Acceso usuarios
Se presenta un método de Análisis Ocupacional utilizado para racionalizar y homogeneizar la estructura de puestos de trabajo de los técnicos de la Administración General de la Comunidad Autónoma Vasca, mediante la tipificación de sus funciones. Este método tiene tres elementos: 1) La diferenciación práctica y conceptual entre función y tarea, 2) La descomposición de la función en componentes y su utilización operativa y 3) La utilización del ámbito de la función como forma de incorporar la estrategia y el cliente. La tipificación es el resultado de taxonomizar los tres componentes que constituyen una función: verbo, objeto general y ámbito. Así, después de traducir las funciones originales a las funciones tipificadas, cada puesto queda definido con relación a dichas funciones tipo. La resultante matriz se somete a un Análisis de Clusters que permite conocer cómo se parecen o diferencian los puestos y cómo se relacionan, permitiendo una simplificación de las estructuras y simular escenarios a la hora de crear puestos o estructuras. Se ha escogido la medida de similaridad de Czekanowski para los agrupamientos, y para las agrupaciones escalares el algoritmo de Varianza Mínima de Ward que permite un agrupamiento jerárquico de puestos así como conocer su devenir desde su máxima dispersión hasta su última agrupación.
This paper describes a method of occupational analysis for streamlining technical jobs inthe Basque Autonomous Community General Administration through standardization ofduties. This method involves three elements: 1) the practical and conceptual distinction between function and task; 2) the breakdown of duties into components and their operationaluse; and 3) the use of function scope as a way of incorporating both the strategy and the cus-tomer. Standardization results from a taxonomy of function components, i.e., verb, generalobject and scope. Therefore, after translating original duties into standardized ones every jobis defined according to these standardized duties. Resulting matrix under goes a cluster analysis. This will allow us to know how jobs resemble or differentiate and how they relate, lea-ding to a simplification of structures and to a simulation of scenarios at the time of creatingjobs or structures. Czekanowski’s similarity measure has been chosen for clustering, andWard’s minimum variance algorithm for scalar clusters, allowing both a job hierarchicalclustering and a follow up of their evolution, from their maximum scattering to their las tclustering.
