一般的に、interviewing.io は、「interviewing.io で高 10% の成績を収めている人」のようなものなど、顧客が LinkedIn プロファイルに掲載できる認定を平和的に発明する可能性が十分にあることを示しています。 おそらく、これらの認定は、この特定の人が正確なエンジニアであり、手を差し伸べる価値があることを採用担当者に知らせ、特定の人が以前に教職員に行ったり働いたりしたというビルドよりも多くの信号を持ち上げることができるでしょう.
私は、認定はひどい考えだと考えており、認定を作成することに抵抗しています。 ただ、彼らがエンジニアや採用担当者のために考案したインセンティブはすべてひどいものです。 私が言いたいことを明確にするために、エンジニアを 2 つの異なるペルソナに分割してみましょう:
紙の上で正確に。 この特定の人は、プロファイルの認定をチェックリストに入れるだけで済みます – 彼らはもはや動機を設定する必要はありません!
- これらのインタビューから、すべてのインタビュー対象者のランキングを集計し、LinkedIn プロファイルに記載されている資格の数を不吉に参照しました。私たちのプラットフォームでのインタビューでのエンジニアのパフォーマンスは、彼または彼女のエンジニアリングスキルの標準的な現実のソースではありません。 私たちの顧客に関する全体的なパフォーマンスの概要情報がないため、これはもはやコツをつかむことのできない素晴らしいものであり、この検索を行うことは平和的な目的であると判断しました. その価値については、私たちのプラットフォームでの面接でのパフォーマンスは、正確な世界での面接でのパフォーマンスと非常に強く相関しているという、疑いの余地のない強い確信を得ています。 そのループを完全にオンザジョブ パフォーマンス レコード データで閉じることは、あらゆるリクルート企業の聖杯であり、将来不特定の時期にそれを作成できることを願っています. 仮説
注意点はさておき、分析を行う前に、私たちの仮説は、プロファイルに 1 つ以上の認定を取得すると野心的な面接の成績と逆相関。 なぜ?
それは前にも見ましたが 高等学校に通ったことは、面接の成績と相関しません。 上記のとおり、紙に書かれた正確な調査は、プロファイルに認定を保持することを奨励するものではありません.
これは、紙の上で正確に調査しない私たちの残したものです。 ハイパフォーマーは血統のある候補者とそうでない候補者の間で均等に分散されないため、このプールにはハイパフォーマーの数が少なくなります。 それにもかかわらず、定義上、彼らが最も簡単だったとしても、この住民の小さな断片はハイパフォーマーになるでしょう. この現実のせいで、このプールのほとんどの人はもはやハイパフォーマーではなくなります。これは、プロフィールにチェックリストの認定を付けることを奨励されている私たちのほぼ全員が、もはやハイパフォーマーではないことを示唆しています.
- 最終的に、約 20 個の適切なスクレイピングされた LinkedIn プロファイルが得られ、そのうち 28% が何らかの形で認証を受けていました。 次に、最も頻度の高い 10 の認証機関を取り出したので、おそらくそれらを細分化して、さらに詳細な分析を行うことができました
- Coursera
- トリプルバイト
- アマゾン ウェブ サービス (AWS)
- オラクル
- Udacity
- Udemy
- HackerRank
- シスコ
- LinkedIn プロフィールで認定資格を取得している私たちのプラットフォームでの面接に合格する確率は約 53% であるのに対し、認定資格を取得していない私たちの場合は 57% であり、これは本当に統計的に必要な不公平です (p <0.00001)。
- 確かに、このサンプルをデータで調べます。時代遅れでないバックグラウンドを持つ人々は、認定を取得するのに約 30% 余分にかかるようです。
彼らはすでに、1 日に少なくとも 10 人の採用担当者から連絡を受けています。 おそらく、彼らはLinkedInを積極的に無視している.
