Durante los últimos cinco años, Recursive Cactus ha trabajado como desarrollador full stack en una de las principales empresas de tecnología, pero ahora ha decidido cambiar de trabajo.



Durante los últimos seis meses, Recursive Cactus (como se presentó al registrarse en nuestro sitio) se ha estado preparando para futuras entrevistas, asignando al menos 20-30 horas a la semana para ejercicios de LeetCode, tutoriales de algoritmos y, por supuesto, práctica de entrevistas en nuestra plataforma para evaluar su progreso.

Jornada laboral típica de cactus recursivo:

Día libre típico de cactus recursivo:

Pero sus abrumadores esfuerzos por prepararse para la entrevista lo afectaron emocionalmente a él, a sus amigos y a su familia. Estudiar le ha consumido todo su tiempo personal hasta tal punto que prácticamente no le queda vida, salvo el trabajo y la preparación para las entrevistas.



Un pensamiento te mantiene despierto: “¿Qué pasa si no consigo la entrevista? ¿Y si todo este tiempo se ha perdido? "



Todos estábamos alguna vez buscando trabajo y muchos experimentaron este estado. Pero, ¿por qué Recursive Cactus pasa tanto tiempo preparándose y cuál es la razón de esta frustración?



Él siente que no cumple con el listón alto de los ingenieros, el nivel mínimo generalmente aceptado de competencia que todo ingeniero debe demostrar para conseguir un trabajo.



Para cumplir con el estándar, eligió una táctica específica: cumplir con las expectativas generalmente aceptadas para un ingeniero, y no solo ser el profesional que realmente es.



Parece una tontería fingir deliberadamente ser alguien que no eres. Pero si queremos comprender el comportamiento de un cactus recursivo, es recomendable averiguar qué es esta barra. Y si piensas un poco en este tema, parece que no tiene una definición tan clara.

Definición de la "barra"

Echemos un vistazo a cómo las empresas FAANG (Facebook, Amazon, Apple, Netflix, Google) establecen el listón. Después de todo, estas son las empresas que reciben la mayor atención de prácticamente todos, incluidos los solicitantes de empleo.



Pocos brindan detalles específicos sobre el proceso de contratación. Apple no comparte públicamente ninguna información. Facebook describe las etapas de la entrevista, pero no los criterios de evaluación. Netflix y Amazon dicen que están contratando candidatos que se ajustan a su cultura laboral y principios de liderazgo. Ni Netflix ni Amazon describen exactamente cómo miden los principios subyacentes. Sin embargo, Amazon dice cómo se llevan a cabo las entrevistas y también nombra temas que se pueden discutir en las entrevistas con los desarrolladores....



La más transparente de las grandes empresas, Google divulga públicamente su proceso de entrevistas con el más mínimo detalle, y el libro de Laszlo Bock "¡Reglas de trabajo!" agrega detalles interiores.



Hablando de los gigantes tecnológicos desde una perspectiva histórica, Alina (nuestra fundadora) en la última publicación mencionó el libro de 2003 ¿Cómo mover el monte Fuji? , que habla del proceso de entrevistas en Microsoft durante el tiempo en que la empresa era un destacado gigante tecnológico.



Para recopilar más información sobre cómo las empresas evalúan a los candidatos, también analicé las entrevistas de programación de piratería de Gaila Luckmann McDowell, que en realidad es la Biblia para las entrevistas de posibles candidatos, yGuerrilla Interviewing Guide 3.0 de Joel Spolsky, escrita por una figura influyente y conocida en los círculos tecnológicos.

Definiciones de tablones

Definición de "inteligencia"

Como era de esperar, la codificación y el conocimiento técnico se encuentran entre los criterios para contratar a un desarrollador en cualquier empresa. Después de todo, esto es trabajo.



Pero además de esto, muchas personas mencionan el criterio de inteligencia general. Si bien usan diferentes palabras y definen términos de manera ligeramente diferente, todos apuntan a algún concepto de lo que los psicólogos llaman "capacidad cognitiva".





Todas estas definiciones recuerdan la teoría del psicólogo Charles Spearman de principios del siglo XIX, la teoría de la inteligencia más aceptada. En una serie de pruebas cognitivas en escolares, Spearman descubrió que aquellos que obtuvieron buenos resultados en un tipo de prueba tendían a obtener buenos resultados también en otras pruebas. Esta comprensión llevó a Spearman a la teoría de que existe un único factor de habilidad común básico ("g" o "factor g") que afecta todas las métricas, independientemente de las habilidades específicas de la tarea ("s").



Si crees en la existencia de "g" (muchos creen, algunos no ... existen diferentes teorías de la inteligencia ), entonces encontrar candidatos con puntajes altos de "g" se alinea claramente con los criterios de inteligencia en las empresas.



