Bir beceri nasıl kanıtlanır? 6 seviyeli yetkinlik kanıtı modeli

Skills First yaklaşımı, odağı resmi etiketlerden kişinin gerçekten gösterebildiği yetkinliklere taşır. Ancak bu, yetkinlikleri nasıl değerlendireceğimiz sorununu otomatik olarak çözmez.

OECD, skills-first yaklaşımını işe alım ve yetenek yönetimi uygulamalarının insanları gösterilmiş becerilere göre değerlendirecek şekilde uyarlanması olarak tanımlar. Raporda uygun değerlendirme araçları ve beceri çerçevelerine duyulan ihtiyaç da vurgulanır. [1]

Bu nedenle "Education" bölümünü daha uzun bir "Skills" bölümüyle değiştirmek yeterli değildir. Ayrıca bir yetkinlik iddiasının neden güvenilir olması gerektiğini daha iyi açıklamalıyız.

İki kişi tam olarak aynı beceriyi yazabilir ancak pratik deneyimleri tamamen farklı olabilir.

Şu ifadeyi kullanan iki uzman düşünelim:

Angular - ileri seviye

İlk kişi bir kurs tamamlamış, birkaç kişisel proje yapmış ve frameworkün temel mekanizmalarını biliyor.

İkinci kişi üç yıl production uygulaması geliştirmiş, sistemin bir bölümünün mimarisinden sorumlu olmuş, Angular sürümleri arasında migrasyonlar yapmış ve çalışmalarının somut sonuçlarını gösterebiliyor.

Klasik bir beceri listesinde ikisi çok benzer görünebilir.

Gerçek farkı ancak bağlam içindeki kanıtlar göstermeye başlar.

Model, insanlara tek bir evrensel puan vermek için tasarlanmamıştır. Farklı meslekler farklı kanıt türleri üretir ve her proje kamuya açık biçimde gösterilemez.

Amaç daha basit bir soruyu yanıtlamaktır:

belirli bir yetkinliğin güvenilir biçimde sunulduğunu destekleyen materyal ne kadar güçlü?

En basit seviye kullanıcının kendi beyanıdır.

Örnekler:

• Angular
• Figma
• SEO
• ekip liderliği
• B2B müzakere

Bu bilgi arama ve keşif için yararlıdır ancak kanıt değeri sınırlıdır.

Henüz şunları bilmiyoruz:

• yetkinliğin nerede kullanıldığını,
• ne kadar süre kullanıldığını,
• hangi ölçekte kullanıldığını,
• hangi sorumlulukla kullanıldığını,
• hangi sonucu ürettiğini.

Beyan başlangıç noktasıdır, değerlendirmenin sonu değildir.

Kanıt, becerinin nerede ve hangi bağlamda kullanıldığını bildiğimizde güçlenir.

Şunun yerine:

Angular

şunu görürüz:

Angular, lojistik sektörüne yönelik bir SaaS uygulamasının geliştirilmesinde 2 yıl kullanıldı.

Bu hala işin kalitesini kanıtlamaz ancak önemli bağlam sağlar:

• gerçek proje,
• kullanım süresi,
• uygulama alanı,
• çalışma ortamının niteliği.

Bu seviyede beceri yalnızca bir etiket olmaktan çıkar.

Bir sonraki seviye, beyan ve deneyim gerçek bir çalışma çıktısıyla ilişkilendirilebildiğinde ortaya çıkar.

Mesleğe göre bu çıktı şu olabilir:

• çalışan bir uygulama,
• kod örneği,
• repository,
• arayüz tasarımı,
• prototip,
• rapor,
• analiz,
• kampanya,
• makale,
• dokümantasyon,
• finansal model,
• fotoğraf,
• teknik tasarım,
• tamamlanmış işin kaydı.

Bu çıktı önemli bir soruyu yanıtlar:

bu beceri kullanılarak gerçekten oluşturulmuş bir şeyi görebiliyor muyuz?

Bu, portfolio'nun resmi bir yetkinlik testi olduğu anlamına gelmez. Bununla birlikte personel seçimi araştırmaları, gerçek işe yakından bağlı work sample ve mesleki bilgi testleri gibi yöntemlerin performans için yararlı göstergeler olabileceğini belirtir. Yazarlar ayrıca sonuçların bağlam, maliyet ve yöntemin sınırları dikkate alınarak yorumlanması gerektiğini vurgular. [2]

Bir çalışma çıktısı bile zor bir soruyu yanıtsız bırakabilir:

bu kişi tam olarak ne yaptı?

Bu özellikle ekip projelerinde önemlidir.

