Hur vi mäter kognitiv prestation — och vad vi inte påstår.
En kort genomgång av konstruktkopplingen, poängsättningen, aggregeringen och integritetshållningen bakom WelloWork-plattformen. Vi publicerar metodiken i takt med att vi genererar pilotdata.
- 01Adaptiv uppgiftSvårighetsgraden kalibreras per session
- 02KonstruktkopplingEtt primärt kognitivt konstrukt
- 03Baslinjenormalisering per medarbetareJämfört med din egen trend
- 04Aggregat på teamnivåTröskelstyrt, veckovis utjämnat
Vad är WelloWork-metodiken, i ett stycke? WelloWork mäter kognitiv prestation via korta adaptiva uppgifter kopplade till fem validerade konstrukt — arbetsminne, bearbetningshastighet, uppmärksamhet, problemlösning och kognitiv flexibilitet. Poäng per session normaliseras mot en baslinje per medarbetare och aggregeras till trender på teamnivå med tillämpning av minsta teamstorlek. Vi gör inga kliniska eller diagnostiska påståenden om biomarkörrapporter.
Hur kopplas övningar till konstrukt?
Varje uppgift på plattformen kopplas till ett primärt konstrukt och högst ett sekundärt konstrukt. Den primära kopplingen styr poängsättningen; den sekundära kopplingen registreras för metodikrevision men bidrar inte till det huvudsakliga mätvärdet. Vi använder etablerade paradigm — N-back, span-uppgifter, symbolsubstitution, Posner-cueing, Raven-liknande resonemang, uppgiftsväxling — anpassade för korta sessioner på plattformen.
- SekvensåtergivningArbetsminne
- SymbolsubstitutionBearbetningshastighet
- MåldetektionUppmärksamhet
Varje uppgift kopplas till ett primärt konstrukt. Sekundära signaler registreras men styr inte poängen.
Varför WelloWork-scenarier — inte kognitiva spel?
Forskning visar genomgående att människor blir bättre på kognitiva spel — inte på de komplexa beslut som deras arbete faktiskt kräver. WelloWork-scenarier är förankrade i beteendevetenskapligt fältarbete.
Metaanalyser visar genomgående att människor blir bättre på spelet. Överföring till verklig komplexitet på arbetsplatsen: minimal.
Byggd på fältobservationer av hur människor faktiskt resonerar på arbetet. Ingen approximation. Inget spel.
Hur beräknas poängen?
Prestation per session normaliseras mot medarbetarens egen löpande baslinje (z-poäng inom de senaste 90 dagarna). Detta undviker medvetet att jämföra en medarbetare mot en annan på individnivå, eftersom populationsrelativ poängsättning är känslig för brus som inte spelar någon roll i en arbetsplatskontext.
Att jämföra en medarbetare mot en fördelning bland kollegor. Brusigt på individnivå — och obekvämt på arbetsplatsen.
Varje session poängsätts mot medarbetarens egen löpande baslinje från de senaste 90 dagarna.
Vi jämför inte medarbetare med varandra. Vi följer varje person mot dennes egna etablerade baslinje.
Hur görs aggregeringarna?
Vad väljer vi medvetet att inte påstå?
Vi påstår inte att kognitiv träning överförs till specifika affärsresultat (intäkter, produktivitet). Vi påstår inte att biomarkörrapporter har kliniskt eller diagnostiskt värde. Vi påstår inte att individuell rangordning av medarbetare är tillförlitlig från korta adaptiva uppgifter — endast att trender är det. Och vi hittar inte på mätvärden: varje påstående knyts tillbaka till ett publicerat konstrukt eller till en metodiknotis som vi kommer att publicera under /research.
- Kognitiva trender över tid
- Mönster på teamnivå
- Konstruktkopplade beteendesignaler
- Variation inom person
- Överföring till specifika affärsresultat
- Kliniskt eller diagnostiskt värde
- Tillförlitlig individuell rangordning från korta uppgifter
- Självpåhittade mätvärden
Hur publicerar vi uppdateringar?
Metodiknotiser kommer att publiceras under /research/science-insight i takt med att pilotkohorter producerar tillräckligt med data för att skriva något försvarbart. Vi kommer inte att publicera enskilda kunddata, och vi kommer inte att publicera aggregat som inte uppfyller vår tröskel för minsta teamstorlek.
- M1Pilotkohortdata insamlad
- M2Metodiknotis utkast + granskad
- M3Publicerad under /research/science-insight
Vi publicerar när data är försvarbar. Inte tidigare.
Integritet i metodiken
Metodik och integritet hänger ihop. Plattformens val att normalisera inom en medarbetare, inte mot en population, är också det som gör det svårare att "avanonymisera" ett aggregat.
En individuell baslinje bär ingen information om kollegor — det finns ingen fördelning bland kollegor att räkna bakåt mot.
Aggregat från små kohorter kan reverse-engineeras till en enskild medarbetare. Vi undertrycker dem vid källan.
Samma metodiska val som gör vår mätning träffsäker gör också avanonymisering strukturellt svårare.