Si bien las empresas también consideran otros criterios, como el liderazgo y la cultura, el listón generalmente no se define en estos términos. Plank se define como posesión de habilidades técnicas, así como (y quizás en mayor medida) inteligencia general . Después de todo, los candidatos no suelen formar su liderazgo ni su cultura.



Entonces surge la pregunta de cómo medirlo. Medir las habilidades técnicas parece difícil pero factible, pero ¿cómo se mide “g”?

Midiendo la inteligencia general

El libro Boca menciona el artículo de Frank Schmidt y John Hunter 1998 "La validez y utilidad de los métodos de selección en psicología del personal" . Intenta responder a esta pregunta analizando una amplia gama de 19 criterios de selección de candidatos. El desafío es determinar cuáles predicen mejor el rendimiento futuro. Los autores concluyeron que la inteligencia general (prueba GMA) es el mejor predictor de la productividad laboral ("validez predictiva").







En este estudio, la prueba GMA se considera una prueba de coeficiente intelectual. Pero alrededor de 2003 Microsoft utilizó acertijos como "¿Cuántos afinadores de pianos hay en el mundo?" Su explicación:

« Microsoft, , , , , . , , , , »



— « ?», . 20

Avance rápido hasta hoy. Google condena esta práctica y concluye que "el desempeño en este tipo de preguntas es, en el mejor de los casos, una habilidad discreta que puede mejorarse mediante la capacitación, de modo que no sirve para evaluar candidatos".



Así que tenemos dos empresas que prueban la inteligencia general, pero fundamentalmente no están de acuerdo en cómo medirla.

¿Estamos midiendo habilidades específicas o inteligencia general?

Pero tal vez, como han argumentado Spolsky y McDowell, las preguntas de entrevistas algorítmicas y computarizadas tradicionales son, en sí mismas, pruebas efectivas de inteligencia general. La investigación de Hunter y Schmidt proporciona cierto apoyo a esta teoría. Entre todas las herramientas de evaluación de un criterio, las pruebas con muestras de trabajo tuvieron la mayor validez predictiva. Además, al examinar el resultado de regresión más alto de la validez de un instrumento de puntuación de dos criterios (prueba GMA más una prueba con una muestra de trabajo), el tamaño del efecto estandarizado en la evaluación de la muestra de trabajo fue mayor que el de la calificación GMA, lo que indica una relación más fuerte con el desempeño futuro del candidato.



La investigación sugiere que las entrevistas con algoritmos tradicionales predicen el rendimiento futuro, quizás incluso más que la prueba GMA / IQ.



Recursive Cactus no cree que exista tal conexión:

“Hay poca superposición entre el conocimiento adquirido en el trabajo y la resolución de problemas algorítmicos. La mayoría de los ingenieros rara vez se ocupan de gráficos o programación dinámica. En la programación de aplicaciones, las estructuras de datos más comunes son listas y objetos de diccionario. Sin embargo, las preguntas de la entrevista asociadas con ellos a menudo se consideran triviales, por lo que la atención se centra en otras categorías de problemas ".

En su opinión, las preguntas de algoritmos son similares a las preguntas de rompecabezas de Microsoft: aprendes tareas de entrevistas que nunca encontrarás en el trabajo de la vida real. Si es así, entonces esto no es realmente consistente con la investigación de Hunter y Schmidt.



A pesar de las creencias personales de Recursive Cactus, entrevistadores como Spolsky todavía creen que estas habilidades son extremadamente importantes para un programador productivo.

« , , : „ ?” — .



, . , , . , , Ruby on Rails 2.0».



— 

Spolsky admite que las preguntas de las entrevistas técnicas tradicionales no pueden simular problemas laborales reales. Más bien, ponen a prueba las habilidades informáticas generales que son generales en algunos aspectos pero específicas en otros aspectos. Podemos decir que se trata de inteligencia general en un área determinada.



Por lo tanto, si usted no cree que la inteligencia del ordenador es la inteligencia general, a continuación, McDowell sugiere lo siguiente:

“Hay otra razón por la que se discute el conocimiento de estructuras de datos y algoritmos: porque es difícil encontrar preguntas para resolver problemas que no estén relacionados con ellos. Resulta que la gran mayoría de las preguntas de resolución de problemas involucran algunos de estos fundamentos ".



- Gail Luckmann McDowell

Esto puede ser cierto cuando mira el mundo a través de la lente de la informática. Sin embargo, sería injusto pensar que los no programadores tienen más dificultades para resolver problemas.



