s plaatsen. In een wiki wordt gezamenlijk gewerkt aan artikelen over een bepaald onderwerp. Hierbij gaat het dus om het delen en leren van kennis

Voorbeeld Facebook, Hyves, Linkedin, Google+

Foursquare

Kieskeurig, Tweakers

Blog, IloveFashion

Twitter

Youtube

Flickr, Pinterest

Wikipedia

© A. Schouten, 2012

Sociale netwerksites zijn onder te verdelen in twee groepen (Antheunis, 2009). De eerste groep sociale netwerken hebben een persoonlijk doel. Deze sites, zoals Hyves en Facebook zijn vaak afgeschermd en kunnen een ‘vriendennetwerk’ genoemd worden. De tweede groep bestaat uit sites met zakelijke eigenschappen. Het doel is om professionals met elkaar in contact te brengen en informatie uit te wisselen. Linkedin en Google+ zijn hiervan een goed voorbeeld. 2.1.3 De geschiedenis van sociale netwerksites De eerste sociale netwerksite die voldoet aan de definitie van Boyd en Ellison (pagina 12) is opgericht in 1994 onder de naam Geocities. Deze site maakte het mogelijk om eigen websites te creëren die vervolgens ingedeeld werden naar één van de 6 ‘cities’. Enkele jaren eerder waren sommige van deze functies echter ook mogelijk op andere sites. Datingsites en vele communities maakten het ook mogelijk om profielen aan te maken. De site ICQ maakte het mogelijk om vriendenlijsten aan te maken en Classmates.com maakte het mogelijk om te zoeken naar scholen, vrienden en klasgenoten van vroeger (Boyd en Ellison, 2007). SixDegrees.com in 1997 was echter de eerste website die al deze functies combineerde. Later zijn er meer soortgelijke sites bijgekomen, die echter nog niet bekend waren voor het grote publiek in. 13


Met de komst van Myspace in 2006, is het concept ‘sociale media’ ook in Nederland erg belangrijk geworden. Waar Myspace nog geen grote aantallen bezoekers trok, is Hyves in 2007 Nederlands eerste en grootste sociale netwerk geworden, met op dit moment 3,7 miljoen unieke bezoekers per maand. De SNS die hierboven zijn besproken richtten zich op alle internetgebruikers, maar later zijn er ook nichemarkten bijgekomen. Zo is Facebook in 2004 in eerste instantie opgericht voor communicatie op universiteiten, Myspace is zich meer gaan richten op het luisteren, delen en promoten van muziek en Linkedin richt zich vooral op de zakelijke markt. 2.1.4 Gebruik van sociale media Sociale media, en dan voornamelijk sociale netwerken, worden op veel verschillende manieren ingezet. Tijdens de Amerikaanse verkiezingen in 2008 werden sociale netwerken volop ingezet als campagnemiddel. President Obama gebruikte hierbij een mix van online en offline media om potentiële kiezers te werven door hen te laten meedenken, een dialoog aan te gaan en uiteindelijk een achterban te mobiliseren. Tijdens de verkiezingen in 2012 is het gebruik van sociale media nog meer toegenomen. Op deze manier kunnen politici in contact komen met hun achterban en het sociale kapitaal van potentiële stemmers beïnvloeden in hun voordeel (Lake en Huckfeldt, 2002). Het debat tussen Obama en Romney op 4 oktober 2012 is hiervan een goed voorbeeld. Obama leek nerveus en te verliezen. Uit het sentimentenonderzoek op Twitter bleek echter iets heel anders. Over Obama werd in totaal minder getweet, echter plaatsten meer mensen een positieve tweet. (Beusekom, 2012). Analyses van onderzoeksbureaus lopen vaak achter in tegenstelling tot de realtime sentimentanalyes op sociale media. Sociale media geeft immers een actueler beeld en heeft een groter bereik. Daarbij geven mensen graag hun mening via sociale media, gezien het anonieme karakter van dit medium. Sociale media heeft dus diverse toepassingen (Beusekom, 2012).Diverse studies hebben onderzoek gedaan naar de motieven van internetgebruikers om internet en sociale netwerken te gebruiken. Uit het onderzoek van Flaherty, Pearce en Rubin (1998) zijn zeven motieven naar voren gekomen.       

Sociale interactie Tijdsbesteding Gewoonte Informatie zoeken Time-shifting Vermaak Ontmoeten van nieuwe mensen

Papacharissie en Rubin (2000) hebben vijf motieven vastgesteld:     

Inter-persoonlijk nut Tijdsbesteding Informatie zoeken Gemak Vermaak

Het onderzoek van Vos (2006) leverde zes motieven op:      

Vriendschap en communicatie Gemak Op de hoogte blijven van trends Zelfinzicht en zelfpresentatie Netwerken Entertainment 14


Sociale netwerken worden dus niet voor één enkel doel gebruikt, gebruikers hebben meerdere motieven om te besluiten gebruik te maken van internet en sociale netwerken. 2.1.5 Privacy Met de komst van internet, en voornamelijk het openen van profielen op SNS is de privacy van online informatie een belangrijk punt van aandacht geworden. Zoekmachines maken het namelijk mogelijk om alle informatie op openbare profielen te indexeren en te tonen tussen zoekresultaten. Uit onderzoek is gebleken dat het zelfs mogelijk is om hiermee het burgersofinummer te reconstrueren (Gross en Acquisti, 2005). Deze openbare informatie maakt het ook mogelijk om profielhouders te misleiden. Door zich voor te doen als een potentiële vriend met dezelfde interesses, informatie die dus gevonden is op internet, geeft de profielhouder meer informatie bloot over zichzelf. De profielhouder toont meer vertrouwen in deze persoon, omdat hij toch al op de hoogte is van sommige informatie (Jagatic et al. 2007). Daarnaast maken de transparantie en persistentie van het internet het bijna onmogelijk om opnieuw te beginnen. Alle informatie ooit geplaatst op internet, blijft ook aanwezig op internet. Het is daarom onmogelijk om met een ‘schone lei’ te beginnen, gezien het feit dat sommige informatie jaren later nog steeds negatief kan doorwerken. In Amerika is er zelfs sprake geweest van een overtreding van de wet. Hodge (2006) beargumenteerde dat het vierde amendement van het Amerikaans wetboek met betrekking tot privacy niet is ingericht voor sociale netwerksites. Het is daarom niet duidelijk of politieagenten in de V.S. het recht hebben om toegang te krijgen tot informatie geplaatst op SNS. In Nederland is er een geval bekend waarbij een werknemer werd ontslagen nadat hij zijn werkgever uitgescholden had op zijn sociale netwerkprofiel. De rechter erkende de uitingen op internet als bewijs en keurde het ontslag goed. Juridisch gezien zijn sociale media openbare bronnen, zelfs wanneer de geplaatste informatie afgeschermd wordt door de profielhouder (ARAG Rechtsbijstand, 2012). Privacy op SNS is lastig te waarborgen.

15


§ 2.2 Informatie op sociale netwerksites 2.2.1 Soorten informatie Sociale netwerksites hebben een bepaalde structuur, zoals in voorgaand hoofdstuk besproken. Deze structuur bestaat onder meer uit een profielfoto en een omschrijving van de profielhouder. Een sociaal netwerkprofiel bestaat echter uit nog meer onderdelen. Figuur 6.1, 6.2, 6.3 en 6.4 laten voorbeelden zien van de diverse onderdelen van een aantal sociale netwerken, Facebook, Twitter, Linkedin en Google+. Figuur 6.1 Sociaal netwerkprofiel op Facebook

Figuur 6.2 Sociaal netwerkprofiel op Twitter

Figuur 6.3 Sociaal netwerkprofiel op Linkedin

16


Figuur 6.2 Sociaal netwerkprofiel op Twitter

17


Figuur 6.3 Sociaal netwerkprofiel op Linkedin

18


Figuur 6.4 Sociaal netwerkprofiel op Google+

De diverse onderdelen van een profiel komen op verschillende wijze tot stand en er kunnen dus drie typen informatie worden onderscheiden. Zo is het plaatsen van een profielfoto een activiteit voor de profielhouder. Dit betreft informatie die wordt gemaakt door wat een persoon zelf naar buiten wil brengen en wordt selfgenerated informatie genoemd. Dit kunnen niet alleen foto’s zijn, maar ook informatie over interesses en voorkeuren (Walther et al., 2009). Daarnaast kan het plaatsen van berichten ook door anderen gebeuren, zoals bij other generated informatie. Dit wordt gekenmerkt als informatie die op een andere manier ontstaat en niet door de profielhouder zelf (Antheunis, Schouten & De Geus, 2010). Ten slotte is er system generated informatie, zoals de zichtbaarheid van het aantal connecties, welke door het systeem van de SNS wordt aangegeven (Tong et al., 2008). 2.2.2. Selfgenerated informatie Selfgenerated informatie op SNS is informatie die de profielhouder zelf op zijn profiel plaatst. Dit loopt uiteen van profielfoto’s, foto’s van activiteiten, berichten van activiteiten, oproepen en groepen waar hij lid van is. Self generated informatie is informatie die de profielhouder zelf onthult en waarmee hij zichzelf presenteert.

19


2.2.3 Othergenerated informatie Othergenerated informatie op SNS is informatie waarop de profielhouder van de SNS geen invloed kan uitoefenen. Dit kunnen berichten van anderen zijn, maar ook profielfoto’s van connecties die echter wel getoond worden op het profiel van de profielhouder. Ook groepen en pagina’s die leuk worden gevonden door de profielhouder vallen hieronder. De profielhouder kan geen invloed uitoefenen op de geplaatste foto’s en berichten. Othergenerated informatie wordt door veel mensen gezien als meer betrouwbaar, omdat informatie geplaatst door derden niet te manipuleren is door de profielhouder zelf. Dit wordt ook wel het Warranting Principe genoemd (Walther et al., 2009). In hoofdstuk 6 zal hier dieper op in worden gegaan. 2.2.4 Systemgenerated informatie Systemgenerated informatie is informatie waarop de profielhouder helemaal geen invloed op kan uitoefenen. Bij othergenerated informatie kiest de profielhouder de groepen die hij leuk vindt zelf nog uit, bij systemgenerated wordt er informatie door het systeem automatisch getoond. Dit zijn bijvoorbeeld statistieken of het aantal connecties. De connecties zijn selfgenerated omdat de profielhouder deze zelf uitgenodigd of goedgekeurd heeft. Het cijfer dat geplaatst wordt op het profiel is systemgenerated, omdat dit wordt gegenereerd door het systeem achter het sociale netwerk.

20


§ 2.3 Facebook, Twitter, Linkedin & Google+ De vier sociale netwerken die centraal staan in dit onderzoek zijn Facebook, Twitter, Linkedin en Google+. Om een zo volledig mogelijk beeld te geven van de netwerksites en hun toegevoegde waarde tijdens de online screening, is het van belang om een overzicht van de vier netwerksites te geven. 2.3.1 Facebook Facebook is een sociale netwerksite waarbij gebruikers de mogelijkheid hebben om een online profiel aan te maken, vrienden te zoeken, andere profielen kunnen bezoeken en lid kunnen worden van virtuele groepen met dezelfde interesse (Ellison et al, 2007). Facebook is begonnen als een kleinschalige website, opgericht door Mark Zuckerberg, met als doel om studenten met elkaar in contact te laten komen. Tegenwoordig is Facebook ’s werelds grootste sociale netwerksite met maar liefst ruim 1 miljard bezoekers per jaar. Facebook is gelanceerd in 2004 als The Facebook en is in 2005 veranderd naar Facebook. In de daaropvolgende jaren breidt Facebook zich razendsnel uit onder middelbare scholen, door het gebruik van foto’s, een partnerschap met Microsoft voor het plaatsen van advertenties, chatfuncties en natuurlijk de ‘like’button, zoals weergegeven in figuur 7. Het aantal actieve leden is drastisch gegroeid van 1 miljoen in december 2004 naar ruim 700 miljoen in december 2011 (Frankwatching, 2011). Elke dag worden er 700.000 nieuwe profielen aangemaakt. Facebook is populair onder internetgebruikers en de verwachting is dat dit in de komende jaren volop zal toenemen. Figuur 7 Facebook ‘Like’-button

2.3.2 Twitter Twitter (zie figuur 8) is een sociale netwerksite waarbij gebruikers korte berichtjes van maximaal 140 tekens kunnen publiceren. Gebruikers hebben de mogelijkheid om connecties te volgen en zelf gevolgd te worden. Het is opgericht in maart 2006 door Obvious Corp, een Amerikaans bedrijf. Het verschil met sociale netwerken als Facebook is dat de ‘vriendschappen’ op Twitter geen directe relaties met elkaar hoeven te hebben. Iedereen kan iedereen volgen, zonder daarvoor toestemming hoeven te vragen of iemand daadwerkelijk te kennen (Kwak et al., 2010). Een bericht op Twitter wordt een tweet genoemd. Jaarlijks zijn er maar liefst 900 miljoen gebruikers die bij elkaar bijna 9000 tweets per seconde bedenken. In een tweet wordt er vaak gebruikt gemaakt van een hashtag (#) waarmee een onderwerp wordt geïndexeerd, zoals bijvoorbeeld bij een belangrijk evenement. Wanneer een bezoeker zoekt op een bepaald onderwerp, worden alle tweets weergegeven die dit onderwerp genoemd hebben wanneer er voorafgaand aan het woord een hashtag is gebruikt.

21


Twitter wordt ook vaak microbloggen genoemd, vanwege de combinatie van bloggen en instant messaging. Naar mijn mening valt Twitter ook onder sociale netwerken, vanwege het feit dat gebruikers een profiel aan moeten maken, vrienden kunnen zoeken en hun profiel kunnen bezoeken en interactie hebben met anderen (Kwak, 2010). Figuur 8 Twitter logo

2.3.3. LinkedIn Linkedin is een sociaal netwerk dat zich specifiek richt op de zakelijke wereld (figuur 9). De bedoeling is dat gebruikers via de site in contact staan met hun huidige netwerk en gemakkelijker in contact komen met nieuwe, interessante mensen uit het vakgebied. Linkedin heeft de mogelijkheid om een persoonlijk profiel aan te maken, dat voornamelijk gericht is op de kwaliteiten van de gebruiker. De gebruiker kan zijn loopbaan weergeven, zijn vaardigheden en kan vragen om referenties te plaatsen. LinkedIn zou dan ook bij uitstek het middel moeten zijn om een zo goed mogelijke zelfpresentatie neer te zetten. Linkedin heeft ook de mogelijkheid om lid te worden van groepen met dezelfde interesses of vakgebieden. Ook is het mogelijk om rechtstreeks via Linkedin te solliciteren naar een baan, waarbij het Linkedin profiel wordt gebruikt als Curriculum Vitae (LinkedIn, 2012). Uit onderzoek van Syscomm International is gebleken dat in 2011 80% van de bedrijven Linkedin inzet als recruteermiddel. Daarnaast zijn 1 op de 20 Linkedinprofielen van recruiters. Het is daarmee met recht een zakelijk sociaal netwerk. Linkedin is in 2003 opgericht door Reid Hoffman en heeft op dit moment al 175 miljoen gebruikers. Het is daarmee het belangrijkste zakelijke netwerk. In 2007 was Linkedin zelfs het snelst groeiende netwerk in de VS met een groei van 189%. Figuur 9 Linkedin Logo

2.3.4 Google+ Google+ is het jongste sociale netwerk en is opgericht in 2011. Een maand later had Google+ 20 miljoen gebruikers. Google+ is een project van Google waarin zij al hun diensten laten samensmelten tot een gepersonaliseerde infrastructuur om te communiceren via Internet (zie figuur 10). Via Google+ is het mogelijk om een profiel aan te maken, berichten te plaatsen, vrienden te volgen en hun profielen te bekijken. Een groot verschil tussen Google+ en Facebook, Linkedin en Twitter is dat de gebruiker bij elk bericht dat hij plaatst, aan kan geven voor wie dit bericht bedoeld is. Connecties worden namelijk opgedeeld in groepen genaamd ‘circles’ en de gebruiker kan aangeven welke circle het bericht mag lezen. Ook 22


kan een bericht met maar één iemand gedeeld worden, waardoor het een soort e-mail dienst wordt. Ook is het mogelijk om een ‘hangout’ te starten, dit is een videochat met meerdere mensen tegelijk (Boogert, 2011). Het doel van Google+ is niet duidelijk. Waar Facebook en Twitter voornamelijk voor entertainment en updates van vrienden gebruikt worden, en Linkedin voornamelijk voor zakelijke contacten, kan Google+ ingezet worden voor meerdere doeleinden vanwege het gebruik van de circles. Google+ lijkt een nieuwe generatie sociale netwerken in te leiden. Figuur 10 Het Google+ project

23


§ 2.4 Recruitment & Online screening Om een zo goed mogelijk beeld te krijgen van de mogelijkheden die recruiters hebben in een digitaal tijdperk, is het van belang in te gaan op wat recruitment precies is en welke ontwikkeling dit heeft doorgemaakt in de loop der jaren. 2.4.1 Recruitment Recruitment wordt omschreven als de toepassingen van een organisatie met als primaire doel het herkennen van potentiële medewerkers, ze te informeren over de eigenschappen van de functie en de organisatie, en ze over te halen om deel uit te maken van de desbetreffende organisatie (Allen et al, 2004). Daarnaast definieert Rynes (1991) het recruitmentproces als de activiteiten die alle organisatietoepassingen en beslissingen omvatten die van invloed zijn op het aantal en type mensen dat bereid is naar een functie te solliciteren of te accepteren. Het recruitmentproces wordt onderverdeeld in drie fasen (Barber, 1998): (1) het aantrekken van kandidaten; (2) het behouden van een goede relatie met de kandidaat; (3) het beïnvloeden van de uiteindelijke keus of iemand de baan accepteert. Recruitment wordt toegepast en uitgevoerd door recruiters. Een recruiter is een specialist in een specifieke discipline of vakgebied. Middels zijn persoonlijke netwerk, beschikbare marktinformatie, de faciliteiten van de werkgever, social media en diverse online en offline bronnen zal een recruiter proberen een vacature in te vullen of een geschikte functie te vinden voor een kandidaat (Recruitment.nl, 2013) De taak van een recruiter binnen een bedrijf is het identificeren en aannemen van een werknemer die het beste past bij een bepaalde functie. Er zijn vier verschillende typen recruiters, namelijk:    

