Az EU bértranszparencia törvény hatása
2026-tól az Európai Unióban tevékenykedő vállalatoknak kötelező lesz megfelelniük az új bértranszparencia irányelvnek. Ez a jogszabály azt célozza, hogy átláthatóbbá tegye a bérezési gyakorlatokat, és csökkentse a nemek közötti bérkülönbségeket. A törvény értelmében a munkáltatóknak objektív, szakmai alapon kell meghatározniuk a fizetéseket – már nem elég a szubjektív megítélés vagy a „piaci alkuerő”.
Cégünknél, mint sok más szervezetnél, ez komoly kihívást jelent. Szakmai vezetőként szembesülnöm kellett azzal a kérdéssel: hogyan lehet objektíven, mérhetően megállapítani egy tesztelő tudását és tapasztalatát?
Jelenlegi tudásmérési módszerek korlátai
Eddig két fő forrásra támaszkodtunk a munkatársak tudásának felmérésénél:
- Önéletrajz (CV): A korábbi tapasztalatok, projektek, használt eszközök listája
- Önbevallásos skill mátrix: A munkatársak saját megítélése szerint töltik ki, milyen területeken, milyen szinten rendelkeznek tudással
Ezek a módszerek hasznosak, de korlátaik is vannak:
- Szubjektívek – mindenki másképp értékeli a saját tudását
- Nehéz összehasonlítani különböző emberek skill mátrixait
- Nem adnak objektív visszajelzést a valós tudásszintről
- A CV-ben szereplő tapasztalatok nem feltétlenül tükrözik az aktuális tudást
Amit mérni szeretnénk
A bértranszparencia törvénynek való megfeleléshez olyan mérési módszerekre van szükségünk, amelyek elméleti és gyakorlati tudást is mérnek és objektíven értékelhetők.
Olyan elméleti tudást mérésére van szükség, mint például:
- Teszteset-tervezési technikák ismerete (ekvivalencia-particionálás, határérték-elemzés stb.)
- Tesztelési alapfogalmak
- Minőségbiztosítási folyamatok megértése
A gyakorlati készségek mérését jelenti például:
- az SQL lekérdezések írása
- API tesztelés
- Különböző tesztelési eszközök használata
- Tesztadatok előállítása
Az objektív értékelhetőség akkor valósul meg, ha:
- Automatikusan pontozhatóak az eredmények
- Nem igényel szakértői időt az ellenőrzés
- az eredmények összehasonlíthatók a különböző munkatársak között
A kihívás: Automatizált értékelés gyakorlati feladatoknál
Elméleti tudás mérése: Moodle
Az elméleti tudás felmérése viszonylag egyszerű. Használhatunk Moodle-t vagy hasonló tanulásmenedzsment rendszert, ahol:
- Feleletválasztós kérdéseket készítünk
- Igaz-hamis állításokat teszünk fel
- Párosító feladatokat adunk
- Sorbarendező feladatokat adunk
Ezeket a rendszer automatikusan értékeli, pontozza, és statisztikát készít róla. Ez működik, de csak elméleti tudást mér.
Gyakorlati tudás mérése: A nehéz rész
A valódi kihívás a gyakorlati készségek mérése. Hogyan ellenőrizzük automatikusan, hogy:
- Képes-e szisztematikusan teszteseteket tervezni?
- Tudja-e használni az API tesztelési eszközöket?
- Tud-e tesztadatot tervezni?
Első ránézésre ez lehetetlennek tűnik. Hogyan értékelne egy gép olyan feladatokat, amelyek szakértői tudást igényelnek?
Kis keresgéléssel találtam egy régi, szoftvertesztelő versenyt, ahol a jelentkezőknek gyakorlati feladatokat kellett megoldani: „https://www.teszteloverseny.hu”. Itt végignézve a feladatokat találtam olyat, aminek a kiértékelését el tudtam képzelni automatikusan. Ezek a feladatok adták az ötletet a hasonló feladatok kitalálásához és elkészítéséhez.
A verseny feladatai között volt például olyan, ahol meghatározott szabályok alapján kellett egy rendszert tesztelni, és a hibákat dokumentálni. Ez rávilágított, hogy ha a feladat jól strukturált, és az elvárt eredmények egyértelműen meghatározhatók, akkor lehetőség van az automatizált kiértékelésre. Az ISTQB szabvány szerinti teszteset-tervezési technikák (ekvivalencia-osztályozás, határérték-elemzés) alkalmazása során ugyanis kiszámítható, hogy hány és milyen típusú tesztesetet kellene elkészíteni – ez pedig már mérhető.
Automatikusan értékelhető gyakorlati feladatok
Az előzőek alapján olyan gyakorlati feladatokat kellett kifejleszteni, amelyek megfelelnek ezeknek a kritériumoknak. Különböző platformokra készítettem alkalmazásokat, például:
- API alkalmazások: REST endpoint-ok tesztelése, ahol a tesztelőknek JSON/XML formátumú adatokat kell validálniuk
- Web alkalmazások: Űrlapok validációjának tesztelése böngészőben
- Desktop alkalmazások: Asztali programok funkcionális tesztelése
Ezek a feladatok úgy lettek megtervezve, hogy:
- Valós tesztelői munkát szimulálnak, közel állnak a napi gyakorlathoz
- Megkövetelik az ISTQB által definiált teszteset-tervezési technikák alkalmazását
- Az eredmények automatikusan mérhetők és pontozhatók
- Nem kell a szakértő ideje az ellenőrzéshez – ez különösen fontos egy tesztelő cégnél, ahol a szakértői idő költsége magas
Mit jelent ez a gyakorlatban?
Ezek a mérések segítenek nekünk:
- Objektív alapot biztosítani a bérezési döntésekhez, ami kulcsfontosságú a bértranszparencia követelményeinek teljesítéséhez
- Fejlődést nyomon követni – látjuk, ki hogyan fejlődik idővel, melyik tesztelő mely területeken erősödik
- Képzési igényeket azonosítani – ki milyen területen szorul támogatásra, mely ISTQB modulok elsajátítása hiányzik még
- Megfelelni az EU bértranszparencia követelményeinek, bizonyítható módon igazolva a bérezési különbségeket
Egy szoftvertesztelésre specializálódott cégnél ez különösen fontos, hiszen a munkatársak tudásszintje közvetlenül befolyásolja a szolgáltatás minőségét és az ügyfélkapcsolatokat. A mérhető kompetenciák alapján könnyebben tudunk megfelelő projektekre munkatársakat allokálni, és megalapozott karriertervet építeni számukra.
Folytatás következik…
A következő cikkben részletesen bemutatom, hogyan készítettem ilyen automatikusan értékelhető gyakorlati feladatokat, milyen környezetet alakítottam ki, milyen segítségeket vettem igénybe.
