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 = 0.0521
нормальное распределение, по Стьюденту r = 0.0521
не нормальное распределение, по Спирмену r = 0.0021
РаспределениеНе
нормальное
НормальноеНе
нормальное
НормальноеНормальноеНормальноеНормальноеНормальное
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
0.1212
Слабая положительная
0.0326
Слабая отрицательная
-0.0410
Слабая отрицательная
-0.0963
Слабая положительная
0.0374
Слабая положительная
0.0199
Слабая отрицательная
-0.0307
Answer 2-
Слабая отрицательная
-0.0037
Слабая отрицательная
-0.0356
Слабая отрицательная
-0.0025
Слабая отрицательная
-0.0101
Слабая отрицательная
-0.0102
Слабая отрицательная
-0.0094
Слабая положительная
0.0616
Answer 3-
Слабая положительная
0.0333
Слабая отрицательная
-0.0148
Слабая положительная
0.0182
Слабая отрицательная
-0.0160
Слабая положительная
0.0348
Слабая отрицательная
-0.0426
Слабая отрицательная
-0.0070
Answer 4-
Слабая положительная
0.0348
Слабая положительная
0.0612
Слабая отрицательная
-0.0089
Слабая отрицательная
-0.0313
Слабая положительная
0.0192
Слабая отрицательная
-0.0394
Слабая отрицательная
-0.0146
Answer 5-
Слабая отрицательная
-0.0091
Слабая положительная
0.0320
Слабая отрицательная
-0.0389
Слабая положительная
0.0157
Слабая положительная
0.0248
Слабая отрицательная
-0.0103
Слабая отрицательная
-0.0173
Answer 6-
Слабая отрицательная
-0.0245
Слабая отрицательная
-0.0017
Слабая положительная
0.0427
Слабая отрицательная
-0.0070
Слабая отрицательная
-0.0026
Слабая положительная
0.0062
Слабая отрицательная
-0.0184
Answer 7-
Слабая положительная
0.0269
Слабая положительная
0.0350
Слабая отрицательная
-0.0202
Слабая отрицательная
-0.0343
Слабая положительная
0.0086
Слабая отрицательная
-0.0021
Слабая положительная
0.0011
Answer 8-
Слабая отрицательная
-0.0127
Слабая отрицательная
-0.0019
Слабая отрицательная
-0.0117
Слабая отрицательная
-0.0377
Слабая отрицательная
-0.0344
Слабая положительная
0.0654
Слабая положительная
0.0340
Answer 9-
Слабая отрицательная
-0.0558
Слабая положительная
0.0372
Слабая положительная
0.0344
Слабая положительная
0.0650
Слабая отрицательная
-0.0554
Слабая отрицательная
-0.0089
Слабая отрицательная
-0.0233


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
Redirect to your region's domain sdtest.us ?
YES
NO
Bot
sdtest
1
Привет! Позвольте спросить, Вы уже знакомы со Спиральной Динамикой?