Intercedenten – werkzaam bij uitzendbureaus Corporate recruiters/HR-medewerkers – werkzaam binnen een organisatie, vaak op de Human Resource afdeling Recruitment consultants – werkzaam voor externe organisaties Headhunters – focus ligt voornamelijk op proactief zoeken naar personeel

Recruitment kan gezien worden als een vorm van bedrijfscompetitie (Cascio, 1993). Bedrijven moeten concurreren in het identificeren, aantrekken en aannemen van de meest gekwalificeerde werknemers. Het recruitmentproces begint bij het specificeren van de functie. Daarna wordt de vacature openbaar gemaakt. Aan de hand daarvan worden kandidaten geselecteerd op basis van de functie eisen. Dit zijn onder meer de hoeveelheid sollicitanten die een brief hebben geschreven (een groter aantal brieven betekent vaak ook een strengere selectie), de vaardigheden en het niveau. Daarna komt de eerste screening, welke is gebaseerd op een ruwe selectie. Daarna volgt de screening fase. Het doel hiervan is om het aantal sollicitanten terug te brengen naar een gemakkelijk te verwerken aantal en de minst geschikte uit de selectie te halen. Dit gaat onder meer op basis van psychologische karakteristieken en gedrag (Dafoulas et al. 2002). De screenings fase is erg belangrijk, er moet voorkomen worden dat geschikte sollicitanten als niet geschikt worden bevonden. Het risico dat geschikte sollicitanten niet meegenomen worden in de volgende fase is erg groot, de screening van de sollicitanten moet dan ook erg zorgvuldig gedaan worden (Sidney, 1988). Daarnaast bestaat een screening grotendeels ook uit het bekijken van de motivatiebrieven en CV’s, dit is de eerste impressie die een recruiter krijgt van de sollicitant. Uit onderzoek van Spink en Wells (1987) is gebleken dat de CV het meest belangrijk is en dan met name de gevolgde opleiding en de opgedane werkervaring. 24


Sollicitanten zullen er alles aan doen om zichzelf zo goed mogelijk te presenteren. Hiervoor gebruiken de sollicitanten (on)bewust impressietechnieken om de impressie die een ander maakt zo goed mogelijk te controleren (Schlenker, 1980). Het is mogelijk dat de recruiter dit in eerste instantie niet zal merken. Om zeker te zijn van een zo goed mogelijke screening, kan de recruiter daarom besluiten om meer informatie op te zoeken, bijvoorbeeld op sociale netwerksites. Hierna volgt de selectiefase. Hiervoor zijn diverse methoden te gebruiken. De meest gebruikte methode is het sollicitatiegesprek. Onderzoek heeft aangetoond dat gestructureerde sollicitatiegesprekken een significant hogere voorspelbaarheidfactor en betrouwbaarheidsfactor hebben dan ongestructureerde gesprekken (Anderson en Shackleton, 1993). Gestructureerd betekent in dit geval:    

De vragen zijn zorgvuldig gepland voorafgaand aan het gesprek De kandidaten wordt allen dezelfde vragen gesteld De antwoorden worden beoordeeld volgens hetzelfde score systeem De vragen richten zich op kwaliteiten en gedrag die nodig zijn om succesvol te zijn in de functie.

Tijdens een sollicitatiegesprek kan het echter zo zijn dat de sollicitant dermate gespannen is, dat de kwaliteiten van hem niet correct overkomen. Om dit te voorkomen bestaat er het ‘semigestructureerd gesprek’. Een semigestructureerd gesprek is meer flexibel. Verder kan de werkgever besluiten om een combinatie van het gestructureerde en semigestructureerd gesprek toe te passen (Taylor, 1998). Het traditionele face-to-face gesprek wordt van oudsher gezien als een slechte basis voor het maken van beslissingen, omdat de mening van de werkgever wordt beïnvloed door onder meer de eerste indruk en persoonlijke gevoelens (Cascio, 1993). Ondanks deze weerstand, is het sollicitatiegesprek toch het meest gebruikte selectiemiddel. Onderzoek heeft uitgewezen dat 100 procent van de ondervraagden gebruikt maakte van het sollicitatiegesprek (IRS, 1997). Een belangrijke reden hiervoor is dat het sollicitatiegesprek nog veel meer inzichten verschaft:   

Het voorspellen van de toekomstige prestaties en gedrag op de werkvloer. Informatie over de functie geven aan de sollicitant. De sollicitant te enthousiasmeren over de organisatie.

Dankzij SNS heeft het recruitmentproces een grote ontwikkeling doorgemaakt. Recruitment bestaat niet enkel meer uit het selecteren van potentiële werknemers op basis van hun kwalificaties, maar ook op een selectie gebaseerd op persoonlijke interesses en gedragingen. 2.4.2 Online Screening Online screening is het zoeken van informatie over een potentiële werknemer op internet. In dit onderzoek wordt de ‘pre-employment screening’ centraal gezet. De werkgever ontvangt sollicitaties waaruit een eerste, grove selectie wordt gemaakt. Een tweede selectieronde vindt plaats door middel van het zoeken naar informatie op internet, waarbij de naam van de sollicitant fungeert als zoekterm. De zoekopdrachten geven vaak sociale netwerksites weer (De Voor, 2012). Uit onderzoek is gebleken dat recruiters voornamelijk kijken naar iemands interesses, profielfoto, fysieke aantrekkelijkheid, emotionele stabiliteit en openheid voor nieuwe ervaringen (Van Garling, Johann en Van Gorkom, 2012). Onderzoek van Acderson & Shackleton (1990) toont aan dat er een verband is tussen aangeboden cues, oftewel aanwijzingen, en het beslisproces van een werkgever. Hitt & Barr (1989) concluderen in hun onderzoek dat twee variabelen namelijk ras en geslacht een significant effect hebben op de mate waarin kandidaten geschikt worden bevonden voor een managementpositie. De cues die weergegeven worden tijdens de online screening hebben invloed op het beslissingsproces van een recruiter. 25


Uit onderzoek van Careerbuilder onder 2600 recruiters, is gebleken dat 45% van hen sollicitanten screent op sociale netwerksites. Een ander onderzoek, uitgevoerd door Cross-Tab (2010) geeft aan dat 63% van de recruiters in de Verenigde Staten, Groot-Brittannië, Duitsland en Frankrijk informatie zoeken op sociale netwerksites. Of dit ook het geval is bij Nederlandse recruiters is nog maar zelden onderzocht, het is echter aannemelijk dat ook zij gebruik maken van SNS. Sociale netwerksites zijn populair geworden in Nederland, en het is daarom te verwachten dat deze sites meer invloed gaan hebben in de manier waarop sollicitanten worden gescreend door de recruiters. Hier wordt echter nog niet duidelijk wat voor effect dit heeft in het recruitmentproces en wat voor invloed dit heeft op de kans om aangenomen te worden. Om dit effect nader te onderzoeken zal dit onderzoek zich richten op kenmerken van de recruiters en wat hun impressie over sollicitanten kan doen met de kans om uitgenodigd te worden voor een sollicitatiegesprek.

26


§ 2.5 Hypotheses 2.5.1. Sollicitanten Profielhouders op SNS willen hun persoonlijke ervaringen graag delen met anderen. Onderzoek heeft aangetoond dat SNS gebruikers een lage mate van privacybezorgdheid vertonen, waardoor het aannemelijk is dat zij meer informatie over zichzelf vrijgeven op hun sociale netwerkprofielen (Antheunis & Schouten, 2011). Zij zijn echter vaak niet op de hoogte van het feit dat deze informatie vrijwel altijd online zal blijven staan. Deze informatie wordt namelijk ‘gecached’, waardoor de informatie na verwijdering nog steeds online beschikbaar is. Sollicitanten staan er niet bij stil wat voor effect dit kan hebben op toekomstige sollicitaties. Eerder onderzoek in de Verenigde Staten en het Verenigd Koninkrijk heeft aangetoond dat minder dan 15% van de sollicitanten denkt dat deze informatie een effect heeft op de uitkomst van een sollicitatie (Microsoft, 2010). Dit onderzoek gaf aan dat 85% van de werkgevers hun beslissing laten beïnvloeden door online informatie. 2.5.2 Werkgevers Wanneer in 2010 85% van de recruiters aangeeft dat online informatie hun mening beïnvloeden, is het aannemelijk dat dit getal in 2012 nog groter is geworden. De algemene percentages met betrekking tot mediagebruik zijn in de tussentijd namelijk ook gestegen. Het is echter nog onduidelijk welke recruiters gebruik maken van online screening. Onderstaande afbeeldingen geven weer welke mensen sociale netwerksites gebruiken, ofwel de persoonlijkheidskenmerken. Hierbij wordt echter nog geen onderscheid gemaakt tussen recruiters (Twittermania, 2012). Figuur 11.1 Legenda kenmerken gebruikers sociale netwerksites

Figuur 11.2 en figuur 11.3 Kenmerken Twittergebruikers – Kenmerken Facebookgebruikers

27


Figuur 11.4 en figuur 11.5 Kenmerken Linkedin gebruiker – Kenmerken Google+ gebruikers

Ondanks dat er geen onderscheid wordt gemaakt naar recruiters, is het wel aannemelijk dat deze algemene gegevens ook gelden voor recruiters. Figuur 11.1 t/m figuur 11.5 geven aan dat zowel Facebook als Twitter voornamelijk gebruikt worden tussen 25-45+, Google+ voornamelijk door 45+ en Linkedin door 45+. Facebook en Twitter wordt voornamelijk gebruikt door vrouwen, terwijl Google+ voornamelijk wordt gebruikt door mannen. Bij Linkedin is er geen verschil tussen beide sexen. Het opleidingsniveau van profielhouders op Linkedin ligt hoger dan bij de andere profielen. In combinatie met onderzoeksvraag 1 worden de volgende hypotheses geformuleerd. H1 Jonge recruiters hebben een voorkeur voor informatie op Facebook en Twitter, terwijl oudere recruiters een voorkeur hebben voor Linkedin en Google+. H2 Recruiters die hoog geschoold zijn hebben een voorkeur voor informatie op Linkedin, terwijl recruiters die lager geschoold zijn een voorkeur hebben voor informatie op Facebook, Twitter en Google+. H3 a Vrouwelijke recruiters zoeken meer online informatie over sollicitanten dan mannen H3 b Vrouwen zoeken voornamelijk op Facebook en Twitter naar informatie over sollicitanten en mannen voornamelijk op Google+, Linkedin wordt door beide sexen bezocht.

Uit figuur 12 van Hubspot in 2010 blijkt dat er grote verschillen zijn tussen de inzet van social media tussen verschillende branches. Hieruit blijkt dat gebruiksproducten, zoals mobiele telefoons, voornamelijk aanwezig zijn op Facebook. Branches zoals vastgoed zijn voornamelijk aanwezig op Linkedin. Branches waarbij kleine marges op de producten zijn te halen zoals toerisme en de nonprofit sector, zitten veelal op Twitter.

28


Figuur 12 Social media activiteiten onderverdeeld naar branche

Figuur 12 gaat echter om de inzet van de bedrijven zelf. Deze afbeelding geeft aan dat er grote verschillen zijn tussen de diverse soorten branches, het is daarom aannemelijk dat er ook grote verschillen zijn in werkgevers die SNS gebruiken om sollicitanten te screenen. Bovenstaande afbeelding is onder te verdeling in profit- en non-profitbranches, waarbij non-profit branches beduidend meer op Linkedin aanwezig zijn dan profit-branches. Verwacht wordt daarom dat: H4 Recruiters werkzaam in profit branches gebruiken Linkedin, Twitter en Facebook voor het zoeken van informatie, recruiters werkzaam in non-profit branches gebruiken enkel Linkedin voor het zoeken van informatie.

Uit onderzoek onder 2000 MKB bedrijven (zie figuur 13) is gebleken dat Facebook en Twitter bovenaan staan in het gebruik, Linkedin op een derde plek, en Google + wordt nauwelijks genoemd (Constant Contact, 2011). Dit geeft aan dat kleinere MKB bedrijven voornamelijk informatie op Facebook en Twitter zoeken, terwijl grote bedrijven actiever zijn op Linkedin. Google+ wordt door beide groepen niet noemenswaardig gebruikt. Figuur 13 Gebruik van Social Media marketing door MKB

29


Hieruit volgt dan ook de volgende hypothese: H 5 Bedrijven met meer dan 250 werknemers zoeken voornamelijk op Linkedin, kleinere bedrijven zoeken voornamelijk op Facebook en Twitter. Google+ wordt nauwelijk gebruikt door beide groepen.

Deze hypothese zouden alleen bevestiging kunnen zijn van wat eerder onderzoek heeft gevonden, het is echter nog niet eerder onderzocht of dit ook voor online recruitment gevolgen heeft.

30


§ 2.6 Impressievorming Mensen vormen impressies. Uit onderzoek blijkt dat mensen maar enkele minuten nodig hebben om een impressie te vormen over een ander (Lampe, Ellison en Steinfeld, 2007). Ondanks dat mensen via deze impressies maar beperkt informatie verkrijgen, ontstaat toch de neiging om iemands persoonlijkheid te generaliseren (Maruyama, 1976). Dit wordt ook wel de ‘thin slices theorie’ genoemd. Deze term geeft aan dat mensen op basis van een relatief korte samenvatting van eigenschappen en andere persoonlijke informatie conclusies trekken (Carney et al., 2007). Dit bevat echter vaak informatie die nog niet verder onderzocht en geverifieerd is. Op basis van deze kleine hoeveelheid informatie kan dus nog niet worden vastgesteld welke waarde deze informatie heeft en of de getrokken conclusie juist is (Van den Bosch, 2010). Niet elke vorm van werving en selectie zorgt ervoor dat men een correcte impressie kan vormen. Figuur 14 toont welke vormen van expressies invloed hebben op impressievorming en in welke mate. In het algemeen is het zo dat online situaties meer onder controle zijn dan offline situaties. Lea & Spears (1992) tonen het belang van het gebruik van taal in impressiemanagement. Door middel van computer gemedieerde communicatie (CMC) kan de controle van iemands verbale uitingen worden vergroot. Mensen kunnen zichzelf veel selectiever uiten dan in offline situaties (Döring, 2006) Figuur 14 Dimensies van expressies in alledaagse context

Een andere model over impressievorming is het Brunswikian Lens Model (Brunswik, 1956). Dit model veronderstelt dat individuen gedrag vertonen dat bewust of onbewust hun persoonlijkheid reflecteert. Het model gaat er vanuit dat elementen uit de omgeving als een soort lens functioneren, waardoor andere mensen conclusies kunnen trekken aan de hand van de kenmerken van een individu (Walther et al., 2008). Brunswik (1956) geeft aan dat mensen op basis van verschillende soorten informatie impressies vormen. De eerste manier is op basis van gecontroleerde informatie. Deze informatie is ‘self generated’ en wordt door een individu zelf aangedragen. Verder kunnen mensen impressies vormen op basis van ongecontroleerde informatie. Deze informatie is ‘other generated’, hierop kan een individu zelf geen informatie uitoefenen (Walther et al., 2009).