Bir uygulamayı 20 kişi geliştirmiş olabilir. Bir kampanyada 8 kişilik ekip çalışmış olabilir. Rebranding sürecinde ajans, şirket içi pazarlama ve dış danışmanlar birlikte yer almış olabilir.

Bu nedenle daha güçlü kanıt, kişisel katkıyı açıkça tanımlayan bir case studydir.

İyi bir case study en az şunları ayırmalıdır:

• problem veya hedef,
• projenin genel kapsamı,
• uzmanın kişisel sorumluluğu,
• gerçekten yapılan işler,
• kullanılan yetkinlikler,
• diğer kişilerle iş birliği,
• sonuç.

Şunun yerine:

Bir e-commerce platformu yaptım.

şu daha iyidir:

Frontend mimarisinden, checkout implementasyonundan ve ödeme akışının entegrasyonundan sorumluydum. Proje beş kişilik bir ekip tarafından gerçekleştirildi.

İkinci açıklama daha değerlidir çünkü tüm ekibin işini tek bir kişiye atfetmez.

Çalışma, genel ifadeler yerine somut bir sonuca bağlandığında kanıt daha da güçlenir.

Örnekler:

Frontend
Ana görünümün yüklenme süresi 4,2 saniyeden 1,8 saniyeye indirildi.

UX
Kayıt akışı yeniden tasarlandıktan sonra form terk oranı azaltıldı.

Marketing
Benzer trafik kalitesi korunurken lead başı maliyet düşürüldü.

Sales
Yeni müşteri segmenti açıldı ve belirli sayıda sözleşme kapatıldı.

Operations
Bir süreç birkaç günden birkaç saate indirildi.

Her mesleğin sonucu yüzde veya para ile ifade edilemez ve edilmemelidir. Profilin daha etkileyici görünmesi için yapay metrikler üretilmemelidir.

Faydalı soru şudur:

bu çalışma sayesinde ne değişti?

Modelin en güçlü seviyesi, bilgilerin en az bir kısmı profil sahibinin beyanından bağımsız olarak doğrulanabildiğinde ortaya çıkar.

Örneğin:

• kamuya açık proje,
• katkı geçmişi bulunan repository,
• kamuya açık yayın,
• projeye katılımın doğrulanması,
• hukuken yayımlanabilen müşteri veya çalışma arkadaşı referansı,
• bağımsız olarak teyit edilebilen sonuç,
• gerçekten ilgili olduğunda resmi yeterlilik,
• belirli bir işi doğrulayan başka bir kaynak.

Bu, her projenin kamuya açık olması gerektiği anlamına gelmez.

Birçok değerli proje NDA, ticari sır veya başka gizlilik yükümlülükleri altındadır.

Bu nedenle kamuya açık kanıtın olmaması yetkinliğin olmadığı anlamına gelmez.

Sadece bağımsız doğrulanabilirlik derecesinin daha düşük olduğunu gösterir.

Seviye 1 - beyan
Angular.

Seviye 2 - bağlam
Angular, SaaS uygulamalarında 3 yıl kullanıldı.

Seviye 3 - çalışma çıktısı
Kamuya açık uygulama, repository veya gösterilebilen başka bir iş örneği.

Seviye 4 - bireysel katkı
Seçili modüllerin mimarisi, paylaşılan bileşenler ve uygulama migrasyonundan sorumluluk.

Seviye 5 - sonuç
Bir optimizasyon ana modülün açılış süresini 4,2 saniyeden 1,8 saniyeye düşürdü. Değerler örnektir.

Seviye 6 - doğrulama
Sonuç ve katkı, kamuya açık proje, değişiklik geçmişi, referans veya başka bağımsız kaynakla ayrıca doğrulanabilir.

Aynı seviyedeki iki kanıtın değeri çok farklı olabilir. Beş ek boyut, kanıtın kalitesini yorumlamaya yardımcı olur.

1. İlgililik - kanıt gerçekten değerlendirilen yetkinlikle ilgili mi?

2. Güncellik - yetkinlik ne zaman kullanıldı ve bu alanda yakın zamanlı deneyim ne kadar önemli?

3. Yazarlık ve sorumluluk - kişinin gerçekten ne yaptığını biliyor muyuz?

4. Bağlam - ölçek, karmaşıklık, sorumluluk, kaynaklar ve çalışma koşulları nasıldı?

5. Doğrulanabilirlik - bilgilerin en az bir kısmını bağımsız olarak doğrulamanın yolu var mı?

İlgililik

Bir teknolojinin yalnızca sınırlı kullanıldığı proje, o yetkinliğin işin merkezinde olduğu projeden daha zayıf kanıttır.