En este punto, no estamos hablando de medir la inteligencia general como la definió originalmente Spearman. Más bien, estamos hablando de una inteligencia específica definida o difundida por aquellos que crecieron o están involucrados en la educación informática tradicional, combinada con la inteligencia general (Spolsky, McDowell, Bill Gates de Microsoft y cuatro de los cinco fundadores de FAANG estudiaron ciencias de la computación o algo así). Universidad Ivy League o Stanford).



Quizás cuando hablamos de la barra, realmente nos referimos a algo subjetivo, dependiendo de quién haga la medición, y esta definición difiere de persona a persona.



Esta hipótesis está respaldada por las valoraciones que reciben los candidatos de los entrevistadores en nuestra plataforma.

La barra es subjetiva

En nuestra plataforma entrevistas.io, las personas se capacitan en entrevistas técnicas en línea, con entrevistadores de empresas líderes y de forma anónima. Las preguntas de la entrevista son similares a las que puede escuchar durante una selección telefónica para un puesto de desarrollador de backend, y los entrevistadores generalmente provienen de compañías como Google, Facebook, Dropbox, Airbnb y otras. Aquí hay algunos ejemplos de tales entrevistas . Después de cada entrevista, los entrevistadores califican a los candidatos en varias dimensiones: habilidades técnicas, habilidades de comunicación y habilidades de resolución de problemas en una escala del 1 al 4, donde 1 es "malo" y 4 es "¡asombroso!". Así es como se ve el formulario de comentarios:







Si se siente seguro, puede omitir la capacitación y solicitar una entrevista real directamente con nuestras empresas asociadas (más sobre esto más adelante).



Al observar a los entrevistadores más activos, notamos una diferencia en el porcentaje de candidatos que esta persona contrataría (“tasa de aprobación”). Esta relación varía del 30% al 60%. Algunos entrevistadores parecen mucho más duros que otros.







Dado que los entrevistados y los entrevistadores son anónimos y seleccionados al azar ^[1]No esperamos que la calidad de los candidatos varíe mucho entre los entrevistadores. Por tanto, la calidad de los entrevistados no debe ser la causa de este fenómeno. Sin embargo, incluso teniendo en cuenta atributos de un candidato como la experiencia, todavía existe una diferencia en la tasa de aprobación para diferentes entrevistadores ^[2]...



Quizás algunos entrevistadores son intencionalmente estrictos porque su listón es más alto. Aunque los candidatos que llegan a los entrevistadores más estrictos reciben calificaciones más bajas, generalmente obtienen mejores resultados en la próxima entrevista.



Este resultado se puede interpretar de varias formas:

• Los entrevistadores más estrictos subestiman sistemáticamente a los candidatos
  
  
• Los candidatos están tan cansados ​​de los entrevistadores rigurosos que tienden a mejorar entre entrevistas en un esfuerzo por alcanzar el listón más alto del entrevistador original.

Si esto último es cierto, entonces los candidatos que se hayan capacitado con entrevistadores más rigurosos deberían hacerlo mejor en las entrevistas de la vida real. Sin embargo, no encontramos una correlación entre la severidad del entrevistador y la velocidad de pasar futuras entrevistas reales en nuestra plataforma ^[3]...







Los entrevistadores de nuestra plataforma representan los tipos de personas que un candidato encontraría en una entrevista de la vida real, ya que las mismas personas realizan evaluaciones telefónicas y entrevistas cara a cara con empresas de tecnología de la vida real. Y como no dictamos la metodología de la entrevista, estos gráficos también muestran la distribución de opiniones sobre los resultados de su entrevista en cuanto cuelga o sale de la oficina.



Esto sugiere que independientemente de sus respuestas reales, las posibilidades de conseguir un trabajo realmente dependen de con quién se esté entrevistando . En otras palabras, la barra es subjetiva.



Esta diferencia entre entrevistadores nos ha obligado a repensar nuestra propia definición de la barra que filtra a los candidatos cuando son admitidos a entrevistas con nuestras empresas colaboradoras. Nuestra definición se parecía mucho a los criterios binarios de Spolsky (“sé inteligente”), sobrestimando la opinión del entrevistador y subestimando los otros tres criterios, lo que resultó en una distribución bimodal, similar a un camello, que se muestra en el diagrama siguiente.







Aunque el sistema de puntuación actual se correlaciona razonablemente bien con los resultados de entrevistas futuras, encontramos que la puntuación del entrevistador no está tan fuertemente correlacionada con los resultados futuros como nuestros otros criterios. Redujimos su peso, lo que finalmente aumentó la precisión del pronóstico ^[4]... Como en la película Ricky Bobby: King of the Road, Ricky Bobby aprendió que además del primero y el último hay otros lugares en la carrera , por lo que también aprendimos que es útil ir más allá de la estructura binaria de "contratar, no contratar", o, si lo prefiere , "Inteligente, no inteligente".