31


2.6.1 Online impressievorming Mensen kunnen ook impressies vormen door middel van informatie op internet. Dankzij de komst van nieuwe communicatietechnologieën is de manier waarop mensen impressies vormen drastisch veranderd. Naast impressies gevormd door het zien van de eerder genoemde ‘self generated’ en ‘other generated’ informatie, kunnen impressies ook gevormd worden door ‘system generated’ informatie. Dit zijn bijvoorbeeld statistieken met betrekking tot de bezoekersaantallen op een sociaal netwerkprofiel. Als iemand veel bekeken wordt zou dit kunnen duiden op een hoge mate van populariteit, wat de impressie van de bezoeker zou kunnen beïnvloeden (Tong et al., 2008). Sociale netwerksites kunnen gebruikt worden als een middel om sollicitanten te screenen. Dit kan echter positieve en negatieve uitkomsten hebben, afhankelijk van het soort informatie op het profiel. Brandenburg (2007) zegt hier het volgende over: ‘Online sociale netwerken zijn een screeningtool voor sollicitanten. Het is niet aannemelijk dat een sollicitant ooit provocatieve foto’s, gedetailleerde omschrijving van sexervaringen of een lijst met hobby’s waaronder het gebruik van drugs op zijn CV zal zetten. Met slechts een paar muiskliks is het echter mogelijk om deze informatie over potentiele kandidaten toch te onthullen.’ In de huidige competitieve samenleving is het van belang dat bedrijven accuraat onderzoeken of potentiële werknemers competent genoeg zijn. Het internet is hierbij een belangrijke aanvulling geworden (Brandenburg, 2008). Met name door de komst van SNS is het mogelijk geworden om voorafgaand aan het sollicitatiegesprek de sollicitant te screenen. Het internet wordt namelijk niet alleen ingezet om vacatures te plaatsen, maar ook om informatie te verkrijgen over een sollicitant (Dafoulas et al. 2003). De belangrijkste redenen om internet te gebruiken als hulpmiddel is de kans om een groter publiek te bereiken en een groter aantal sollicitaties sneller en goedkoper te onderzoeken (Laumer en Eckhardt, 2009). Het ‘Warranting Principle’ van Walther en Parks (2002) kan online impressievorming nader toelichten. Warranting verwijst naar de capaciteit om een goede verbinding tussen een persoon online en een persoon in de ‘echte wereld’ te maken (Walther et al., 2009). Dit kan weer gekoppeld worden aan de drie typen informatie. Het Warranting Principe verondersteld dat self generated informatie minder waardevol is voor bezoekers, in dit geval recruiters, dan other generated informatie. Bij self generated informatie hebben profielhouders namelijk zelf de controle over welke informatie zij online plaatsen. Zij kunnen deze informatie dan ook gemakkelijk manipuleren. Other generated informatie kan daarentegen niet gemanipuleerd worden door de profielhouder en wordt als betrouwbaarder gezien (Antheunis et al., 2010). Uit onderzoek van Appelman et. al (1980) blijkt dat mensen geneigd zijn zichzelf positiever te presenteren dan de realiteit. Dit heet de ‘selfpresentation bias’ ofwel de zelfpresentatie voorkeur. Het effect hiervan is erg belangrijk voor mensen, positieve zelfpresentatie resulteert namelijk in goedkeuring, vriendschap, hulp of macht. Men maakt een beeld van zichzelf dat uniek en positief is, en willen onszelf dan ook presenteren op een manier die congruent is met dat beeld. Theoretici als Festinger zagen het verlangen naar consistentie als een centrale motivator voor gedrag (Marketingfacts, 2012). Hieruit blijkt dat mensen zichzelf mogelijk een stuk positiever voordoen dan zij daadwerkelijk zijn of zich op dat moment voelen. Recruiters zien deze positieve informatie ook. Zoals echter al eerder aangegeven, wordt informatie die niet door de profielhouder zelf wordt geplaatst, als betrouwbaarder gezien. Het is daarom aannemelijk dat recruiters dit ‘schijn positivisme’ doorzien en de persoon van het sociale netwerkprofiel als ongeschikter beoordelen dan bij een gematigd of negatief profiel. Het kan echter ook zo zijn dat recruiters positieve profielen wel beter beoordelen dan negatieve profielen. Uit onderzoek van Appelman et. al (1980) blijkt dat mensen geneigd zijn zichzelf positiever te presenteren dan de realiteit. Dit heet de ‘self-presentation bias’ ofwel de zelfpresentatie voorkeur. Het effect hiervan is erg belangrijk voor mensen, positieve zelfpresentatie resulteert namelijk in goedkeuring, vriendschap, hulp of macht. Men maakt een beeld van zichzelf dat uniek en positief is, en willen onszelf dan ook presenteren op een manier die congruent is met 32


dat beeld. Theoretici als Festinger zagen het verlangen naar consistentie als een centrale motivator voor gedrag (Marketingfacts, 2012). Hieruit blijkt dat mensen zichzelf dus een stuk positiever voordoen dan zij daadwerkelijk zijn of zich op dat moment voelen. Recruiters zien deze positieve informatie ook. Zoals echter al eerder aangegeven, wordt informatie die niet door de profielhouder zelf wordt geplaatst, als betrouwbaarder gezien. Het is daarom aannemelijk dat recruiters dit ‘schijn positivisme’ doorzien en de persoon van het sociale netwerkprofiel als ongeschikt beoordelen dan een gematigd of negatief profiel. Het kan echter ook zo zijn dat recruiters positieve profielen wel beter beoordelen dan negatieve profielen. Hieruit volgen de volgende hypothese: H 6 A Respondenten waarderen profielhouders met othergenerated informatie als geschikter dan profielen met selfgenerated informatie. H 6 B Negatieve informatie draagt meer bij aan het oordeel van een respondent over de geschiktheid van een sollicitant dan positieve informatie.

§ 2.7 Onderzoeksvraag Bovenstaand theoretisch kader geeft inzichten over recruitment en online screening. Het kader laat echter nog een aantal vragen onbeantwoord. Dit onderzoek tracht deze vragen te beantwoorden en nadien praktische adviezen te geven. Hiervoor zijn de volgende onderzoeksvragen geformuleerd: 1) Wat zijn de kenmerken van recruiters die online zoeken? 2) Wat is de waarde van self-, other- en systemgenerated informatie? Deze onderzoeksvragen worden beantwoord middels een experiment verwerkt in een digitale survey. Tijdens dit experiment worden de hypothesen getoetst en wordt er een antwoord gevormd op de onderzoeksvraag.

33


3| Methodologie § 3.1 Onderzoeksdesign Er zijn verscheidende methoden te gebruiken voor empirisch onderzoek. Yin (1994) onderscheidt vijf verschillende onderzoeksmethoden, waaronder een survey. In dit onderzoek is gekozen voor een digitale variant van het survey. Om inzicht te krijgen in de algemene probleemstelling ‘Wat zijn de kenmerken van recruiters die online screenen en wat voor invloed heeft online screenen en online informatie op de uitkomst van een sollicitatie?’ is er gekozen voor een experiment in de vorm van een online survey. Deze online survey bestaat uit vier versies, welke gerandomiseerd getoond worden wanneer de respondent naar de website www.thesistools.com/recruitment gaat (zie appendix B). De vier versies zijn respectievelijk: 1. Positieve foto, neutrale berichten 2. Negatieve foto, neutrale berichten 3. Positieve berichten, neutrale foto 4. Negatieve berichten, neutrale foto Elke respondent krijgt 1 versie te zien, welke bestaat uit vier sociale netwerkprofielen (Facebook, Linkedin, Twitter en Google+). De survey geeft inzicht in de kenmerken van recruiters die gebruik maken van online screening en hoe deze online informatie effect heeft op de impressie van de recruiter en daarmee op de slagingskans van de sollicitant. In de analyse wordt duidelijk door welke soort informatie een bepaalde ‘soort’ recruiter kan worden beïnvloed. §3.2 Operationalisatie Onderzoeksvraag 1 richt zich op eigenschappen van de recruiter. Deze worden bevraagd aan de hand van een aantal algemene vragen aan het einde van de enquête. Dit zijn onder meer: Wat is uw geslacht? Wat is uw leeftijd? Wat is uw hoogst genoten opleiding? Wat is uw woonplaats? Waar is het bedrijf waar u werkzaam bent gevestigd? Hoeveel werknemers heeft het bedrijf waar u werkzaam bent? Deze eigenschappen zijn direct meetbaar aan de hand van de gegeven antwoorden door de respondent. Onderzoeksvraag 2 richt zich op de geschiktheid van een getoond profiel. Geschiktheid wordt in dit geval gemeten op een 7-punts Likert-schaal door de vraag: Vindt u deze persoon geschikt voor een functie binnen uw bedrijf? Na elke afbeelding van de vier sociale netwerken wordt deze vraag gesteld. Daarnaast richt deze vraag op self-, other- en systemgenerated informatie. Deze informatie is vooraf gemanipuleerd en het hangt van de versie af welke informatie de respondent te zien krijgt. Door middel van de vraag ‘Vindt u deze onderdelen geschikt voor een sociaal netwerkprofiel?’, geeft de respondent een score over de mate waarin hij of zij een bepaald onderdeel van een sociaal netwerkprofiel geschikt vindt. 34


§ 3.3 Opzet Voorafgaand aan de definitieve survey is er eerst een pretest gedaan. Deze pretest is afgenomen bij zeven mensen (N=7). De bedoeling hiervan is te onderbouwen dat de juiste sociale netwerkprofielen de juiste impressie oproept bij mensen (zie appendix A). Pretest Voor deze pretest zijn 7 mensen ondervraagd. Zij hebben de vier sociale netwerkprofielen gezien en moesten daarover een vragenlijst invullen. Aan de ondervraagden werd gevraagd om in gedachten te houden hoe verstandig zij de keuze vonden van de bepaalde onderdelen, in acht genomen dat het om een sollicitatie ging. Hieruit is gebleken dat de keuze van foto’s werden beoordeeld zoals verwacht, 6 van de 7 personen beoordeelden deze foto’s als een verstandige keuze met een gemiddelde beoordeling van 1.5 (M= 1.5, SD=1.13). Dit houdt in dat de positieve foto’s als positief werden beoordeeld, en de negatieve foto’s als negatief. Dit was ook het geval bij de positieve en negatieve berichten. Bij de neutrale foto’s en berichten waren de meningen meer verdeeld, 4 van de 7 personen beoordeelden de neutrale foto’s met een gemiddelde van 3.4 (M = 3.4, SD=1.04). Dit houdt in dat vier van de ondervraagden de neutrale aspecten ook als neutraal beoordeelden. De overige ondervraagden beoordeelden de berichten als meer positief. In samenspraak met de ondervraagden zijn de neutrale aspecten dan ook aangepast, zodat deze als neutraal werden beschouwd. Opmerkingen als ‘ik heb een rustige dag gehad vandaag’ vonden de meeste ondervraagden niet overwegend positief of negatief en mag dus gekarakteriseerd worden als neutraal. De subjectiviteit die een respondent kan uitdragen wordt gepoogd te ondervangen in de enquête door de vraag: ‘In hoeverre hebben onderstaande onderdelen bijgedragen aan uw oordeel over de geschiktheid van de profielhouder?’ Wanneer de respondent aangeeft dat hij of zij de profielhouder geschikt of ongeschikt vind, dan wordt bij deze vraag duidelijk door welk aspect de respondent op dit oordeel is gekomen. Enquête Per versie worden vier sociale netwerken getoond, 1 Facebookprofiel, 1 Twitterprofiel, 1 Linkedinprofiel en 1 Google+profiel. In totaal is er sprake van een 4x4 design en zijn er zestien sociale netwerkprofielen gemanipuleerd. Daarnaast moet de respondent een aantal kenmerken over hemzelf en het bedrijf waar hij werkt invullen. De keuze van de foto’s voor de enquête zijn weloverwogen. Voor versie 1 zijn enkel foto’s gekozen waarbij de persoon op de foto een symmetrisch gezicht had en ‘en face’ getoond werden. Uit onderzoek is namelijk gebleken dat deze personen als meest aantrekkelijk worden gezien (Langlois en Roggman, 1990). De achterliggende theorie wordt ook wel de ‘Gulden Snede’ genoemd en wordt al in de Griekse filosofie gebruikt door Pythagoras (figuur 15). De gulden snede beschrijft de ‘verdeling in uiterste en middelste reden’ en is de verdeling van een lijnstuk in twee delen in een speciale verhouding. Bij de gulden snede verhoudt het grootste van de twee delen zich tot het kleinste, zoals het gehele lijnstuk zich verhoudt tot het grootste. Dit is een nogal ingewikkelde berekening, maar samenvattend is het een wiskundige verhouding waarbij de afstand van de voet tot de navel van een menselijk lichaam vergeleken wordt Dit is de verhouding 1:1,618. Dit wordt ook wel het gulden getal of Phi genoemd (Pythagoras, 500 v.Chr). Leonardo da Vinci heeft deze regel toegepast in onder meer de Mona Lisa (geschilderd tussen 1503 en 1507). Om zijn composities geen stijve indruk te geven, paste hij vloeiende, ritmische lijnen toe gebaseerd op de gulden snede om depositie te verzachten. Ook in de moderne wetenschap wordt deze theorie toegepast. Mensen wiens gezicht symmetrisch is en geproportioneerd volgens de gulden snede worden als meer aantrekkelijk beschouwd (Stroeker, 2007). 35


Figuur 15 Gulden snede toegepast in een schilderij – Gezicht geproportioneerd volgens de gulden snede

Voor versie 2 zijn foto’s genomen die vaak als negatief worden gezien, zeker wanneer het gaat om een sollicitatie. Dit zijn foto’s van feestende mensen. Uit onderzoek is gebleken dat werknemers de sollicitant dan minder serieus nemen. Voor versie 3 en 4 is dezelfde insteek genomen. Versie 3 bevat positieve berichten, waarin de profielhouder wordt geprezen vanwege bepaalde eigenschappen, in combinatie met een neutrale pasfoto. Versie 4 bevat negatieve berichten, die betrekking hebben op feestgedrag, in combinatie met een neutrale pasfoto. Wat de neutrale onderdelen betreft, deze zijn in samenspraak met de ondervraagden van de pretest bepaald. Versie 1 en 2 geven resultaten met betrekking tot self generated informatie, het plaatsen van een zelfgekozen profielfoto en het effect daarvan op de recruiter. Recruiters moeten bij elk van de profielen aangeven in hoeverre de verschillende onderdelen van het profiel belangrijk achten en of zij de persoon geschikt achten voor een baan. Versie 3 en 4 geven resultaten met betrekking tot other generated informatie, berichten geplaatst door anderen en het effect daarvan op de recruiter. Ook hierbij moeten de recruiters aangeven hoezeer zij bepaalde onderdelen geschikt achten.

36


§ 3.4. Respondenten Voorafgaand aan het online plaatsen van de enquête is door middel van een formule berekend hoeveel respondenten een betrouwbaar beeld geven te van de volledige steekproef. Hierbij is uitgegaan van een foutenmarge van 9,78 %, een betrouwbaarheidsinterval van 95%, een standaard spreiding van 50%, wat uitkomt op een minimaal aantal respondenten van N= 100. (http://www.journalinks.be/steekproef, 2013) In totaal hebben 112 respondenten de enquête ingevuld. Hiermee is ruim voldaan aan de vooraf vastgestelde steekproef. Na het invoeren van de resultaten in SPSS en een selectie op basis van de functieomschrijving vastgesteld in vraag 1 en 2 is hier een valide steekproef van N = 98 respondenten uitgekomen. De vier verschillende versies zijn door respectievelijk 19, 29, 21 en 26 respondenten ingevuld. Per versie heeft elke respondent 4 sociale netwerkprofielen beoordeeld. Uiteindelijk hebben niet alle respondenten de enquête volledig ingevuld. De persoonlijke kenmerken van de recruiter zijn afwisselend door N= 80 tot en met N= 99 respondenten ingevuld, zoals te zien is in tabel 16. Het verschil in dit aantal ligt aan het aantal respondenten dat begonnen is aan de survey en ook daadwerkelijk heeft afgemaakt. Dit is het minimum aantal respondenten benodigd voor een representatieve steekproef. Tabel 16 Gebruikte steekproef

Gebruikte steekproef N Geslacht 80 Leeftijd 99 Provincie 99 Hoogste opleiding 79 Grootte van bedrijf 79

37


§ 3.5. Analyse Om de hypothese te kunnen toetsen, zijn de resultaten verwerkt in SPSS versie 21 (IBM,2012). Alle resultaten zijn digitaal verzameld, en geëxporteerd naar een SPSS-file. De analyse is onderverdeeld in twee onderdelen: - beschrijving van de populatie - toetsen van hypothesen 3.5.1 Kenmerken respondenten In appendix C worden de persoonlijke kenmerken van de respondenten uiteengezet. Aan de hand hiervan wordt duidelijk welke ‘soort’ respondenten de enquête hebben ingevuld. Van de respondenten was 34.3% man en 45.5% vrouw. Negentien personen (19.5%) heeft de enquête niet volledig ingevuld. De ingevulde leeftijd van de respondenten ligt in de categorieën 2125 jaar en 61-65 jaar, met een gemiddelde van M=5.20 en SD=1.75 wat inhoudt dat de gemiddelde leeftijd van de respondenten ligt in de categorie 31-35 jaar. Figuur 17 geeft weer wat de herkomst van de respondenten is. Ondanks dat er grote zorg is besteed aan een zo representatief mogelijk steekproef, is het toch niet gelukt om uit elke provincie respondenten te verkrijgen. Een kleine meerderheid van de respondenten is woonachtig in de provincie Utrecht, het kleinste aantal respondenten in Limburg. Figuur 17 Woonplaats respondenten – onderverdeeld in provincies

De vaakst genoten opleiding van de respondenten is een Hbo-opleiding. De branches waarin de respondenten werken zijn erg divers. Er zijn een groot aantal respondenten werkzaam in de Werving & Selectie branche, de overige respondenten zijn niet werkzaam in deze branche, maar werven wel personeel voor hun eigen organisatie. Dankzij deze tweedeling is het mogelijk om te onderzoeken of 38


er verschillen zijn tussen respondenten die ‘recruitment’ werkelijk als hoofdfunctie hebben en respondenten die personeel werven voor interne werkzaamheden. Tabel 18 Frequenties ‘werkzame tijd’

0-6maanden 6-12 maanden 1 of 2 jaar 3 of 4 jaar 5 of 6 jaar 7 of 8 jaar 9 of 10 jaar 11 of 12 jaar 13 of 14 jaar 15 of 16 jaar 17 of 18 jaar 19 of 20 jaar 20 jaar of langer Missing Totaal

Hoelang werkzaam bij bedrijf Frequentie 24 4 16 27 10 1 4 0 2 5 2 0 1 3 99

Percentage 24.3 4.0 16.2 27.3 10.1 1 4.0 0.0 2.0 5.0 2.0 0 1 3.0 100.0

Opvallend aan tabel 18 is het aantal respondenten die 3 of 4 jaar werkzaam zijn in hun huidige functie. Enkele uitschieters zijn bijvoorbeeld 38 jaar werkzaam of slechts 2 maanden werkzaam.