Güncellik

Güncelliğin önemi alana göre değişir. Bazı alanlarda on yıl önceki deneyim hala çok değerlidir. Bazılarında araçlar ve pratikler çok hızlı değiştiği için yakın zamanlı kullanım önemlidir.

Yazarlık ve sorumluluk

Proje ve ekip büyüdükçe, toplam sonuç ile uzmanın bireysel katkısını ayırmak daha önemli hale gelir.

Bağlam

Aynı sonuç proje ölçeği, zaman kısıtları, kaynaklar, sorumluluk ve problem karmaşıklığına göre farklı anlam taşıyabilir.

Doğrulanabilirlik

Bağımsız doğrulama her zaman mümkün değildir ve her zaman zorunlu olmamalıdır. Ancak bağımsız bir kaynak sonucu veya katkıyı doğrulayabiliyorsa kanıtın güvenilirliği artar.

Bir kişi, ticari olarak başarısız olan bir projede kendi bölümünü çok iyi gerçekleştirmiş olabilir.

Aynı şekilde çok başarılı bir projede çalışmış ama nihai başarıya çok sınırlı katkıda bulunmuş olabilir.

Bu nedenle üç şeyi ayırmak faydalıdır:

1. Yetkinlik
Kişi belirli bir işi yapabiliyor mu?

2. Katkı
İşin hangi bölümünden gerçekten sorumluydu?

3. Sonuç
Bu çalışma sonucunda ne değişti?

Bu üç unsur birlikte daha tam bir resim sunar.

Bir sertifika veya başka resmi yeterlilik yararlı kanıt olabilir ancak değeri gerçekte neyi doğruladığına ve nasıl elde edildiğine bağlıdır.

Örneğin şunları doğrulayabilir:

• eğitimin tamamlanması,
• belirlenmiş öğrenme çıktılarının kazanılması,
• belirli bir değerlendirmeden geçilmesi,
• bir standardın bilinmesi,
• resmi şartların karşılanması.

Avrupa Komisyonu micro-credential kavramını kısa bir öğrenme deneyimiyle edinilen öğrenme çıktılarının kaydı olarak tanımlar. Avrupa yaklaşımı şeffaflık ve kaliteye önem verir. [3]

Bir sertifika, kişinin gerçek profesyonel ortamda karmaşık işi bağımsız olarak yapabildiğinin otomatik kanıtı olarak görülmemelidir.

Dolayısıyla resmi yeterlilik, bağlama göre anlam kazanan olası kanıt unsurlarından biridir.

Bir projeyi kamuya açık gösterememek değerli deneyimi ortadan kaldırmamalıdır.

Bununla birlikte NDA, gizlilik yükümlülükleri, ticari sırlar, telif hakları ve veri koruma kuralları portfolio gösterme isteğinden önce gelir.

Uzman bir projeyi yalnızca sözleşmelerin, yürürlükteki hukukun ve diğer kişi ve kuruluşların haklarının izin verdiği ölçüde açıklamalıdır. Müşteri adını kaldırmak her zaman yeterli değildir; kalan bilgiler proje, müşteri, teknoloji, sonuçlar veya gizli yöntemleri tanımlayabiliyorsa risk devam eder.

Açıklamanın izinli olduğu durumlarda şu bilgiler uygun genellikte verilebilir:

• sektör,
• gizli bilgi vermeden problemin niteliği,
• kişinin rolü ve sorumlulukları,
• kullanılan yetkinlikler,
• yalnızca izin verilen ölçüde çalışma ölçeği,
• korunan veri yayımlamadan sonuç türü,
• yeterince genel bir düzeyde yaklaşım.

Belirli bir bilginin yayımlanıp yayımlanamayacağı belirsizse, sözleşme kontrol edilene veya hak sahibinin izni alınana kadar açıklamamak daha güvenlidir.

Yetkinlik kanıtı sistemi her meslek yazılım geliştirmeymiş gibi tasarlanmamalıdır.

Designer süreç, tasarım kararları, prototip ve sonucu gösterebilir.

Developer ürün, kod, mimari veya teknik sorumluluk alanını gösterebilir.

Marketing uzmanı kampanya, yaklaşım, sorumluluk ve sonuç değişimini gösterebilir.

Satış uzmanı gizli müşteri verilerini açıklamadan pazar segmentini, satış sürecini, kendi rolünü ve sonucu tanımlayabilir.

Project Manager proje kapsamını, çalışma organizasyonunu, kısıtları ve delivery üzerindeki etkisini gösterebilir.

Fotoğrafçı yapay KPI üretmeden tamamlanmış işlerini sunabilir.

Model ilkeler düzeyinde ortak, kanıt türü açısından esnek olmalıdır.

