тест по книге «Спиральная динамика.
Управляя ценностями, лидерством и
изменениями в XXI веке»
(ISBN 978-5-91171-026-2)
Спонсоры

Feathered Correlations: Color Predicting Culture in Diverse Flocks After Disaster

There were once colorful flocks of birds that lived together in a big forest. These flocks of birds had different ratios of beige birds, purple birds, red birds, blue birds, orange birds, green birds, yellow birds, and turquoise birds. These different proportions of colors influenced each flock's values, culture, and atmosphere. Their leaders made decisions based on the most common bird colors.


One day, after a bad storm, the flock leaders made tough choices to help their birds survive.


In Swift's flock, purple and green birds predominated. True to their adventurous nature, Swift sent the purple and green birds to find new food sources (unpaid vacation). She asked the orange birds to scout for materials to rebuild damaged nests because they loved to compete.


Feather's flock mainly had blue, who valued stability, and orange birds, who loved competition. The no-nonsense orange birds got right to work on repairs (no reduced staff). And the peaceful blue birds kept singing to lift spirits, so Feather changed nothing about their routines (nothing changed).  


Hootie's flock had many sociable yellow birds who could always find a profitable solution for everyone and possessed a Win-Win-Win behavior. When the yellow birds' food storage was damaged, instead of reducing their rations (reduced salaries), Hootie asked the red birds to share the extra food they had gathered. So, yellow birds' food storage wasn't changed (no reduced salaries).


Over in Willa's flock, fun-loving turquoise birds were the majority. After the storm, Willa kept all her turquoise birds in their usual nests, singing songs since their cheerfulness helped the whole flock recover (nothing changed). But she had to ask the few red and orange birds to rebuild damaged nests belonging to elder beige birds temporarily.


Each diverse flock recovered based on its colorful culture and connections. But all birds worked cooperatively despite difficulties to continue thriving in the forest.


The SDTEST® gives clues to someone's motivational values. However, additional polls can provide more pieces of the puzzle.


Imagine also giving an "Actions of companies in relation to personnel in the last month (yes / no)" poll. It asks people about actions of companies in relation to personnel in the last month. 


Now imagine 1'000 people who took both tests. You could match up each person's SDTEST® colors with their answers about actions of companies in relation to personnel in the last month.


Comparing tests gives an expanded picture of values in action. More puzzle pieces make the whole image more apparent!


Multiple tests can work together, like colors blending on a palette. Other polls reveal what engages your values, like what is the perception of the actions of companies in relation to personnel in the last month. Combined, they paint a richer picture of what motivates our thoughts and deeds.


Below you can read an abridged version of the results of our VUCA poll "Actions of companies in relation to personnel in the last month (yes / no)". The full results of the poll are available for free in the FAQ section after login or registration.


Действия компаний в отношении персонала в прошлом месяце (да / нет)

Страна
Язык
-
Mail
Пересчитать
Критическое значение коэффициента корреляции
нормальное распределение, по Стьюденту r = 0.0538
нормальное распределение, по Стьюденту r = 0.0538
не нормальное распределение, по Спирмену r = 0.0022
РаспределениеНе
нормальное
НормальноеНормальноеНормальноеНормальноеНормальноеНормальноеНормальное
Все вопросы
Все вопросы
Какие действия были предприняты по отношению к персоналу в прошлом месяце
Какие действия были предприняты по отношению к персоналу в прошлом месяце
Answer 1-
Слабая положительная
0.1219
Слабая положительная
0.0358
Слабая отрицательная
-0.0376
Слабая отрицательная
-0.1090
Слабая положительная
0.0527
Слабая положительная
0.0143
Слабая отрицательная
-0.0358
Answer 2-
Слабая отрицательная
-0.0138
Слабая отрицательная
-0.0402
Слабая положительная
0.0020
Слабая отрицательная
-0.0035
Слабая отрицательная
-0.0256
Слабая положительная
0.0006
Слабая положительная
0.0656
Answer 3-
Слабая положительная
0.0360
Слабая отрицательная
-0.0136
Слабая положительная
0.0184
Слабая отрицательная
-0.0156
Слабая положительная
0.0353
Слабая отрицательная
-0.0528
Слабая отрицательная
-0.0054
Answer 4-
Слабая положительная
0.0384
Слабая положительная
0.0676
Слабая отрицательная
-0.0027
Слабая отрицательная
-0.0325
Слабая положительная
0.0225
Слабая отрицательная
-0.0513
Слабая отрицательная
-0.0190
Answer 5-
Слабая отрицательная
-0.0065
Слабая положительная
0.0405
Слабая отрицательная
-0.0417
Слабая положительная
0.0165
Слабая положительная
0.0289
Слабая отрицательная
-0.0110
Слабая отрицательная
-0.0206
Answer 6-
Слабая отрицательная
-0.0114
Слабая положительная
0.0115
Слабая положительная
0.0428
Слабая отрицательная
-0.0107
Слабая отрицательная
-0.0040
Слабая отрицательная
-0.0106
Слабая отрицательная
-0.0117
Answer 7-
Слабая положительная
0.0360
Слабая положительная
0.0367
Слабая отрицательная
-0.0191
Слабая отрицательная
-0.0371
Слабая положительная
0.0097
Слабая отрицательная
-0.0043
Слабая отрицательная
-0.0072
Answer 8-
Слабая отрицательная
-0.0154
Слабая положительная
0.0049
Слабая отрицательная
-0.0068
Слабая отрицательная
-0.0546
Слабая отрицательная
-0.0363
Слабая положительная
0.0681
Слабая положительная
0.0390
Answer 9-
Слабая отрицательная
-0.0546
Слабая положительная
0.0282
Слабая положительная
0.0296
Слабая положительная
0.0641
Слабая отрицательная
-0.0446
Слабая отрицательная
-0.0073
Слабая отрицательная
-0.0230


Экспорт в MS Excel
Эта функциональность будет доступна в ваших собственных опросах VUCA
Да


2023.12.09
Валерий Косенко
Владелец продукта SaaS SDTEST®

Валерий получил квалификацию социального педагога-психолога в 1993 году и с тех пор применяет свои знания в управлении проектами.
В 2013 году Валерий получил степень магистра и квалификацию менеджера проектов и программ. В ходе магистерской программы он познакомился с «Дорожной картой проекта» (GPM Deutsche Gesellschaft für Projektmanagement e.V.) и «Спиральной динамикой».
Валерий — автор исследования неопределенности V.U.C.A. концепция с использованием спиральной динамики и математической статистики в психологии, а также 38 международных опросов.
Этот пост имеет 0 Комментарии
Ответить на
Отменить ответ
Оставьте свой комментарий
×
ВЫ НАШЛИ ОШИБКУ
ПРЕДЛОЖИТЕ СВОЙ ПРАВИЛЬНЫЙ ВАРИАНТ
Укажите по желанию ваш e-mail
Отправить
Отмена
Bot
sdtest
1
Привет! Позвольте спросить, Вы уже знакомы со Спиральной Динамикой?