Een verklaring hiervoor kan zijn dat recruiters die 3 of 4 jaar werkzaam zijn graag mee willen werken aan onderzoeken om zo het beste uit hun vakgebied te halen. Een andere verklaring kan zijn dat deze groep recruiters meer aanwezig zijn op sociale media dan de respondenten die al langer werkzaam zijn bij een bedrijf. Tabel 19 Frequenties ‘grootte van bedrijf’ Grootte van bedrijf Frequency Percent Valid Percent Valid

Micro Klein Middelgroot Groot Macro Total

26 12 11 7 23 79

26,3 12,1 11,1 7,1 23,2 79,8

Missing

9

20

20,2

99

100,0

Total

32,9 15,2 13,9 8,9 29,1 100,0

Cumulative Percent 32,9 48,1 62,0 70,9 100,0

In totaal hebben N=79 respondenten een antwoord ingevuld op de vraag ‘Hoe groot is het bedrijf waar u werkzaam bent’. Hieruit kwam een gemiddelde van M =2.86, wat inhoudt dat de gemiddelde grootte van de bedrijven middelgroot is (50-250 werknemers). Tabel 19 laat zien dat vooral de micro en macro bedrijven goed vertegenwoordigt zijn.

39


Afbeelding 20 Frequenties ‘vestigingslocatie bedrijf’

De spreiding van de plaatsen waar de bedrijven gevestigd zijn, is groot. Het grootste aantal respondenten is gevestigd in Noord-Brabant en Noord- en Zuid-Holland. Verder geeft tabel 21 weer dat 58.6% van de respondenten aan dat zij zich laten leiden door sociale netwerksites. Deze uitkomst geeft aanleiding tot verder onderzoek. Tabel 21 Mate van beïnvloeding door sociale netwerksites

Valid

Mate van beïnvloeding door sites Frequency Helemaal niet 3 Beetje niet 9 Niet 13 Neutraal 16 Wel 40 Beetje wel 17 Helemaal wel 1 Total 99

Percent 3,0 9,1 13,1 16,2 40,4 17,2 1,0 100,0

§ 3.5.2 Non respons Uit de analyse is gebleken dat er N=12 respondenten hebben aangegeven niet de verantwoordelijkheid te dragen over het werving- en selectieproces binnen hun organisatie. De overige respondenten dragen dus wel de verantwoordelijkheid over dit proces of hebben niets ingevuld en zijn uit de steekproef gefilterd. 40


4| Data Analyse § 4.1 Inleiding Na het invoeren van de data is deze eerst ‘schoongemaakt’. Aan de hand van de frequenties van de ingevulde antwoorden is gekeken of er geen ‘vreemde’ uitkomsten waren. Dit houdt in dat er bijvoorbeeld bij de categorische variabelen, zoals geslacht, enkel uitkomsten zijn gegeven van 1 = man of 2 = vrouw. Dit is bij alle variabelen nagekeken en waar nodig uit de data gefilterd. Tevens is in eerste instantie meteen al gebleken dat er een nieuwe hypothese gevormd kon worden, zogenaamde ‘post hoc hypothese’. De enquête is namelijk ingevuld door zowel recruiters als HRmedewerkers. Dit onderscheid komt voort uit de hoofdfunctie van de respondent. Recruiters zijn werkzaam bij een recruitmentbureau en hebben als hoofdfunctie kandidaten werven voor een externe organisatie, terwijl HR-medewerkers kandidaten werven voor interne functies. Zoals in het theoretisch kader al duidelijk wordt, is er de laatste tijd veel nieuws rondom online screening door werkgevers. Recruiters hebben echter een langdurige opleiding doorlopen om zo kritisch en professioneel mogelijk kandidaten te werven. Zij mogen zich hierbij niet laten leiden door hun gevoel. Het is dan ook aannemelijk dat recruiters kritischer en objectiever zijn. De analyse gaf echter aan dat er geen significanten verschillen zijn tussen de waargenomen geschiktheid door respondenten werkzaam bij recruitmentbureau’s en respondenten werkzaam bij nietrecruitmentbureau’s.

41


§ 4.2 Hypothesen Hypothese 1 Jonge recruiters vinden informatie over sollicitanten getoond op Facebook en Twitter meest geschikt, terwijl oudere recruiters een voorkeur hebben voor Linkedin en Google+. Ondersteund/ Weerlegd Voor het beantwoorden van deze hypothese is de SPSS file eerst aangepast, zodat enkel de respondenten in de leeftijdklasse ‘jong’ tot en met 35 jaar jaar worden bekeken. Uit de resultaten blijkt dat Linkedin 41 keer genoemd wordt als meest geschikte profiel in de leeftijdsklasse ‘jonge recruiter’. Ook blijkt er een gemiddelde van M=3.44 en een standaard deviatie van 1.162 . Linkedin krijgt de voorkeur over andere sociale netwerken betreft de geschiktheid voor het zoeken van informatie over een sollicitant. Facebook staat op de tweede plek, met een frequentie van slechts 7 keer. Om de voorkeur van de leeftijdsklasse ‘oudere recruiter’ te onderzoeken, wordt de SPSS file wederom aangepast, echter nu met respondenten ouder dan 35 jaar. De resultaten gaven aan dat Linkedin 23 keer wordt genoemd als meest geschikte profiel. Dit wordt bevestigd door het gemiddelde M=3.52. Twitter staat hier op de tweede plek met een frequentie van 4 keer. Opvallend is dat in deze leeftijdsklasse niemand Google+ heeft ingevuld, tegenover twee respondenten in de leeftijdsklasse ‘jonge recruiter’. Om te testen of er een significante relatie is tussen de leeftijd van recruiters en de gegeven uitkomst met betrekking tot het meest geschikte profiel, is er een Chi-square toets gedaan. Er is eerst een kruistabel gemaakt in de vorm van ‘ jonge recruiters x meest geschikte profiel’. Hieruit volgen de frequenties van de ingevulde respondenten, weergegeven in tabel 22. Jonge recruiters is onderverdeeld in ‘niet jong’ en ‘wel jong’, oftewel jonge recruiters én oude recruiters. Tabel 22 Kruistabel ‘jonge recruiters X meest geschikte profiel’

Jongerecruiters * Meestgeschikteprofiel Crosstabulation Meestgeschikteprofiel 0 recruiters

Total

Facebook

Twitter

Total Google+

Linkedin

Niet jong

0

2

4

0

23

29

Wel jong

1

7

1

2

41

52

1

9

5

2

64

81

De uitkomst van de Chi Kwadraat toets geeft een aantal cellen die een verwachte frequentie lager dan 5 hebben. Hierdoor is deze toets niet volledig betrouwbaar. Om dit te corrigeren is ervoor gekozen om de Fisher’s exact test te doen. Om de Fisher’s Exact Toets correct uit te kunnen voeren, is er een nieuwe variabele aangemaakt, waarin de frequenties van het antwoord Linkedin en de overige antwoorden is aangegeven. In dit geval wordt dus getoetst hoe significant de uitkomsten van Linkedin tegenover de overige sociale netwerken zijn.

42


Figuur 23 geeft aan hoeveel jonge recruiters (N=52) en hoeveel oude recruiters (N=47) er zijn. Dit wordt gevisualiseerd in onderstaande grafiek. De jonge recruiters kiezen voornamelijk voor Linkedin, de oude recruiters kiezen wat meer divers en niet enkel voor Linkedin. Figuur 23 Gegeven antwoorden door jonge en oude recruiters, onderscheid tussen Linkedin en overig

Uit de Chi Kwadraat toets blijkt nu dat, dankzij het creëren van een nieuwe variabele, er geen cellen meer zijn die lager zijn dan 5. Ook kunnen we uit tabel 24 concluderen dat de verschillen tussen de gegeven resultaten bij de oude en jonge recruiters significant zijn bij een Chi Kwadraat van van χ2 (1) = 9.66, p < .002. Tabel 24 Pearson Chi-toets Chi-Square Tests Value

df

Asymp. Sig. (2-

Exact Sig. (2-

Exact Sig. (1-

sided)

sided)

sided)

a

1

,002

Continuity Correction

8,399

1

,004

Likelihood Ratio

9,825

1

,002

Pearson Chi-Square

9,663 b

Fisher's Exact Test

,003

,002

,003

,002

,003

,002

N of Valid Cases 99 a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 16,62. b. Computed only for a 2x2 table c. The standardized statistic is 3,093.

Ondanks dat de verschillen tussen de beide groepen recruiters significant te noemen zijn, moet er toch geconcludeerd worden dat beide partijen informatie getoond op Linkedin het meest geschikt vinden en er geen verdeling aangetroffen is zoals beweerd in de hypothese. Wel is duidelijk geworden dat jonge recruiters Linkedin overduidelijk het meest geschikt vinden voor het zoeken naar online informatie, terwijl de voorkeuren van de oude recruiters nogal verdeeld zijn. 43


Hypothese 2 Recruiters die hoog geschoold zijn hebben een voorkeur voor het zoeken naar informatie op Linkedin, terwijl recruiters die lager geschoold zijn een voorkeur hebben voor informatie op Facebook, Twitter en Google+. Ondersteund/Weerlegd Om deze hypothese te toetsen wordt de SPSS file gesplitst naar hoogopgeleide en laagopgeleide respondenten. Hiervoor worden eerst enkel de respondenten die hoogopgeleid zijn geselecteerd. De file wordt hiervoor gesplitst naar 4 = HAVO, 5 = VWO, 6 = HBO en 7 = WO. Om deze hypothese te beantwoorden is er in de survey de vraag opgenomen: ‘Kunt u aangeven in hoeverre u onderstaande sociale netwerksites geschikt vindt voor het zoeken naar informatie?’ Uit de analyse is gebleken dat er N=71 respondenten voldoen aan de voorwaarde ‘hoog opgeleid’. Verder blijkt dat Linkedin ruim bovenaan staat met een gemiddelde van M=6.58. Dit is het hoogst mogelijke antwoord dat een respondent heeft kunnen geven. Verder staat Twitter op een tweede plek, gevolgd door Facebook en Google+. De overige netwerken, die overigens niet enkel als social media netwerk, maar ook als foto/video sharing profiel kunnen worden getypeerd, scoren nogal laag. Om te onderzoeken of de netwerken Facebook, Twitter en Google+ beter scoren bij laagopgeleide respondenten dan bij laagopgeleide respondenten, wordt de SPSS file gesplitst volgens 1 = Geen opleiding, 2 = VMBO en 3 = MBO. Er zijn 8 respondenten lager opgeleid. Dit kan te wijten zijn aan het feit dat voor de functie ‘recruiter’of ‘HR-medewerker’ een bepaald niveau vereist is. Hierdoor kunnen de resultaten een vertekend of niet-representatief beeld geven van de gehele populatie. Uit de analyse blijkt dat ook hier Linkedin het meest geschikt wordt bevonden met een gemiddelde van M=5.50. Op de tweede plek staat Facebook, met een gemiddelde van M=5.13. Deze twee sociale netwerken liggen dus erg dicht bij elkaar, in tegenstelling tot het eerste en tweede antwoord van de hoger opgeleide respondenten. De gegeven antwoorden op de variabele ‘meest geschikte profiel’ zijn voor alle vier de sociale netwerkprofielen normaal verdeeld. Hierdoor is het mogelijk om een T-test te doen. Tabel 25 geeft eerst de gemiddelden gegeven door de recruiters, gesplitst op opleidingsniveau. Hieruit blijkt onder meer dat hoogopgeleid recruiters een gemiddelde van M=4.77 geven aan Facebook en laagopgeleide recruiters een gemiddelde van M=4.25 aan Google+ geven. Tabel 25 Beschrijving Geschiktheid ten opzichte van opleidingsniveau Geschiktheid sns tegenover opleidingsniveau Hoogopgeleid Facebook geschikt

Twitter geschikt

LinkedIn geschikt

Google geschikt

N

Mean

Std. Deviation

Wel hoogopgeleid

71

4,77

1,891

Niet hoogopgeleid

8

5,13

,991

Wel hoogopgeleid

71

5,00

1,682

Niet hoogopgeleid

8

3,88

2,100

Wel hoogopgeleid

71

6,58

,905

Niet hoogopgeleid

8

5,50

2,619

Wel hoogopgeleid

71

3,86

1,907

Niet hoogopgeleid

8

4,25

2,121

44


Onderstaande tabel geeft de uitkomst van de ‘Independent Samples T-Test’ weer. Allereerst wordt er gekeken naar de significantie in de kolom onder ‘ Levene’s Test’. Hieruit blijkt dat enkel Facebook en Linkedin significant zijn volgens deze test. Dit houdt in dat bij de tweezijdige significantie naar het tweede resultaat moet worden gekeken. In het geval van Facebook is er een significantie van p < .414, bij Twitter een significantie van p < .084, bij Linkedin een significantie van p <.285 en bij Google een significantie van p< 0.588. Omdat de hypothese geformuleerd voorafgaand aan de analyse een bepaalde richting bevat, namelijk dat hoogopgeleiden een voorkeur hebben voor Linkedin en laagopgeleiden een voorkeur hebben voor de overige netwerken, mogen de significantiewaarden gedeeld worden en wordt er dus eenzijdig getoetst. Hieruit blijken dan de volgende significantiewaarden: Facebook = t (77) = -.514, p =.414, Twitter = t(77) =1.750, p=.084, Linkedin = t(77)=2.470, p=.285 en Google+ = t (77) =-.544, p=.588. Hieruit blijkt dat Twitter significante verschillen geeft, echter enkel wanneer er, zoals in dit geval, eenzijdig wordt getoetst. Tevens wordt uit bovenstaande tabel duidelijk dat de standaardafwijking van de gemiddelden een redelijk aparte verdeling betreft. Een reden hiervoor kan het grote verschil in populatie zijn. De overige netwerken scoren allen wel verschillend in beide groepen zoals te zien in tabel 26, deze verschillen zijn echter zeer klein en dankzij het kleine aantal laagopgeleide respondenten nauwelijks te generaliseren. Tabel 26 T-Test Independent Samples Test Levene's Test for Equality of Variances F Sig. Facebook geschikt Twitter geschikt LinkedIn geschikt Google geschikt

Equal variances assumed Equal variances not assumed Equal variances assumed Equal variances not assumed Equal variances assumed Equal variances not assumed Equal variances assumed Equal variances not assumed

5,398

,023

1,232

,270

22,778

,000

,020

,887

t-test for Equality of Means t

df

-,514 -,842 1,750 1,463 2,470 1,156 -,544 -,499

77 13,694 77 8,044 77 7,190 77 8,326

Sig. (2-tailed)

Kort gezegd houdt dit in dat de geschiktheid van Linkedin, Facebook en Google+ niet significant blijken te verschillen, de uitkomsten bij Twitter wel. Dit geeft aan dat de verschillende gemiddeldes tussen jonge en oude recruiter niet berusten op toeval, maar daadwerkelijk afhangen van de leeftijd van de respondent. Hiermee kan de hypothese echter niet ondersteund worden.

45

,609 ,414 ,084 ,181 ,016 ,285 ,588 ,631


Hypothese 3 A Vrouwelijke recruiters zoeken vaker online informatie over sollicitanten dan mannen Ondersteund/Weerlegd Om deze hypothese te kunnen toetsen wordt de SPSS file gesplitst naar mannen en vrouwen volgens Geslacht = 1 en Geslacht = 2. Eerst wordt de file geselecteerd op vrouwelijke respondenten. Hieruit blijkt dat het grootste gedeelte vrouwen, namelijk 80%, altijd online naar informatie over een sollicitant zoeken. De 45 vrouwelijke respondenten die deze vraag hebben ingevuld, zorgen samen voor een gemiddelde van M=3.20 wat gerelateerd is aan de keuzemogelijkheid ‘soms’. Om deze resultaten te vergelijken met de mannelijke respondenten, wordt de SPSS file geselecteerd op mannen. Hieruit blijkt dat 91.2% online zoekt naar informatie en een gemiddelde van M=3.47. Ondanks dat dit gemiddelde hoger ligt dan bij de vrouwen, geeft ook dit gemiddelde aan dat er een groot percentage respondenten is die de overige keuzemogelijkheden hebben ingevuld. Eerst wordt er gekeken naar Levene’s Test. Deze geeft aan of er gelijkheid bestaat in variantie tussen de mannelijke en vrouwelijke recruiters. Indien Levene’s test kleiner is dan p < .05 is er geen gelijkheid. In dit geval is de significantie ruim boven de vastgestelde eis en mogen we dus aannemen dat de varianties gelijk zijn en dus moet er gekeken worden naar de bovenste rij in de kolom ‘ tweezijdige significantie’ . Uit de independent sample T-test blijkt een significantie van t(77)=1.400, p= .165, wat inhoudt dat de gegeven antwoorden niet significant van elkaar verschillen. De beschrijvende tabellen hebben aangegeven dat mannen net zo vaak online zoeken naar informatie dan vrouwen, echter kan dit niet significant bevestigd of weerlegd worden in dit onderzoek. Hypothese 3 A wordt hiermee niet ondersteund, gezien het feit dat mannen net zo vaak online naar informatie zoeken dan vrouwen.