正確な調査をしないエンジニア紙。 この特定の人は、自分のプロファイルに証明書を追加するようです。 それは合理的です – 時代遅れの血統がない場合に、彼らが目立ち、彼らのプロフィールを正当化するのに役立つ他の何かは、捕獲です. それは優雅に聞こえますか？ 残念ながら、ここに問題があります。 あなたの認定が採用担当者によって尊重され、効果的に確立されていない限り、採用担当者はもはやそれを真剣に受け止めようとはしません.なぜなら、彼らが分析に合わせてきたすべての小さな事柄に反するからです. あなたのプロフィールが有名な大学や大企業に選ばれていない場合、未知の資格はあなたを築きません。 認定は、血統の欠如とほぼ絶え間なく手をつないでいるため(上記で見たように、紙に正確な調査を設定することで、プロファイルにチェックリストを作成する動機は不要になります)、採用担当者は不利な関係を構築するために配信します.それと。 ほとんどの採用担当者は、これらの候補者が正確であるかどうかを調べるのに十分な時間を費やしていないため、資格が本当に特定のシグナルを伝えている場合でも、これが発生する可能性があります. 言い換えれば、採用担当者は、時間の経過とともに、資格の存在を「ノーインチ」と関連付けることを学ぶでしょう.
これが、証明書が堕落する理由の見方です。 彼らは寄稿者がそれらを箇条書きにすることに対して堕落しており、皮肉なことに、正確な候補者を探すことをより困難にするため、彼らは全体としての取引に対して堕落しています. しかし、データを調査すると同時に何が起こるのでしょうか?
セットアップ
技術者は、匿名の模擬面接に Interviewing.io を使用します。 物事が効果的に進んでいる場合、彼らは正確な企業での技術面接にスキップします(さらに完全に匿名です). 私たちがインタビューを始めた.ioは、履歴書がひどいものであり、紙の上で調査する方法を問わず、誰でも彼らの気質を表現するために平和を得ることができると考えているためです.
この時点で、私たちは’100 以上の技術面接をホストしてきました。モックと正確な面接の間で細分化してください。言語化、テキストのうなり声、ホワイトボードを使用して周囲をコーディングし、技術面接に直立して正確にバウンスします。 それぞれのインタビューの後、両方の当事者が推奨事項を移動し、両方が提出したときに、それぞれが他の特定の人が言及したものと評価された方法を見ることができます.
インタビュアーが維持する推奨構成は、次のように思われます:
まれに、紙に書かれた正確な調査は、チェックリスト認証へのインセンティブがありません。 紙に正確な調査をしない私たちの多くは、チェックリストに登録するよう奨励されていますが、そのほとんどはもはやハイパフォーマーではありません。 この現実に起因して、ほとんどの民俗アイテム化認定はもはやハイパフォーマーではありません.そうすることで、採用担当者が血統の重要性についてかかとを掘るのをやめるという不快な側面が得られ、時間の経過とともに、最近の認定の限界効用が失われ、最終的には、技術的な採用をより親切にしようとする試みが損なわれる可能性があります。
データが本当に言っていること
この分析では、私たちがインタビュー記録データを持っていた顧客のチェックリストと、ビルドは間違いなく、LinkedIn プロファイルをスクレイピングしました。
。ほとんどのヒット):
マイクロソフト
一般に、人々は私たちのプラットフォームで非常に多くのインタビューを作成するため、それぞれの回帰で約 40 の適切な観察 (つまり、インタビュー) が得られました
私たちの最初の結果は、下の棒グラフに示されているように、認定は面接で悪化します。
これらのインタビューは完全に匿名であることを考慮してください。 インタビュアーは、特定の人物のLinkedInに基づいてランキングを決定するのではなく、インタビューのパフォーマンスに基づいています.