1. Yetkinliğin gerçekten nerede kullanıldığını kontrol edin.

2. Çalışma çıktısı veya somut bir uygulama örneği arayın.

3. Uzmanın katkısını tüm ekibin çalışmasından ayırın.

4. Anlamlı biçimde açıklanabiliyorsa sonucu inceleyin.

5. Deneyimin güncelliğini ve çözmek istediğiniz probleme benzerliğini değerlendirin.

6. Mümkün ve uygun olduğunda bağımsız doğrulama arayın.

Bu yaklaşım değerlendirmeyi profil anahtar kelimelerinden gösterilmiş yetkinliklerle somut ihtiyaç arasındaki gerçek uyuma taşır.

Model bilgiyi düzenlemek ve insan değerlendirmesini desteklemek içindir. İşe alma, adayı reddetme veya profesyonel iş birliğine başlama konusunda otomatik bir karar olarak kullanılmamalıdır.

Her yetkinlik için seviye 6 kanıtı gerekmez.

Daha yararlı olan, en önemli becerileri gözden geçirip şunları sormaktır:

• bu beceriyi nerede kullandım?
• hangi problemi çözüyordum?
• tam olarak ne yaptım?
• bu işe ait bir çıktı var mı?
• sonuç neydi?
• gizliliği ihlal etmeden açıklayabilir miyim?
• katkımı doğrulayabilecek bir kişi veya kaynak var mı?

Sadece:

Figma - ileri seviye

ifadesinden:

Bir B2B uygulamasının onboarding sürecini tasarladım; research, prototipleme, usability testleri ve final design system’dan sorumluydum

ifadesine geçmek bile profildeki bilginin kalitesini açıkça artırır.

Skills First yaklaşımı, "skill" kelimesinin sadece bir etiketten fazlasını ifade ettiği zaman anlam kazanır.

Yetkinlikler uzmanları bulma ve karşılaştırmanın temel yollarından biri olacaksa mümkün olan en iyi bağlamla ilişkilendirilmelidir:

deneyim -> portfolio -> bireysel katkı -> sonuç -> doğrulanabilirlik.

Her yetkinlik en yüksek seviyeye ulaşmayacaktır ve ulaşmak zorunda da değildir.

Amaç profildeki her madde etrafında zorunlu bürokrasi yaratmak değildir.

Amaç uzmanların bir yetkinlik iddiasının neden güvenilir olduğunu açıklayabilmesi ve uzmanlık arayanların daha bilinçli karar verebilmesidir.

1. Beyan yerine somutluk - yetkinliğin nerede ve nasıl kullanıldığını gösterin.

2. Ekip başarısı yerine bireysel katkı - kendi çalışmanızı tüm organizasyonun sonucundan ayırın.

3. Görev listesi yerine sonuç - mümkünse çalışma sayesinde neyin değiştiğini gösterin.

4. Tek sayı yerine bağlam - koşulları olmayan metrik yanlış sonuçlara yol açabilir.

5. Mümkün olduğunda doğrulama - bağımsız teyit güvenilirliği artırır ancak olmaması yetkinliği geçersiz kılmaz.

Profesyonel bir profil, okuyucuyu beceri listesinin arkasında gerçekte ne olduğunu tahmin etmeye zorlamamalıdır.

Beyan bir yetkinliğin bulunmasını sağlar. Kanıt onun anlaşılmasını sağlar.

Altı seviye basit bir yol olarak özetlenebilir:

1. Yapabildiğimi söylüyorum.
2. Nerede kullandığımı gösteriyorum.
3. Ne oluşturduğumu gösteriyorum.
4. Tam olarak ne yaptığımı açıklıyorum.
5. Sonucu gösteriyorum.
6. Mümkün olduğunda bağımsız doğrulamaya izin veriyorum.

Bu soruların ne kadar fazlasını cevaplayabilirsek yalnızca beyana o kadar az bağımlı oluruz.

Skills First işte o zaman profildeki bilgilerin sırasını değiştirmekten daha fazlasına dönüşür.

[1] OECD - A Skills-First Labour Market: Promoting skills-first hiring and talent management, 2026
Kaynağı aç

[2] Sackett, Zhang, Berry, Lievens - Revisiting the design of selection systems in light of new findings regarding the validity of widely used predictors, Cambridge University Press, 2023
Kaynağı aç

[3] European Commission - A European approach to micro-credentials
Kaynağı aç

Metodolojik not: [1]-[3] kaynakları Skills First, yetkinlik değerlendirmesi ve resmi yeterlilikler için daha geniş bir bağlam sunar. 6 seviyeli yetkinlik kanıtı modeli ise bu içerikte açıklanan özgün bir kavramsal modeldir ve bu yayınların sonucu olarak sunulmaz.