46


Hypothese 3 B Vrouwen zoeken voornamelijk op Facebook en Twitter naar informatie over sollicitanten en mannen voornamelijk op Google+, Linkedin wordt door beide sexen bezocht. Ondersteund/Weerlegd Voor wat betreft mannen heeft Linkedin een gemiddelde van M= 6.26 heeft, gevolgd door Facebook met M=5.32. Twitter volgt op een derde plaats met een gemiddelde van M=5.15. Wanneer de file geselecteerd is op vrouwen, dan blijkt dat Linkedin het meest belangrijk is, met een gemiddelde van M=6.64. Dit gemiddelde ligt hoger dan bij de mannen. Twitter staat op een tweede plek met een gemiddelde van M=4.73 en Facebook M=4.47. Deze netwerken scoren significant lager dan Linkedin. Linkedin is bij beide sexen zeer belangrijk is. Facebook en Twitter staat bij vrouwen weliswaar wel op de tweede en derde plaats, maar met een lager gemiddelde dan Linkedin. Google+ scoort bij beide sexen hoger dan de overige keuzemogelijkheden, maar een stuk lager dan Twitter en Facebook. Mannen zoeken vaker op Facebook dan vrouwen, met een gemiddelde van M=5.32. De t-toets voor onafhankelijke metingen liet zien dat dit verschil significant is volgens t (78)= 2.092, p=.040. De verschillen met betrekking tot de overige netwerken zijn echter niet significant, voor Twitter geldt t(78) = 1.030, p = .306, voor Linkedin geldt t(78) = 1.354, p=.180 en voor Google+ geldt t(78)=1.305, p=.196 Dit houdt in dat er wel degelijk verschillende gemiddelden zijn tussen de gegeven antwoorden van mannen en vrouwen, maar dat deze in dit onderzoek niet significant genoemd mogen worden.

47


Hypothese 4 Recruiters werkzaam in profit branches gebruiken Linkedin, Twitter en Facebook voor het zoeken van informatie, recruiters werkzaam in non-profit branches gebruiken enkel Linkedin voor het zoeken van informatie. Ondersteund/Weerlegd Om te onderzoeken of er een verschil is tussen profit- en non-profit branches als het gaat om de de voorkeur van sociaal netwerk tijdens het zoeken naar informatie, worden de open antwoorden die de recruiters konden geven gecategoriseerd naar 0=non-profit en 1=profit. Uit tabel 27 blijkt dan dat er 11 recruiters werkzaam zijn in de non-profit branche en 58 in de profit-branche. Ook wordt duidelijk dat Linkedin bij beide groepen erg hoog scoort. Facebook, Twitter en Linkedin scoren bij de profitbranche het hoogste gemiddelde namelijk respectievelijk M=4.88 en SD=1.718, M=5.22 en SD=1.415 en M= 6.72 en SD=0.555. Bij Google+ is dit echter omgedraaid, hier scoort de non-profit branche het hoogste gemiddelde met M= 4.18 en SD=1.852. In het algemeen wordt in beide branches Linkedin als favoriet aangewezen. Tabel 27 Beschrijving geschiktheid netwerken tegenover branche

Facebook geschikt Twitter geschikt LinkedIn geschikt Google geschikt

Branche Non-profit Profit Non-profit Profit Non-profit Profit Non-profit Profit

Geschiktheid sns tegenover branche N Mean Std. Deviation 11 4,45 2,583 58 4,88 1,718 11 4,36 2,292 58 5,22 1,415 11 6,18 1,779 58 6,72 ,555 11 4,18 2,483 58 3,79 1,852

Std. Error Mean ,779 ,226 ,691 ,186 ,536 ,073 ,749 ,243

Om deze verschillen ook daadwerkelijk te toetsen wordt er een Anova voor herhaalde metingen gedaan. De verwachting is dat er een bepaald interactie-effect is waar te nemen. Uit tabel 86 blijkt dat de gegeven scores voor sociale netwerksites significant verschillen van elkaar. Het interactieeffect van sociale netwerksites en de branche verschilt niet significant van elkaar. Dit is ook het geval tussen de twee branches. Een verklaring voor het feit dat er geen verschil te zien is tussen de beide branches, kan de gemeten steekproef zijn. Voor wat betreft de non-profit branche zijn er maar 11 mensen die aan deze eis voldoen. Het is dan ook mogelijk dat er wel verschillen ontstaan wanneer beide groepen gelijk zijn. De hoofdeffecten van SNS met F(3,201) = 20.65 met p <.001, u=.236. Er is geen hoofdeffect voor de branche gevonden (F(1,67) = 783.1 met p<.315). Uit tabel 28 blijkt dat er tussen de onderlinge sociale netwerksites grote verschillen zijn. Hierin wordt namelijk duidelijk dat Facebook significant verschilt van Linkedin, Twitter van Linkedin en Facebook, Linkedin van Twitter en Google+ en Google+ van Linkedin. Wel is duidelijk dat Linkedin het meest populair is, en hierbij zijn ook significante verschillen ten opzichte van de overige sociale netwerksites met p=.000. De significante uitkomsten zijn al gecorrigeerd door de Bonferroni correctie.

48


Tabel 28 Paarsgewijsde vergelijkingen

(I) sns

Pairwise Comparisons b (J) sns Sig.

1 Facebook

2 Twitter

3 Linkedin

4 Google

2 3 4 1 3 4 1 2 4 1 2 3

1.000 .000 .589 1.000 .000 .241 .000 .000 .000 .589 .241 .000

De analyse geeft aan dat er onderlinge verschillen bestaan tussen de sociale netwerken. De voorkeur van netwerken in combinatie met de branche waarin de respondent werkzaam is blijkt echter niet op elkaar van invloed te zijn. Wellicht zijn hiervoor te weinig respondenten geweest om deze hypothese correct te toetsen.

49


Hypothese 5 Bedrijven met meer dan 250 werknemers zoeken voornamelijk op Linkedin, kleinere bedrijven zoeken voornamelijk op Facebook en Twitter. Google+ wordt nauwelijks gebruikt door beide groepen. Ondersteund/Weerlegd Om deze hypothese volledig te kunnen toetsen is er een nieuwe variabele aangemaakt, waarbij er twee categorieën zijn samengesteld. Bedrijven met minder dan 250 werknemers en bedrijven met meer dan 250 werknemers. De analyse geeft aan dat er 49 respondenten werkzaam zijn in een organisatie met meer dan 250 werknemers en 30 in een organisatie met minder dan 250 werknemers. De populatie is redelijk gelijk verdeeld en de uitkomsten van de toets geeft daarom een goed beeld. Uit de resultaten blijkt dat Linkedin door alle respondenten als het meest geschikt wordt bevonden met een gemiddelde van M=6.41 en SD=1.257 voor meer dan 250 werknemers en M=6.57 en SD 1.135 voor minder dan 250 werknemers. Google+ wordt het minst geschikt bevonden met een gemiddelde van M=3.94 en M=3.83 voor respectievelijk meer en minder dan 250 werknemers. Door middel van een t-toets worden beide groepen bedrijfsomvang met elkaar vergeleken. Hieruit is gebleken dat voor Facebook t(77) = .801, p=.425 geldt, voor Twitter geldt t(77)=-.984, p=.328, voor Linkedin geldt t(77)=-.564, p=.574 en voor Google+ geldt t(77)=.236, p=.814. Hieruit kan geconcludeerd worden dat er geen significante waarden gevonden zijn voor de verschillen tussen bedrijven met meer dan 250 werknemers en bedrijven met minder dan 250 werknemers.

50


Hypothese 6A Respondenten waarderen profielhouders met othergenerated informatie als geschikter dan profielen met selfgenerated informatie. Facebook: Ondersteund* Twitter: Weerlegd Google+: Weerlegd * Linkedin: Weerlegd Ondersteund/Weerlegd* * = gedeeltelijk

Om het effect van positieve en negatieve other en self-generated informatie te onderzoeken, is per sociaal netwerk bekeken of de vier condities van elkaar verschillen. Na het zien van elk profiel werd de respondenten een aantal vragen voorgelegd op een schaal van 1 tot en met 7, waarbij 1 staat voor ‘Dit onderdeel heeft helemaal geen invloed op de waargenomen geschiktheid’ en 7 voor ‘Dit onderdeel heeft heel erg veel invloed op de waargenomen geschiktheid’. Per sociaal netwerkprofiel zijn er een aantal onderdelen gekozen om te bevragen (tabel 29), en door middel van een Multiple Regressie Analyse worden deze onderdelen getoetst en wordt getracht aan te geven welk onderdeel van het sociale netwerk een goede voorspeller is voor de relatie tussen de waargenomen geschiktheid van een sollicitant en other- en self generated informatie. Tabel 29 Bevraagde onderdelen per sociaal netwerk

Facebook Profielfoto (S) Geplaatste berichten door profielhouder (S) Geplaatste berichten door connecties (O) Foto’s van profielhouder (S) Aantal connecties (S)

Twitter Profielfoto (S) Geplaatste tweets (S)

Google+ Profielfoto (S) Geplaatste berichten (S)

Linkedin Profielfoto (S) Aantal connecties (S)

Retweets (O)

Aantal connecties (S)

Werkervaring (S)

Aantal tweets (S)

Vaardigheden (S)

Aantal followers (O)

Profielfoto’s van connecties (O) Soort +1’s (O)

Profielfoto’s van connecties (O) Like’s (S)

Aantal following (S)

Aantal +1’s (S)

Persoonlijke informatie (S) Recommendations (O)

Facebook Allereerst worden de onderdelen van Facebook bekeken. In de survey zijn er 7 onderdelen van het Facebookprofiel gewaardeerd op een zevenpunt schaal. Hieruit blijkt dat de ‘geplaatste berichten’ het hoogste gemiddelde (M=4.23 en SD=1.811) heeft (de volledige tabel met alle gemiddeldes van alle sociale netwerken zijn af te lezen in appendix C). Uit de correlatie analyse blijkt dat de geplaatste berichten het hoogst correleert met de waardering met r=.173. Dit is echter zeer gering. Hierna zijn er twee modellen berekend. Model 1 bestaat enkel uit de othergenerated onderdelen van Facebook en model 2 bestaat uit alle onderdelen, self- en othergenerated. Het R-kwadraat is respectievelijk R2 =.044 en R2=.027. Dit betekent dat er bijna 4,4% en 2,7%% van de variatie in de afhankelijke variabele othergenerated informatie (model 1) en self- en othergenerated informatie (model 2) wordt verklaard door de onafhankelijke variabele Facebook.

51


Verder is er een significantie van p = .075 bij het eerste model. Dit houdt in dat minstens één van de othergenerated informatie in een Facebookprofiel significante invloed uitoefent op de waardering voor de respondent. De beta met betrekking tot de othergenerated informatie geeft aan dat enkel het onderdeel ‘berichten van connecties’ (p=.011 en beta=.322) een significante relatie toont met de waardering van de profielhouder. Twitter Voor wat betreft Twitter geldt dat er 6 onderdelen van Twitter bevraagd zijn, waarbij de profielfoto het hoogste gemiddelde scoort (M=4.16 en SD=1.851). Ook voor Twitter zijn er twee modellen gemaakt, waarbij model 1 bestaat uit de othergenerated onderdelen en model 2 uit alle onderdelen. De aangepaste R-waardes zijn voor model 1 R2 =.002 en voor model 2 R2=.166 Dit betekent een zeer lage variatie in de afhankelijke variabele ‘geschiktheid’ en de onafhankelijke variabele ’informatie’. De significantie van beide modellen is respectievelijk p< .350 en p<.003, wat inhoudt dat het tweede model een voorspeller is voor de waargenomen geschiktheid van een sollicitant. Uit de correlatiecoëfficiënten blijkt echter dat geen enkel los onderdeel van het sociale netwerk een significantie relatie aantoont tussen de waardering en de onderdelen. De hypothese wordt hiermee dus weerlegd voor wat betreft Twitter. Google+ Voor wat betreft Google+geldt dat er 6 onderdelen van het profiel bevraagd zijn en hieruit is gebleken dat de geplaatste berichten het hoogste gemiddelde scoorden. (M=4.29 en SD=1.799) Ook hier zijn er weer twee modellen gemaakt, waarbij model 1 staat voor de othergenerated informatie en model 2 voor alle onderdelen. De R-waarde van model 1 is R2=.157 en voor model 2 is dat R2=.266. Dit geeft aan dat de samenhang redelijk is. Model 2 (p=.000) blijkt hier net wat beter significant te zijn dan model 1 (p=.001), hoewel model 1 ook bijna volledig significant is. Om deze modellen te vergelijken kijken we naar de Sig. F Change waaruit blijkt dat model 1 dan toch significant beter is met p=.001. In beide modellen zouden de onderdelen van het sociale netwerk een voorspeller kunnen zijn voor de waardering van de profielhouder. Uit de analyse van de correlatie coëfficiënten blijkt dat er twee significante coëfficiënten zijn, namelijk de profielfoto met een significantie van p=.002 en beta=.402 en, in mindere mate, het aantal ‘+1’ pagina’s (p=.067 en beta=-.460). Beide onderdelen zijn duidelijk selfgenerated. De negatieve beta-waarde van het aantal +1 pagina’s geeft echter aan dat dit onderdeel juist een omgekeerde richting geeft, en dus een negatieve voorspeller is voor de waardering. De hypothese wordt hiermee deels weerlegd, de overige onderdelen zijn namelijk niet significant, waardoor er geen eenzijdige conclusie kan worden getrokken. Linkedin Uit de analyse blijkt dat de ‘recommendations’ gegeven door anderen op het Linkedin profiel het grootste gemiddelde scoren (M=4,64 en SD= 1.299). Dit is duidelijk other generated informatie. Het onderdeel ‘vaardigheden’ vertoont de hoogste correlatie met de waargenomen waardering, namelijk r=.337. Dit onderdeel valt onder selfgenerated informatie. Tevens blijkt uit dat de analyse dat dit onderdeel zeer significant is, namelijk p=.001. De analyse geeft een R-waarde van R2=.-.005 en R2=.097 voor respectievelijk model 1 en model 2. De significantie van beide modellen is respectievelijk p=.428 en p=.039. Model 2, een combinatie van other- en self generated informatie is significant, wat inhoudt dat een van de onderdelen van het netwerk een voorspeller is voor de waardering van de profielhouder. Er is echter maar één onderdeel wat enigszins de toename in verklaarde variantie kan verklaren, namelijk het aantal connecties van de profielhouder met p=.092 en beta=.236. De resultaten zijn echter niet volledig significant, dus met de huidige steekproef zijn er geen eenduidige conclusies te trekken met betrekking tot de relatie tussen de onderdelen van het netwerk en de waardering voor de profielhouder. 52


Hypothese 6B Negatieve informatie draagt meer bij aan het oordeel van een respondent over de geschiktheid van een sollicitant dan positieve informatie. Ondersteund/Weerlegd Positieve informatie De repeated measure’s test voor selfgenerated informatie geeft een significante waarde (p=.012) voor Mauchly’s test, en dus wordt er gekeken naar de waarden van de Greenhouse-Geisser correctie, en die blijkt niet significant te zijn (.822). Hieruit blijkt dat de positieve self generated informatie geen invloed hebben op het oordeel van de respondent. Daarnaast wordt er gekeken naar de positieve other generated informatie. Bij facebook gaat het om de berichten van connecties, bij twitter om retweets, bij Google+ om foto’s van connecties en bij Linkedin om recommendations. Voor wat betreft de positieve othergenerated informatie op een profiel, blijkt uit de toets dat deze volledig significant zijn (p=.000). Een algemene conclusie die getrokken kan worden uit bovenstaande analyse is dat de positieve othergenerated informatie op een profiel, namelijk de berichten van connecties, retweets, foto’s van connecties en recommendations, een grotere invloed uitoefenen op het oordeel dat de respondent geeft over een sollicitant dan positieve selfgenerated informatie. Negatieve informatie Bij de negatieve conditie geeft de variabele ‘profielfoto’ een significante waarde bij Mauchly’s test (p=.000). Daardoor mag niet aangenomen worden dat er een gelijke variantie aanwezig is tussen de variabelen en wordt ook hier gekeken naar de Greenhouse-Geisser toets, die een significantiewaarde van p=.011 geeft. Derhalve is de conclusie dat voor negatieve selfgenerated informatie de invloed significant is. Wat betreft de other generated informatie geldt dat ook hier gekeken moet worden naar de Greenhouse Geisser toets, welke een volledig significante waarde (p=.000) geeft. Dus zowel de other- als de self generated informatie zijn, voor de negatieve conditie, significant. Hypothese 6a weerlegt het warranting principe gedeeltelijk, wanneer alle versies van de enquête (positief en negatief) samen worden genomen (alleen bij Facebook worden profielhouders met othergenerated informatie als geschikter gewaardeerd dan self generated). Bij 6a wordt enkel gekeken naar self generated informatie en other generated informatie. Er wordt echter geen onderscheid gemaakt tussen een positieve uiting en een negatieve uiting. Wanneer dit onderscheid wel wordt gemaakt (6b) dan blijkt dat het warranting principe nog meer van toepassing is. Tabel 30 Positieve en negatieve other- en self generated informatie

Self Other

Positief .822 .000

Negatief .011 .000

Het is namelijk zo dat negatieve self generated informatie een significant effect op de waardering heeft, net als negatieve other generated informatie. Positieve othergenerated informatie heeft ook een significant effect, en positieve selfgenerated informatie (wanneer mensen iets positiefs over zichzelf op het web gezet hebben) heeft geen signifcante invloed op de waardering van recruiters. Hypothese 6b wordt door deze uitkomsten ondersteund (voor negatieve other en self generated informatie in directe zin, voor positieve othergenerated informatie ook in directe zin, en de afwezigheid van een significante relatie bij positieve selfgenerated informatie weerlegd de hypothese niet). Othergenerated informatie wordt als belangrijker gezien dan selfgenerated informatie. 53