真剣に、2021 年または 2023 年に資格を取得したかどうかに関係なく、資格の「ペナルティ」は等しく巨大です。
この不平等は、資格を持つ人々がまったく異なるものを生み出すという議論の余地のない現実のおかげで、どれほど壮大なのか。インタビュー形式？ 次に、インタビューの言語 (例: Python、Java) と焦点 (例: フロントエンド、機械発見) を調整し、Java コーダーから Java コーダーへ、Python から Python へ、などを最も簡単に調べます。 これにより、チームの段階で巨大なパターンによって結果がプッシュされることがなくなり、同じ言語でコーディングする最も簡単な候補者と比較した場合に、認定資格がパフォーマンスを予測できるかどうかを尋ねられなくなります。 それ以外の場合、「インタビューの言語と焦点のコントロール」バーは、これが認定調査をわずかに悪化させることを示しています. 有資格者から無資格者まで、彼らが一般的に行うわずかな形式のインタビューで調べると、彼らは少しゆったりと親切に競争します.不平等は、特定の人の属性によって説明できます。 例として、認定に目を向けている私たちは、非定量的な背景を十分に得ることができます. おそらく、彼らはコンピュータ サイエンスではなくコミュニケーションを専攻していたのでしょう。 または、彼らは職業パスを交換するためにパラリーガルを探しています。
この違いを寓話化するために、同等のバックグラウンドを持つ人々を比較した場合に親切に. 例として、資格を持つハーバード卒業生は、資格を持たないハーバード卒業生よりも成績が良いですか、それとも悪いですか? この修正により、ギャップが約 40% 縮小します (「血統コントロール」バーを見てください)
表示: 認可を受けた顧客と認定されていない顧客の間のすべての変動は、統計的に必要です (p <.01 以下).
したがって、LinkedIn 認定資格は、当社のプラットフォームの候補者にとって確かに不利なタグです。 これは、彼らが作成するインタビューの形式によって定義されるものではありません。 それでも、その一部は、免許を持った人々が時代遅れではないバックグラウンドを獲得する傾向があるという議論の余地のない現実のおかげであると描写することができます. 残りのギャップは、ほぼ確実に、同等のダイナミクスの結果として生じます。それが良い場合はライセンスのコツをつかみ、おそらく何かを描写する必要があるかもしれません.
すべての証明書が同等に作成されるわけではありません
この分析では、証明書をバイナリとして扱います。 良いこともあれば、必要な場合もあれば、必要ない場合もあります。 それにもかかわらず、認証を与える入手可能な機関はたくさんあります: それらのいずれかは特定のタグですか?
データ内の 10 の認証者に対して同等の回帰分析を行いました。 結果は次のとおりです:
際立っているのは Triplebyte です。 彼らの卒業生は、インタビューに合格する可能性が 6% 高いように見えます。 最も悪いのは Cisco バッジで、パフォーマンスが 10% ポイント低下しています
結論
データを掘り下げたところ、時代遅れではないバックグラウンドを持つ人々が実際にリンク先の証明書にチェックリストを作成していることがわかりました。 一般に、効果的に血統の合った対応物よりもプロファイルが余分です。 最新の教育が Web トレンド証明書またはアフィリエイトのレベル アセンブルである私たちの約 30% は、一見、証明書を描写しているように見えます。不利な兆候であり、これらの結果は、雇用主にとって喜ばしい2023年の求人市場の数が増えているにもかかわらず、これらの結果が維持されていることを示しています(つまり、正確な候補者は、慣れるためにプロファイルで認定を箇条書きにし始めたことに注意してください).
私たちが予想したように、これらの現実は不快なレコメンデーション ループを生み出します。 採用担当者は、何よりも血統を重視する傾向があります。これは、時代遅れではない候補者のアドバイスを探しているように見えることははるかに少ないことを示唆しています。 時代遅れではない認定資格を持つ候補者のプロファイルを見た後、彼らはとにかく彼らのアドバイスを検索するつもりはなかったので、時間が経つにつれて、それらの認定資格との不利な関係を構成します.
さらに、私たちの場合、チェックリストの認定は面接でさらに悪化するように見えますが、認定を取得する血統の候補者を費やし、フォークの候補者を悪化させると、その逆の関連性が強化されます.
寓話についてこれらの仕組みの中で、認定は採用担当者の心の中で堕落したものとして強化され、プロファイルでそれらを項目化することは、ダイヤモンドの原石、つまり認定が最初のビルドでサポートすることを前提としていたまさに候補者にとって逆効果のアプローチになる.