5| Conclusie Gezien het feit dat veel schoolverlaters met dit onderwerp te maken krijgen, is het van groot belang om dit onderwerp verder te onderzoeken. Dit kan op diverse manieren, in dit onderzoek is echter de nadruk gelegd op ‘online screening’ door werkgevers. Het huidige digitale tijdperk biedt namelijk veel voordelen voor zowel werkgevers als potentiële werknemers. Maar tegelijkertijd heeft internet ook een duistere kant. Internet is namelijk altijd toegankelijk, voor iedereen. Privacy is vaak nauwelijks meer aanwezig en dit werkt ook door tijdens het sollicitatieproces. Maar liefst 73% van alle internetgebruikers beschikt over een sociaal netwerk en brengt hier ook veel tijd op door. Het is dan ook logisch dat deze media ingezet worden om meer informatie over iemand te vergaren. Uiteraard ook door werkgevers. Een sollicitant die zijn interesse laat blijken in een openstaande vacature, wordt vrijwel altijd online gescreend. Maar liefst 80% van de respondenten geeft aan sollicitanten altijd of soms te screenen. In achtgenomen dat een groot deel van deze sollicitanten ook over een sociaal netwerkprofiel beschikt, is het aannemelijk dat de werkgever binnen luttele momenten terecht komt op één van deze profielen. In de huidige economische crisis, waarin de banenmarkt dagelijks slinkt, is het van belang om iets met deze informatie te doen, om zodoende de verschuivende veranderingen opnieuw in kaart te brengen. Vandaar dat dit onderzoek zich richt op de kenmerken van deze screenende werkgevers en de informatie die de sociale media toont. Een combinatie van deze twee gebieden en voornamelijk een optimalisatie hiervan, biedt betere perspectieven voor de startende werknemer. Voorafgaand aan dit onderzoek zijn een negental hypothesen opgesteld. Aan de hand van deze hypothesen is de enquête uitgewerkt. Deze hypothesen waren erg gericht op specifieke kenmerken van de respondenten en de verwachting was dan ook dat er grote verschillen zouden zijn tussen de respondenten onderling. Na het analyseren van de gegevens kon er geconcludeerd worden dat er twee groepen respondenten waren: ‘recruiters’ en ‘HR-medewerkers’. De verdeling tussen beide groepen was evenwichtig en de gevonden antwoord vertoonden kleine verschillen. Deze verschillen waren echter te klein om significant te zijn. Een verklaring hiervoor kan zijn dat zowel recruiters als HR-medewerkers even goed op de hoogte zijn van de ontwikkelingen rondom de sociale media en dus alleen deze vorm van media inzetten om sollicitanten te werven. Hypothese 1 bestond uit de vraag of er verschillen waren in leeftijd van de recruiters. De verwachting vooraf was namelijk dat jonge recruiters opgegroeid zijn met sociale media en er daarom meer kennis van hebben. Zij zouden zich dan ook minder snel laten leiden door bepaalde manipulaties in het sociale netwerkprofiel. Ondanks dat er wel marginale verschillen gevonden zijn tussen oudere en jongere recruiters, berusten deze verschillen toch op toeval en is hypothese 1 weerlegd. Een verklaring hiervoor kan zijn dat ook sociale media tegenwoordig zo geïntegreerd zijn in ons dagelijks leven dat deze vorm van media net zo geschikt wordt bevonden tijdens het recruitmentproces als andere media. Hypothese 2 richtte zich op educatie. De verwachting was dat hoger geschoolde recruiters een voorkeur hadden voor het zakelijke netwerk bij uitstek: Linkedin, en lagere geschoolde recruiters kozen voor de overige netwerken. Uit de analyse bleken echter kleine verschillen, die niet significant waren. De analyse gaf echter aan, dat de gevonden verschillen bij Twitter wel significant waren. De hypothese mag hier echter niet mee aangenomen worden, wel is het een interessante bevinding. Een verklaring hiervoor kan zijn dat meer mensen zich op Facebook en Linkedin bevinden, voor zowel privé- als zakelijk gebruik, en dat de opleiding in dit geval niet meespeelt. Twitter is een vrij specifiek 54


netwerk, en wordt nog lang niet door iedereen gebruikt. Dit kan een reden zijn waarom hier de gevonden verschillen wel significant waren. Hypothese 3 richt zich op het verschil in sexe, waarbij 3A zich afvraagt of vrouwen vaker online informatie zoeken dan mannen. De theorie gaf namelijk aan dat er meer vrouwen aanwezig zijn op sociale media, en wellicht was dat ook het geval als het gaat om recruiters. De analyse gaf hier echter geen significante ondersteuningvoor. Een verklaring hiervoor kan zijn dat werknemers werkzaam in de recruitmentbranche geacht worden op de hoogte te zijn van de sociale media en daarbij wordt geen onderscheid gemaakt tussen mannen en vrouwen. Hypothese 3B geeft aan dat vrouwen voornamelijk op Facebook en Twitter zoeken, terwijl mannen meer op Google+ zoeken. De verwachting was dat Linkedin door beide evenveel wordt bezocht. De uitkomsten gaven echter aan dat mannen meer op Facebook zoeken, helaas zonder een significante analyse. Desalniettemin mag de hypothese hiermee niet aangenomen worden. De vergelijking tussen mannen en vrouwen in de steekproef was niet volledig gelijk verdeeld (34 % vrouwen en 45% mannen). Dit kan een verklaring zijn waarom de hypothese niet aangenomen mag worden. Hypothese 4 richtte zich op de branche waarin de respondenten werken. Er werd hierbij een onderscheid gemaakt tussen profit en non-profit. Uit de analyse bleek echter dat er geen significante verschillen gevonden waren. De theorie gaf echter aan dat non-profit de voorkeur zou geven aan Linkedin. Voor wat betreft deze branche waren er 8 respondenten die aan de voorwaarde voldeden. Dit gaf een ongelijke verdeling ten opzichte van de profitbranche. Dit kan wellicht verklaren waarom er geen significante uitkomst was. Hypothese 5 had als verwachting dat grote bedrijven zich voornamelijk richten op Linkedin, omdat dit wordt omschreven als het meest belangrijke zakelijke netwerk. Kleine bedrijven zouden voornamelijk zoeken op Facebook en Twitter. Google+ is zodanig nieuw en onbekend, dat er geen duidelijke richting is gegeven aan de verwachting van dit netwerk. De analyse gaf aan dat er nauwelijks verschillen bestaan tussen de grootte van bedrijven. Het maakt dus niet uit hoe groot een bedrijf is, als het gaat om de voorkeur voor een netwerk. Het lijkt daarom dat bedrijven zich vooral richten daar waar hun belangrijkste doelgroep ook aanwezig is. Dit hoeft echter niet persé hetzelfde netwerk te zijn als het netwerk wat beoogd wordt het beste bij hen te passen. Hypothese 6 richtte zich op de specifieke kenmerken van de sociale netwerksites. De verwachting was dat het Warranting Principle een grote rol zou spelen. Deze theorie geeft aan dat informatie gegeven door derden belangrijk wordt gevonden dan informatie uit eerste hand. Uit de analyse is gebleken dat er enkel voor Facebook significante uitkomsten zijn gevonden. Hier werd duidelijk dat de geplaatste berichten door connecties als meest belangrijk werd bevonden. Het Warranting Principle wordt hiermee ondersteund. Bij Twitter zijn de othergenerated onderdelen van het profiel geen goede voorspeller gebleken voor de geschiktheid van een sollicitant. Een verklaring hiervoor kan zijn dat Twitter voornamelijk draait om berichten geschreven door de profielhouder zelf en dus niet als interessant medium wordt gezien om informatie van derden te verkrijgen. Dit werd ook ondersteund door de analyse, hieruit bleek dat de geplaatste tweets het meest belangrijk waren. Voor wat betreft Google+ is gebleken dat ook hier informatie geplaatst door de profielhouder het meest belangrijk werd bevonden en dan voornamelijk de profielfoto. Het aantal ‘+1’ pagina’s was juist een negatieve voorspeller voor de waardering. Een verklaring hiervoor kan zijn dat recruiters een hoger aantal ‘+1’ als vervelend beschouwen, omdat dit kan betekenen dat de profielhouder een passieve gebruiker is in plaats van een actieve deelnemer. Daarnaast kan het ook zo zijn dat de recruiters het medium niet goed genoeg kennen om te weten wat dit onderdeel van Google+ precies inhoudt. De verwachting vooraf was dat Linkedin een duidelijke aanname van de hypothese zou veroorzaken, uit de analyse kwam echter dat het aantal connecties op Linkedin een goede voorspeller zijn voor de waargenomen waardering van een sollicitant. Het aantal connecties komt echter tot stand door zowel de profielhouder als door derden. Het Warranting Principle blijkt dus niet te kloppen als er wordt gekeken naar een specifieke groep uit de samenleving en enkel gericht 55


op self en other generated informatie. Wanneer er, zoals in hypothese 6b wordt gekeken naar de verschillen tussen positief en negatief, dan blijkt echter dat zowel positieve als negatieve other generated informatie invloed uitoefent op het oordeel van de respondent over de geschiktheid van een sollicitant, in tegenstelling tot self generated informatie, welke enkel invloed uitoefent wanneer deze negatief is. Negatieve informatie wordt als belangrijker gezien, terwijl positieve informatie door de sollicitant zelf niet belangrijk lijkt te zijn. Hiermee blijft Warranting Principe toch overeind, en lijkt de theorie over ‘schijnpositivisme’ te worden bevestigd. De onderzoeksvraag die centraal stond in deze scriptie is: ’Wat zijn de kenmerken van recruiters die online screenen en wat voor invloed heeft online screenen en online informatie op de uitkomst van de sollicitatie?’. Hypothese 1 tot en met 6 geven hier een antwoord op en suggereren dat onder meer de verschillen tussen mannen en vrouwen van invloed kunnen zijn op de voorkeur voor een bepaald sociaal netwerk. De analyse gaf hier echter geen significante uitkomsten voor. Hypothese 7 geeft een antwoord op de invloed van online informatie. Uit de analyse is gebleken dat informatie van derden geplaatst op Facebook van invloed is op de waargenomen geschiktheid. Bij de overige netwerken kon deze stelling niet ondersteund worden. Een verklaring hiervoor kan zijn dat Facebook het meest bekend is en het meest gebruikt wordt om online informatie op te zoeken. Omdat sociale media een grote rol spelen in het dagelijks leven, kan het zo zijn dat sociale media een standaard zijn geworden. Werd er voorheen moeite gedaan om referenties en CV door te spitten tijdens het sollicitatieproces, tegenwoordig zijn sociale media hiervoor in de plaats gekomen en met een simpele druk op de knop vervangen deze het CV. Dit kan dan ook een algemene verklaring zijn voor de marginale verschillen. Wereldwijd bestaan er veel verschillen tussen sociale media gebruikers, maar in deze specifieke groep van recruiters zijn sociale media zijn niet meer weg te denken, en zonder hierover na te denken wordt deze media doelgericht ingezet.

56


6| Aanbevelingen Dit onderzoek heeft zich voornamelijk gericht op nieuwe wetenschappelijke kennis op het gebied van sociale media in de recruitmentbranche. Er zijn al veel onderzoeken gedaan naar other- en self generated informatie, en dan ook in de recruitmentbranche, maar er zijn nog geen onderzoeken gedaan naar de kenmerken van degene die de antwoorden hebben gegeven in deze onderzoeken. Hiermee draagt dit onderzoek bij aan meer transparantie in de manier waarop recruiters omgaan met het sollicitatieproces. Tevens wordt duidelijk dat de gebruikte eigenschappen van recruiters in dit onderzoek zelden significante waarden gaven. Wel kwamen er interessante feiten aan het ligt, zoals het significante verschil in het sociale netwerkgebruik tussen mannen en vrouwen, waarbij bleek dat mannen een grotere voorkeur hadden voor het zoeken naar informatie dan vrouwen Daarnaast geeft dit onderzoek nieuwe informatie over het Warranting Principle (Walther en Parks, 2002). Het Warranting Principle ondersteunt de stelling dat informatie van derden als meer betrouwbaar wordt gezien dan informatie uit eerste hand. Deze stelling is algemeen verwoord en laat men denken dat dit principe overal op toepasbaar is. Dit onderzoek geeft aan dat het Warranting Principle niet overal op toepasbaar is. Enkel wanneer het gaat om Facebook en de waargenomen geschiktheid van een sollicitant die daar uit afgeleid wordt, blijkt dat berichten van anderen belangrijker zijn dan de overige onderdelen van het sociale netwerk. De analyse van de andere profielen geven geen bewijs voor het Warranting Principle. Hieruit blijkt dus dat deze theorie niet overal zomaar van toepassing is, en dat deze theorie wellicht nu al weer verouderd kan zijn. Dat niet voor alle overige variabelen een significant effect is gevonden, wil echter niet zeggen dat dit ook niet het geval is. Wanneer het gaat om positieve en negatieve self- en other generated informatie, dan blijkt dat negatieve informatie belangrijker is voor het oordeel van de respondent, dan positieve informatie. Hiermee lijkt de theorie ondersteund te worden dat recruiters het ‘schijnpositivisme’ van de sollicitanten doorzien. Sollicitanten die op een functie solliciteren ontvangen vaak een afwijzingsbrief zonder verdere opgaaf van reden. Maar wie is nu precies diegene die jou afwijst en aan de hand waarvan is dit gebeurd? Hypothese 6 richt zich op de online informatie waar een werkgever toegang toe heeft. Werd voorheen gedacht dat foto’s waarop men feestend te zien is als zeer negatief werd ervaren, dit onderzoek geeft hier geen significant bewijs voor. Een verklaring hiervoor kan zijn dat bedrijven zich tegenwoordig niet zozeer meer richten op de juiste opleiding en correct dagelijks leven, maar toe zijn aan een meer informele sfeer binnen een organisatie. De persoonlijkheid van een werkgever lijkt belangrijker te worden dan de opleiding. Sinds enkele maanden bestaat het online platform Whoopaa.nl2. Dit medium laat een sollicitant een aantal persoonlijkheidstesten doen en aan de hand van deze uitkomsten in combinatie met de zelf toegekende competenties, worden er vacatures voorgesteld. Whoopaa laat de ontwikkeling van opleiding naar persoonlijkheid duidelijk zien. Dit onderzoek heeft aangetoond dat de voorkeur voor een bepaald sociaal netwerk niet per definitie afhangt van de kenmerken van een recruiter. Daarnaast is wetenschappelijk bewezen dat het Warranting Principle niet bij elk sociaal netwerk ondersteund wordt. Hieruit kan geconcludeerd worden dat recruiters de voorkeur geven aan informatie van de sollicitant zelf, zodat zij een zo correct mogelijk beeld hebben van de persoon die zij wellicht deel uit laten maken van de organisatie. De persoonlijkheid van de sollicitant wordt weergegeven in het sociale netwerkprofiel wat belangrijker lijkt te worden dan de juiste opleiding.

2

Bas Press, oprichter Whoopaa.nl: ‘Waar je ook staat in je carrière: Whoopaa matcht jouw skills en competenties met jobs die bij je passen. Zo zorg je ervoor dat bedrijven niet om jou heen kunnen. Een recruiter kan je op Whoopaa toevoegen aan een talentpool of zelfs uitnodigen om te solliciteren! Of je komt gewoon zelf in actie: solliciteren doe je met één druk op de knop’

57


In de toekomst kan er verder onderzoek gedaan worden naar dit platform en de verschuiving van opleidingsniveau naar persoonlijkheid, waarbij dit onderzoek als basis kan dienen. In de huidige economische tijd, waarin het voor veel sollicitanten erg moeilijk is om een geschikte baan te vinden, is het een interessante ontwikkeling wanneer zij niet enkel op opleiding beoordeeld worden, maar voornamelijk op hun persoonlijkheid. Dankzij deze ontwikkeling zullen er meer banen vrijkomen en kan het werkloosheidcijfer terug gedrongen worden. Daarnaast biedt de gebouwde applicatie een handige adviesfunctie, waar de uitkomsten van dit onderzoek overzichtelijk verwerkt zijn. De sollicitant kan dan voorafgaand aan de sollicitatie zich optimaal voorbereiden als het gaat om zijn sociale netwerken en kennis van de verantwoordelijke.

58


7| Epiloog Voorafgaand aan dit onderzoek was de verwachting dat er een voldoende grote steekproef gevonden zou worden. Dit was echter door de gewenste diversiteit aan respondenten een stuk lastiger dan gedacht. Hierdoor is er een relatief kleine steekproef gebruikt in dit onderzoek, waarbij er nogal veel non-respons was. De resultaten die gevonden zijn, moeten dan ook in dit licht bekeken worden. De analyse geeft veel informatie, het zou echter mogelijk zijn dat er meer verschillen, of grotere verschillen, gevonden zouden worden als er een grotere steekproef genomen was. In dat geval kan het zo zijn dat de vooraf opgestelde hypothesen, aan de hand van de theorie over het gebruik van social media in het algemeen, wel overeenkomt met de analyse. Verder is het bij elk onderzoek belangrijk dat de kans bestaat dat de respondenten zomaar iets ingevuld hebben. Hiervoor is echter wel een betrouwbaarheidstoets gedaan, maar dan nog is deze kans aanwezig. Daarnaast is er altijd de mogelijkheid van wenselijk antwoorden. Ondanks dat deze enquête in volledige anonimiteit is afgenomen, en dit ook zoveel mogelijk werd gecommuniceerd met de respondent, is het van belang dat hier rekening mee wordt gehouden. In dit geval is de schrijver van dit onderzoek van mening dat, wanneer het gaat om het gebruik van sociale media, dit een zodanig luchtig onderwerp is dat wenselijk antwoorden hier marginaal zal zijn. Tot slot is het interessant om een vervolgonderzoek te richten op sociale media profielen die juist niet openbaar zijn voor derden. In de huidige onderzoeken zijn er voornamelijk profielen gemanipuleerd er werd er vanuit gegaan dat alle profielen toegankelijk waren voor publiek. Maar wellicht is het ook interessant om te onderzoeken in hoeverre respondenten beïnvloed worden door profielen niet afgeschermd zijn. Heeft dit ook een effect op de waargenomen geschiktheid, of is dat effect enkel aanwezig wanneer het profiel zichtbaar wordt? In een vervolgstudie zou deze manipulatie toegevoegd kunnen worden, voor een nog beter overzicht.

59


8| Literatuurlijst Anderson, N.D. & Shackleton, V. (1993). Succesful Selection Interviewing. Blackwell Publishers. Anderson, N., Shackleton, V. (1990). Decision making in the graduate selection interview: A field study. Journal of Occupational Psychology, 63(1), 63-76 Antheunis, M. L., & Schouten, A. P. (2011). The effects of other-generated and system-generated cues on adolescents' perceived attractiveness on social network sites. Journal of Computer-Mediated Communication, 16(3), 391-406 Appelman, A., Arkin, R. & Burger, J. (1980). Social anxiety, self-presentation, and the self-serving bias in causal attribution. Journal of Personality and Social Psychology, 38(1), 23-35 Auteur onbekend (2013). Facebook in Nederland #cijfers. Geraadpleegd in juni 2013 via http://www.socialmediasocialmedia.nl/strategie/nieuws/tools/events/workshops/training/hr/media /2013/06/15/presentatie-facebook-in-nederland-cijfers/ Auteur onbekend (2011). Het Twittergebruik per stad in Nederland. Geraadpleegd in juni 2013 via http://www.socialmediasocialmedia.nl/strategie/nieuws/tools/events/workshops/training/hr/media /wp-content/uploads/2011/01/NL_Twitter_Map_680w.jpg Beusekom, van, I. (2012). Social media als vervanging voor traditionele onderzoeken? Geraadpleegd in februari 2013, van http://www.dutchcowboys.nl/socialmedia/26144 Boeije, H., ’t Hart, H. & Hox, J. (2009). Onderzoeksmethoden. Boom Lemma Uitgevers: Den Haag Boogert, E. (2011) Bijna miljoen Nederlanders op Google+. Geraadpleegd in februari 2013, van http://www.emerce.nl/nieuws/bijna-miljoen-nederlanders-google-plus Boyd, D. M., & Ellison, N. B. (2008). Social network sites: deﬁnition, history, and scholarship. Journal of Computer-Mediated Communication, 13(1), 210-230 Brandenburg, C. (2008). The newest way to screen job applicants: A social networker’s nightmare. Federal Communication Law Journal, 60(3), 597-626 Brunswick, E. (1952). The conceptual framework of psychology. International Encyclopedia of Unified Science, 1(10) Carney, D., Colvin, C. & Hall, J. (2007). A thin slice perspective on the accuracy of first impressions. Northeastern University, Department of Psychology, 41(1), 1054-1072 Cascio, W. (1993). Downsizing: what do we know? What have we learned? Academy of Management Executive, 7(1), 95-104 Constant Contact (2011). Survey Social Media Marketing. Geraadpleegd in januari 2013, van

http://img.constantcontact.com/docs/pdf/fall-2011-attitudes-and-outlooks-survey-keyfindings.pdf Couwenbergh, H. (2011). De geschiedenis van Twitter in beeld. Geraadpleegd in februari 2013, van http://twittermania.nl/2011/10/infographic-geschiedenis-twitter-beeld/ 60


Cross-Tab Marketing Services. (2010). Online reputation in a connected world. Geraadpleegd in december 2012, van www.cross-tab.com. CVOK (2013) Het programma RamBam bewijst dat liegen op je CV geen hindernis vormt voor het vinden van een baan. Geraadpleegd op 9 april 2013, van http://www.cv-ok.com/nl/nieuws/cv-oknieuws/het-programma-rambam-bewijst-dat-liegen-op-je-cv-geen-hinder_152/ Dafoulas, G., Pateli, A. & Turega, M. (2002). Business-to-Employee Cooperation Support through Online Job Interviews. Proceedings of the WBC Een manier om.(z.d.). De kracht van Google+. Geraadpleegd in februari 2013, van http://www.eenmanierom.nl/de-kracht-van-google-google-plus/ Ellison, N., Steinfield, C. & Lampe, C. (2007) The Benefits of Facebook “Friends:” Social Capital and College Students’ Use of Online Social Network Sites. Journal of Computer-mediated Communication, 12(4), 1143-1168 Esther (2012). Op zoek naar een baan? Je werkgever zit ook op social media! Geraadpleegd in februari 2013, van http://blog.nederlandinternet.nl/op-zoek-naar-een-baan-je-werkgever-zit-ook-opsocial-media/?utm_medium=twitter&utm_source=twitterfeed  FNV Professionals (2011). Werving en selectie van kandidaten, hoe doen werkgevers dat? Geraadpleegd in februari 2013, van http://www.fnvprofessionals.nl/hoe-selecteren-werkgevers-hunkandidaten/  Hammond, K.R. (1980). Introduction to Brunswikian theory and methods. New Directions for Methodology of Social and Behavioral Science, 3, 1-11 Hitt, M.E. & Barr, S.H. (1989). Managerial Selection Decision Models: Examination of Configural Cue Processing. Journal of Applied Psychology, 74(1), 53-61 HR Rendement (2012). Sollicitant bespieden leidt tot negatief imago. Geraadpleegd in februari 2013, van http://www.rendement.nl/hr/nieuws/id8191-sollicitant-bespieden-leidt-tot-negatiefimago.html  Gammasteunpunt (2008). Handleiding Sociale Netwerken. Groningen: RuG Groningen – faculteit Economie en Bedrijfskunde Granovetter, M. (1983). The strength of weak ties: A network theory revisited. Sociological Theory, 1, 201-233 Gross, R. & Acquisti, A. (2005). Information Revelation and Privacy in Online Social Networks. Proceedings of the 2005 Workshop on Privacy in the Electronic Society (WPES), 71-80 Jagatic, T. et al. (2007). Social Phishing. Communications of the ACM, 50(10) Kok, B. (2012). De demografie van social media. Geraadpleegd in mei 2013 van http://twittermania.nl/2012/03/infographic-de-demografie-van-social-media/ Krotoski, A. (2010). Robin Dunbar: We can only have 150 friends at most.. Geraadpleegd in maart 2013, van http://www.guardian.co.uk/technology/2010/mar/14/my-bright-idea-robin-dunbar

61


Kwak, H., Lee, C., Park, H. & Moon, S. (2010).What is Twitter, a social network or a news media? Proceedings of the 19th international conference on World Wide Web, 691-600 La Due Lake, R. & Huckfeldt, R. (1998). Social capital, Social networks and Political Participation. Political Psychology, 19(3), 567-584 Laumer, S., Echkardt, A. & Weitzel, T. (2011). Online gaming to find a new job – Examining job seekers’ intention to use serious games as a self-assessment tool. Zeitschrift für Personalforschung, 26(3), 218-240 Lea, M., & Spears R. (1992). Paralanguage and social perception in computer-mediated communication. Journal of Organizational Computing, 2(3), 321-341 Levine, R. et al. (2000). The Cluetrain Manifesto. Perseus Books Mellema, D. ( 2012). Impressievorming op online datingsites. Bachelorscriptie Communicatie- en Informatiewetenschappen. Tilburg: University of Tilburg Microsoft (2010). Online Reputation in a Connected World. In opdracht van Crosstab Nederlandse Vereniging voor Personeelsmanagement & Organisatieontwikkeling (2013). Sollicitatiecode. Geraadpleegd op 17 mei 2013 van http://www.nvpplaza.nl/site/nl/kennis.phtml?p=sollicitatiecode Ondernemer in Business ( 2012). Social media inzetten voor je bedrijf. Geraadpleegd in februari 2013, van http://ondernemerinbusiness.nl/marketing/social-media-zakelijk-gebruiken/2846/social-mediainzetten-voor-je-bedrijf/ Oosterveer, D. (2012). Social media cijfers oktober 2012. Geraadpleegd op 9 maart 2013, van http://www.marketingfacts.nl/berichten/social-media-cijfers-oktober-2012-fotonetwerken-groeienals-kool/ Pfeil, U., Arjan, R., & Zaphiris, P. (2009). Age differences in online social networking: A study of user proﬁles and the social capital divide among teenagers and older users in MySpace. Computers in Human Behavior, 25(3), 643-654 Pijnenburg, D. (2012). ARAG: Meer ontslagen door sociale media. Geraadpleegd in juni 2013 via http://www.techzine.nl/nieuws/29985/arag-meer-ontslagen-door-sociale-media.html Plat, F. (2010). Werkgevers onderzoeken online reputatie van sollicitanten. Geraadpleegd in februari 2013, van http://www.klantinteractiekenniscentrum.nl/artikelen/484/1/Werkgevers-onderzoekenonline-reputatie-van-sollicitanten/Pagina1.html  Putnam, R. (2000), Bowling Alone. The Collapse and Revival of American Community, New York, Simon & Schuster. Qurashi, A. (2009). A report of the use of social networking sites in the context of Recruitment. Bachelorthesis University Aberdeen Rijners, M. (2011). Cijfers Linkedin Gebruikers. Geraadpleegd in juni 2013 via http://www.hrlog.nl/2011/11/13/cijfers-linkedin-gebruikers-nederland/

62


Rynes, S. & Gerhart, B. (1991). Determinants and consequences of salary negotiations by male and female MBA graduates. Journal of Applied Psychology, 76(2), 256-262 Schlenker, B. R. (1980). Impression Management: The Self-Concept, Social Identity, and Interpersonal Relations. Monterey/California: Brooks/Cole. Social Media modellen (z.d.). The Conversation Prism.Geraadpleegd in februari 2013, van http://www.socialmediamodellen.nl/social-media-kanalen-platformen-websites-voorbeelden/theconversation-prism/ Snijders, C.J. & Gout, M. (2008) De Gulden Snede, Uitgeverij Synthese, Den Haag Stelling, R. (2010). Werk maken van social network recruitment. Masterthesis Universiteit Twente Taylor, P.B. & O’Driscoll, M. (1995). Structured Employment Interview. Gower Pub Co Van den Bosch, A. (2010). Netwerksites als screeningtool. Masterthesis Universiteit van Amsterdam. Walther, J. B. et al. (2008). The role of friends' appearance and behavior on evaluations of individuals on Facebook: Are we known by the company we keep? Human Communication Research, 34(1), 2849 Walther, J., Van der Heide, J., Hamel, L., Shulman, H. (2009), Self-Generated Versus Other-Generated Statements and Impressions in Computer-Mediated Communication: A Test of Warranting Theory Using Facebook. Communication Research, 36, 229-253 Walther, J. B., & Parks, M. R. (2002). Cues filtered out, cues filtered in; computer mediated communication and relationships. Handbook of interpersonal communication (3rd edThousand Oaks, Ca: Sage. Wells, B. & Spinks,N. (1987). Organizational Communication: a practical approach. Ginn Press Westerman, D., Spence, P.R. & Van der Heide, B. (2012) A social network as information: The effect of system generated reports of connectedness on credibility on Twitter. Computers in Human Behavior. Gedownload op 27 februari 2013, van http://www.sciencedirect.com/science/article/pii/S0747563211001944 Ye, Q., Fang, B., He, W., & Hsieh, J. P.-A. (2012). Can social capital be transferred cross the boundary of the real and virtual worlds ? An empirical investigation of Twitter.Journal of Electronic Commerce Research, 13(2), 145-156

63


9| Appendices A. Pre-test Door middel van onderstaande pretest is voorafgaand aan de definitieve surveys getoetst of de getoonde foto’s en berichten ook daadwerkelijk als positief en negatief werden gezien.

64


B. Survey De survey is in vier diverse versies digitaal verspreid. Ter informatie wordt hieronder echter maar één versie geplaatst, gezien het feit dat de survey een nogal omvangrijk formaat heeft. Versie 1 en 3 waren de positieve versies, waarbij versie 1 positieve foto’s en neutrale berichten had en versie 3 neutrale foto’s en positieve berichten. Versie 2 had negatieve foto’s en neutrale berichten en versie 4 had neutrale foto’s en negatieve berichten. Er zijn vier versies gemaakt om zo alle aspecten van de sociale netwerkprofielen zo objectief mogelijk te kunnen analyseren.

65


66


67


68


69


70


71


72


73


74


75


76


77


78


79


C. Tabellen In deze appendix zijn tabellen opgenomen die niet in de data-analyse sectie zijn verwerkt. Hiervoor is gekozen vanwege zowel een prettigere leeservaring als ook vanwege een compacter en helder overzicht van de resultaten. Voor de volledigheid zijn de overige tabellen wel opgenomen in deze appendix. De tabellen zijn gerangschikt op basis van hoofdstuk. Methodologie Tabel C1 Aantal bruikbare proefpersonen Proefpersonen N

Valid

98

Missing

1

Tabel C2 Beschrijvende kenmerken van de leeftijd van de respondenten Leeftijd N Leeftijd

Minimum 81

Maximum 3

Mean

11

5,20

Tabel C3 Frequenties ‘Leeftijd’

Valid

Missing Totaal

21-25 26-30 31-35 36-40 41-45 46-50 51-55 61-65 Total 99

Leeftijd Frequency 6 36 10 11 8 5 4 1 81 18 99

Percentage 6,1 36,4 10,1 11,1 8,1 5,1 4,0 1,0 81,8 18,2 100,0

Tabel C4 Frequenties provincies op basis van de woonplaats Provincie Frequency Valid

Utrecht Zuid-Holland Gelderland Limburg Noord Brabant Noord-Holland Overijsel Total

21 16 11 3 12 16 20 99

80

Percent 21,2 16,2 11,1 3,0 12,1 16,2 20,2 100,0

Std. Deviation 1,749


Tabel C5 Frequenties ‘Opleidingsniveau’ Hoogste opleiding Frequency

Valid Missing Totaal

Percent

VMBO MBO VWO HBO WO Total

1 7 1 46 24 79

1,0 7,1 1,0 46,5 24,2 79,8

9

20 99

20,2 100,0

Tabel C6 Aantallen non-respons Statistics Proefpersoon nummer N

Valid

12

Data-analyse Tabel C7 Betrouwbaarheid onderzoek: alternatieve manier ter controle van de Cronbach Alpha waarde Samenvatting betrouwbaarheid Mean Inter-Item Correlations

,292

Minimum

Maximum

-,347

,936

Range

Maximum / Minimum

1,283

Variance

-2,700

,072

Hypothese 1 Tabel C8 Frequenties ‘meest geschikte profiel’ – jongere respondenten Meest geschikte profiel Frequency Percent Valid Percent Valid

0 Facebook Twitter Google+ Linkedin Total

1 7 1 2 41 52

1,9 13,5 1,9 3,8 78,8 100,0

81

1,9 13,5 1,9 3,8 78,8 100,0

Cumulative Percent 1,9 15,4 17,3 21,2 100,0

N of Items 36


Tabel C9 Frequenties ‘meest geschikte profiel ‘- oudere respondenten Meest geschikte profiel Frequency Percent Valid Percent Valid

Facebook Twitter Linkedin Total

2 4 23 29

4,3 8,5 48,9 61,7

Missing

9

18

38,3

47

100,0

Total

Cumulative Percent

6,9 13,8 79,3 100,0

6,9 20,7 100,0

Tabel C10 en C11 Gegeven antwoorden door jonge en oude recruiters

Tabel C12 Chi-toets leeftijd en profiel – omgekeerde versie ter controle Chi-Square Tests Value Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases

a

6,645 7,538 ,087 81

df

Asymp. Sig. (2-sided) 4 4 1

,156 ,110 ,768

a. 7 cells (70,0%) have expected count less than 5. The minimum expected count is ,36.

Tabel C13 Kruistabel ‘jonge recruiters x meest geschikte netwerk’ – verwerkt in figuur 32

Jongerecruiters * Meestgeschikt_2 Crosstabulation Meestgeschikt_2 Rest LinkedIn Jongerecruiters Niet jong 24 23 Wel jong 11 41 Total 35 64

82

Total 47 52 99


Tabel C14 Beschrijving ‘meest geschikte profiel’ – jongeren Meest geschikte profiel Minimum Maximum

N Meestgeschikteprofiel Minstgeschikteprofiel Valid N (listwise)

52 52 52

0 0

Mean

4 4

Std. Deviation

3,44 2,21

1,162 ,957

Tabel C15 Beschrijving ‘meest geschikte profiel’ - ouderen Meest geschikte profiel Minimum Maximum

N Meestgeschikteprofiel Minstgeschikteprofiel Valid N (listwise)

29 29 29

1 1

Mean

4 3

Std. Deviation

3,52 2,34

,986 ,769

Hypothese 2 Tabel C16 Beschrijving geschikte netwerken - hoogopgeleid Geschiktheid sns N Mean Geschiktheid Facebook Geschiktheid Twitter Geschiktheid Linkedin Geschiktheid Google+ Geschiktheid Pinterest Geschiktheid Instagram Geschiktheid Youtube Geschiktheid Pheed Geschiktheid Yammer

71 71 71 71 71 71 71 71 71

Std. Deviation

4,77 5,00 6,58 3,86 2,69 2,35 2,93 1,01 1,77

1,891 1,682 ,905 1,907 1,809 1,683 1,775 1,599 2,009

Tabel C17 Beschrijving geschiktheid netwerken - laagopgeleid Geschiktheid sns N Mean Geschiktheid Facebook Geschiktheid Twitter Geschiktheid Linkedin Geschiktheid Google+ Geschiktheid Pinterest Geschiktheid Instagram Geschiktheid Youtube Geschiktheid Pheed Geschiktheid Yammer Valid N (listwise)

8 8 8 8 8 8 8 8 8 8

83

Std. Deviation 5,13 3,88 5,50 4,25 1,00 1,25 2,75 1,00 1,75

,991 2,100 2,619 2,121 1,690 1,832 1,669 1,690 2,375


Tabel C18 Frequenties ‘geschiktheid Facebook’ op basis van hoogopgeleide recruiters

Valid

0 Heel erg ongeschikt Erg ongeschikt Ongeschikt Neutraal Geschikt Erg geschikt Heel erg geschikt Total

Geschiktheid Facebook Frequency Percent 1 1,4 4 5,6 6 8,5 7 9,9 8 11,3 15 21,1 15 21,1 15 21,1 71 100,0

Valid Percent 1,4 5,6 8,5 9,9 11,3 21,1 21,1 21,1 100,0

Cumulative Percent 1,4 7,0 15,5 25,4 36,6 57,7 78,9 100,0

Tabel C19 Frequenties ‘geschiktheidTwitter’ op basis van hoogopgeleide recruiters

Valid

0 Heel erg ongeschikt Ongeschikt Erg ongeschikt Neutraal Geschikt Erg geschikt Heel erg geschikt Total

Geschiktheid Twitter Frequency Percent 1 1,4 3 4,2 4 5,6 4 5,6 6 8,5 22 31,0 19 26,8 12 16,9 71 100,0

Valid Percent 1,4 4,2 5,6 5,6 8,5 31,0 26,8 16,9 100,0


Tabel C20 Frequenties ‘geschiktheid Linkedin’ op basis van hoogopgeleide recruiters

Valid

Heel erg ongeschikt Geschikt Erg geschikt Heel erg geschikt Total

Geschiktheid Linkedin Frequency Percent Valid Percent 1 1,4 1,4 5 7,0 7,0 14 19,7 19,7 51 71,8 71,8 71 100,0 100,0

Cumulative Percent 1,4 8,5 28,2 100,0

Tabel C21 Frequenties ‘geschiktheid Google+’ op basis van hoogopgeleide recruiters

Valid

0 Heel erg ongeschikt Erg ongeschikt Ongeschikt Neutraal Geschikt Erg geschikt Heel erg geschikt Total

Geschiktheid Google+ Frequency Percent 4 5,6 6 8,5 5 7,0 16 22,5 12 16,9 10 14,1 14 19,7 4 5,6 71 100,0

84

Valid Percent 5,6 8,5 7,0 22,5 16,9 14,1 19,7 5,6 100,0



Tabel C22 Frequenties ‘geschiktheid Facebook’ op basis van laagopgeleide recruiters

Valid

Ongeschikt Geschikt Erg geschikt Total

Geschiktheid Facebook Frequency Percent Valid Percent 1 12,5 12,5 4 50,0 50,0 3 37,5 37,5 8 100,0 100,0

Cumulative Percent 12,5 62,5 100,0

Tabel C23 Frequenties ‘geschiktheid Twitter’ op basis van laagopgeleide recruiters

Valid

0 Heel erg ongeschikt Geschikt Total

Geschiktheid Twitter Frequency Percent 1 12,5 1 12,5 6 75,0 8 100,0

Valid Percent 12,5 12,5 75,0 100,0


Tabel C24 Frequenties ‘geschiktheid Linkedin’ op basis van laagopgeleide recruiters

Valid

0 Ongeschikt Erg geschikt Heel erg geschikt Total

Geschiktheid Linkedin Frequency Percent Valid Percent 1 12,5 12,5 1 12,5 12,5 1 12,5 12,5 5 62,5 62,5 8 100,0 100,0

Cumulative Percent 12,5 25,0 37,5 100,0

Tabel C25 Frequenties ‘geschiktheid Google+’ op basis van laagopgeleide recruiters

Valid

Heel erg ongeschikt Geschikt Heel erg geschikt Total

Geschiktheid Google+ Frequency Percent 2 25,0 5 62,5 1 12,5 8 100,0

Figuur C26 Normale verdeling Facebook

Valid Percent 25,0 62,5 12,5 100,0


Figuur C27 Normale verdeling Twitter

85


Figuur C28 Normale verdeling Linkedin

Figuur C29 Normale verdeling Google+

Hypothese 3A Tabel C30 Beschrijving vrouwen Info zoeken online - vrouwen N Info zoeken online

Minimum

Maximum

1

4

45

Mean

Std. Deviation

3,20

,919

Tabel C31 Beschrijving mannen Info zoeken online - mannen N Info zoeken online

Minimum

Maximum

1

4

34

Mean 3,47

Tabel C32 Frequentie zoeken op internet - vrouwen Info zoeken online - vrouwen Frequency Valid

Nooit Zelden Soms Altijd Total

3 6 15 21 45

86

Percent 6,7 13,3 33,3 46,7 100,0

Std. Deviation ,748


Tabel C33 Frequentie zoeken op internet - mannen

Valid

Info zoeken online - mannen Frequency Percent 2,9 Nooit 1 Zelden 2 5,9 Soms 11 32,4 Altijd 20 58,8 Total 34 100,0

Hypothese 3B Tabel C34 Beschrijving ‘geschiktheid netwerken voor mannen’ Geschiktheid sns - mannen N

Mean

Std. Deviation

Geschiktheid Facebook

34

5,32

1,753

Geschiktheid Twitter

34

5,15

1,811

Geschiktheid Linkedin

34

6,26

1,263

Geschiktheid Google+

34

4,24

1,793

Geschiktheid Pinterest

34

2,44

1,878

Geschiktheid Instagram

34

2,26

1,797

Geschiktheid Youtube

34

2,82

1,783

Geschiktheid Pheed

34

,94

1,278

Geschiktheid Yammer

34

1,82

1,992

Valid N (listwise)

34

Tabel C35 Beschrijving ‘geschiktheid netwerken voor vrouwen’ Geschiktheid sns - vrouwen N

Mean

Std. Deviation

Geschiktheid Facebook

46

4,47

1,829

Geschiktheid Twitter

46

4,73

1,724

Geschiktheid Linkedin

46

6,64

1,151

Geschiktheid Google+

46

3,73

1,959

Geschiktheid Pinterest

46

2,69

1,856

Geschiktheid Instagram

46

2,33

1,692

Geschiktheid Youtube

46

2,93

1,671

Geschiktheid Pheed

46

1,18

1,898

Geschiktheid Yammer

46

1,73

2,082

Valid N (listwise)

46

87


Tabel C36 Beschrijving ‘geschiktheid netwerken voor mannen en vrouwen’

Mannen Facebook geschikt Twitter geschikt LinkedIn geschikt Google geschikt

Geschiktheid sns – mannen & vrouwen N Mean Std. Deviation

1,00 0,00 1,00 0,00 1,00 0,00 1,00 0,00

34 46 34 46 34 46 34 46

5,32 4,48 5,15 4,74 6,26 6,63 4,24 3,67

Std. Error Mean

1,753 1,810 1,811 1,705 1,263 1,142 1,793 1,978

,301 ,267 ,311 ,251 ,217 ,168 ,308 ,292

Hypothese 4 Figuur C37 Plot met verschillen tussen branches

Tabel C38 Anova voor herhaalde metingen – tussen variabelen Tests of Between-Subjects Effects Measure: MEASURE_1 Transformed Variable: Average Source Type III Sum of Squares Intercept 3662.119 Branche 4.786 Error 313.323

df 1 1 67

Mean Square 3662.119 4.786 4.676

88

F 783.096 1.023

Sig. .000 .315

Partial Eta Squared .921 .015


Hypothese 5 Tabel C39 Frequenties bedrijven met minder dan 250 werknemers Bedrijfkleiner250 Frequency Valid

Missing Total

Meer dan 250 werknemers Minder dan 250 werknemers Total 9

49 30 79 20 99

Percent 49,5 30,3 79,8 20,2 100,0

Tabel C40 Kruistabel geschiktheid netwerken tegenover bedrijfsgrootte

Facebook geschikt Twitter geschikt LinkedIn geschikt Google geschikt

Geschiktheid sns tegenover bedrijfsgrootte Bedrijf250 Mean Std. Deviation Meer dan 250 werknemers 4,94 1,875 Minder dan 250 werknemers 4,60 1,734 Meer dan 250 werknemers 4,73 1,912 Minder dan 250 werknemers 5,13 1,432 Meer dan 250 werknemers 6,41 1,257 Minder dan 250 werknemers 6,57 1,135 Meer dan 250 werknemers 3,94 2,076 Minder dan 250 werknemers 3,83 1,663

Std. Error Mean ,268 ,317 ,273 ,261 ,180 ,207 ,297 ,304

Tabel C41 Anova voor herhaalde metingen – tussen variabelen Tests of Between-Subjects Effects - branche Measure: MEASURE_1 Transformed Variable: Average Source Type III Sum of Squares Intercept 7500,363 Bedrijf250 ,059 Error 397,112

df 1 1 77

Mean Square 7500,363 ,059 5,157

F 1454,322 ,012

Sig. ,000 ,915

Hypothese 6a Tabel C42 Beschrijving onderdelen Facebook Descriptive Statistics Mean Std. Deviation FB_geschiktbedrijf FB_berichtenconnectie FB_aantalconnecties FB_fotosconnecties FB_profielfoto FB_berichten FB_fotos FB_likes

4,63 3,97 2,50 2,40 4,06 4,23 4,06 2,41

89

,975 1,997 1,486 1,497 1,896 1,811 1,871 1,435

N 88 88 88 88 88 88 88 88

Partial Eta Squared ,950 ,000


Tabel C43 Beschrijving onderdelen Twitter Descriptive Statistics Mean Std. Deviation TW_geschikbedrijf TW_retweets TW_followers TW_profielfoto TW_tweets TW_aantaltweets TW_following

4,04 2,87 2,83 4,15 4,12 2,61 2,70

N

1,113 1,438 1,535 1,840 1,891 1,489 1,471

84 84 84 84 84 84 84

Tabel C44 Beschrijving onderdelen Google+ Descriptive Statistics Mean Std. Deviation G_geschiktbedrijf G_fotoconnecties G_1soort G_profielfoto G_Berichten G_connecties G_1aantal

3,40 2,71 2,82 4,25 4,29 2,77 2,67

,777 1,467 1,494 1,706 1,799 1,439 1,365

N 73 73 73 73 73 73 73

Tabel C45 Beschrijving onderdelen Linkedin Descriptive Statistics Mean Std. Deviation L_geschiktbedrijf L_recommendation L_profielfoto L_aantal L_Werkervaring L_vaardigheden L_persinfo

2,96 4,64 4,53 3,12 4,95 4,61 4,39

,979 1,307 1,832 1,504 1,276 1,540 1,763

N 77 77 77 77 77 77 77

Hypothese 6b Tabel C46 Resultaten self generated informatie (profielfoto) tegenover geschiktheid

Source netwerk

Sphericity Assumed Greenhouse-Geisser Huynh-Feldt Lower-bound

Tests of Within-Subjects Effects Type III Sum of df Squares ,421 3 ,421 2,464 ,421 2,672 ,421 1,000

90

Mean Square ,140 ,171 ,158 ,421

F ,252 ,252 ,252 ,252

Sig. ,860 ,822 ,838 ,619


Tabel C47 Resultaten other generated informatie tegenover geschiktheid Tests of Within-Subjects Effects Source

Type III Sum

df

Mean

of Squares netwerk

F

Sig.

Square

Sphericity Assumed

103,371

3

34,457

27,646

,000

Greenhouse-Geisser

103,371

2,688

38,452

27,646

,000

Huynh-Feldt

103,371

2,941

35,147

27,646

,000

Lower-bound

103,371

1,000

103,371

27,646

,000

Tabel C48 Resultaten self generated informatie tegenover geschiktheid Tests of Within-Subjects Effects Source

Type III Sum

df

Mean

of Squares netwerk

F

Sig.

Square

Sphericity Assumed

17,907

3

5,969

4,569

,005

Greenhouse-Geisser

17,907

2,142

8,362

4,569

,011

Huynh-Feldt

17,907

2,260

7,923

4,569

,010

Lower-bound

17,907

1,000

17,907

4,569

,038

Tabel C49 Resultaten other generated informatie tegenover geschiktheid Tests of Within-Subjects Effects Source

Type III Sum

df

Mean

of Squares netwerk

F

Sig.

Square

Sphericity Assumed

111,767

3

37,256

22,223

,000

Greenhouse-Geisser

111,767

2,449

45,634

22,223

,000

Huynh-Feldt

111,767

2,612

42,786

22,223

,000

Lower-bound

111,767

1,000

111,767

22,223

,000

91


D. RecruitApp Inleiding In dit addendum zal het ontwikkelproces van de RecruitApp uitgebreid aan bod komen. Maar wat is de RecruitApp precies? De RecruitApp is een applicatie voor gebruikers van Windows 8. Het doel van de RecruitApp is om sollicitanten te helpen met het optimaliseren van hun sociale netwerkprofielen. In een tijdperk waarin digitale communicatie van groot belang is, is het ook belangrijk om deze communicatie zo goed mogelijk in te zetten. Niet iedereen weet echter hoe dit mogelijk is. De RecruitApp helpt hen hierbij. Wanneer een sollicitant een interessante vacature heeft gevonden, wordt hem aanbevolen vooraf de RecruitApp te gebruiken. Hier kan hij of zij namelijk een aantal kenmerken van het bedrijf en/of de contactpersoon invoeren, waarna de app aangeeft welk(e) sociale netwerk(en) het beste ingezet kan worden door de sollicitant. Tevens geeft de app aan welk onderdeel van het sociale netwerkprofiel het hoogst gewaardeerd wordt door een recruiter. Aan de hand van deze uitkomsten, kan de sollicitant zijn of haar netwerkprofiel zo goed mogelijk optimaliseren voor een betere eerste indruk bij de recruiter. Op het moment van schrijven bevindt de applicatie zich nog in een beginstadium. Aan de hand van dit onderzoek kan er echter nieuw onderzoek plaatsvinden, zodat de applicatie verder uitgebreid kan worden. Figuur D1 Logo RecruitApp

92


Hoofdstuk 1: Totstandkoming Het idee voor de RecruitApp is eigenlijk erg snel geboren. Zeker in een digitaal tijdperk als waarin we nu leven, is het logisch dat er meer gedaan wordt dan enkel een schriftelijke thesis. Vandaar dat ik al gauw met het idee speelde om ‘iets’ met een mobiele applicatie te doen. Gezien het feit dat een app vaak inspeelt op de vraag van gebruikers, leek het mij erg interessant om mijn onderzoeksresultaten in een applicatie te verwerken. De doelgroep van de app, starters op de banenmarkt, zijn vaak jonge mensen met smartphones en tablets. Dit in combinatie met de huidige moeilijke economische tijd, zorgde ervoor dat ik mijn resultaten niet zomaar onbenut wilde laten. Vanwege het feit dat het op dit moment zeer moeilijk kan zijn voor starters om een baan te vinden, is het van belang om hen hierbij zo goed mogelijk te helpen. Als starter moet je jezelf onderscheiden en laten zien dat jij de meest geschikte kandidaat voor een functie bent. De eerste indruk hierbij telt. Die eerste indruk wordt echter niet enkel meer gevormd door een sollicitatiebrief of een foto, maar steeds meer ook door sociale netwerkprofielen. Het is daarom van groot belang om deze profielen zo geschikt mogelijk te maken. De RecruitApp kan de starter hierbij helpen. Hoofdstuk 2: Ontwikkeling De RecruitApp is ontwikkeld in samenwerking met Ingenieur Rob Bakkers, werkzaam bij Avenade Nederland. Hij is specialist op het gebied van programmeren voor Windows en heeft daarom zijn vaardigheden ingezet bij het maken van deze applicatie. Om de app te ontwikkelen is gebruikt gemaakt van Windows Visual Studio. Dankzij uitgebreide developers kennis is het mogelijk om deze app precies volgens wens te bouwen. Daarna is er gewerkt aan het design van de app. Hierbij is gebruik gemaakt van een speciaal op elkaar afgestemd kleurenthema, waarbij de hoofdkleuren (oranje, donkerblauw en wit) een zakelijke en overzichtelijke uitstraling vormen tezamen met de Metro User Interface van Windows 8.

93


Hoofdstuk 3: Resultaat De applicatie bestaat uit drie gedeelten, zoals te zien is in figuur D2. Het eerste gedeelte is het advies gedeelte. Hier kunnen gebruikers eigenschappen aangeven van diegene waar zij een sollicitatiegesprek mee hebben. Aan de hand van deze gegevens wordt een advies gegeven met betrekking tot sociale netwerken en de optimalisatie hiervan, zoals te zien is in figuur D3. Daarnaast is er het ‘thesis gedeelte’. Hierin wordt een samenvatting weergegeven van dit onderzoek. De samenvatting is onderverdeeld in 5 hoofdstukken, zoals weergegeven in figuur D4. Ten slotte is er een helpfunctie, zoals figuur D5 laat zien. Hierin wordt het doel van de app uitgelegd en heeft de gebruiker de mogelijkheid om de volledige versie van dit onderzoek te downloaden en de website van de auteur te raadplegen. Afbeelding D2 Screenshot hoofdmenu

Afbeelding D3 Screenshot Advies gedeelte

94


Afbeelding D4 Screenshot Thesis gedeelte

Afbeelding D5 Screenshot Help gedeelte

95

Werving & Selectie in een digitale samenleving

Recommend Documents