Por supuesto, no podríamos deshacernos por completo de la subjetividad, ya que otros criterios también los determina el entrevistador. Y esto es lo que dificulta la evaluación: la evaluación del entrevistador es en sí misma una medida de la capacidad del candidato.



En tal situación, la precisión de cada medición específica se vuelve menos segura. Es como si los entrevistadores estuvieran usando palos de diferentes longitudes para medir, pero todos asumieron que la longitud de su propio palo se conocía, digamos, un metro.



Cuando hablamos con nuestros entrevistadores sobre la evaluación de candidatos, se confirmó la teoría de palos de diferentes longitudes. A continuación, se muestran algunos ejemplos de cómo los entrevistadores evalúan a los candidatos:

• Haz dos preguntas. Si responde a ambos, se pasa la prueba
  
  
• Hacer preguntas de diferente dificultad (fácil, medio, difícil). Si la respuesta es promedio, se pasa la prueba.
  
  
• La velocidad de respuesta es de gran importancia. La prueba se aprueba si las respuestas son rápidas (el término "rápido" no está claramente definido)
  
  
• La velocidad realmente no importa. Pasa si hay una solución que funcione
  
  
• Los candidatos comienzan con el grado más alto. Se deducen puntos por cada error

Diferentes criterios de evaluación, no necesariamente malos (y de hecho, perfectamente normales). Simplemente introducen una gran dispersión en nuestras mediciones, es decir, las evaluaciones de los candidatos no son del todo precisas.



El problema es que cuando alguien habla de la barra, suele ignorar la incertidumbre en las medidas.



A menudo se recomienda contratar solo candidatos de primer nivel.

“Una buena regla general es contratar solo a aquellos que son mejores que tú. Sin compromiso. Siempre "



- Laszlo Bock

"No baje sus estándares, no importa lo difícil que sea encontrar estos grandes candidatos".



- Joel Spolsky

“En la división de Macintosh teníamos un dicho: 'El jugador A contrata a los jugadores A; Los jugadores B están contratando jugadores C ”, esto significa que las personas excelentes también están contratando a personas excelentes”



- Guy Kawasaki

"Cada empleado contratado debería ser mejor que el 50% de los que actualmente ocupan puestos similares; esto sube el listón"



, publicación de blog de Bar Raiser en Amazon.

Todos estos son buenos consejos. Sin embargo, asumen que la "calidad" se puede medir de forma fiable. Pero ya hemos visto que no siempre es así.



Incluso cuando se menciona la incertidumbre, la varianza se atribuye a la capacidad del candidato, no al proceso de medición o al entrevistador.

“En el medio hay una gran cantidad de empleados 'potencialmente útiles' que parecen ser capaces de contribuir a la causa común. La clave es distinguir a las superestrellas de estas "potencialmente útiles", ya que no desea contratar a ninguna "potencialmente útil". Nunca.

…

Si le resulta difícil decidirse, hay una solución muy sencilla. NO CONTRATAR A NADIE. No contrates a alguien de quien no estés seguro "



- Joel Spolsky

La valoración de candidatos no es un proceso completamente determinista, pero muchos lo consideran como tal.

¿Por qué el listón es tan alto?

La frase "compromiso de calidad" no significa realmente compromiso, sino toma de decisiones frente a la incertidumbre. Y como puede ver en las citas anteriores, la estrategia habitual es contratar solo cuando hay absoluta confianza.



Independientemente de la vara de medir que tenga, sube el listón muy alto. Tener plena confianza en un candidato significa minimizar la posibilidad de una mala contratación (“falsos positivos”). Y las empresas están haciendo todo lo posible para evitarlo.

“Un mal candidato es muy caro considerando el tiempo que lleva corregir todos sus errores. Despedir a un empleado contratado por error puede llevar meses y ser una pesadilla, especialmente si decide demandar ”



- Joel Spolsky

Hunter y Schmidt calcularon el costo de una mala contratación: "La desviación estándar ... es al menos el 40% del salario anual promedio", que es de $ 40,000 en la actualidad, asumiendo que el salario promedio de un ingeniero es de $ 100,000.



Pero si establece el listón demasiado alto, es probable que que te pierdes algunos buenos candidatos (falsos negativos). McDowell explica por qué a las empresas no les importan los falsos negativos:

“Desde el punto de vista de la empresa, es realmente aceptable rechazar una serie de buenos candidatos ... están dispuestos a tolerarlo. Por supuesto, preferirían no hacer esto ya que aumenta los costos de recursos humanos. Pero este es un compromiso aceptable, siempre que todavía reciban un número suficiente de buenos candidatos ".

En otras palabras, vale la pena esperar al mejor candidato si la diferencia en el resultado esperado es grande en comparación con los costos de contratación de continuar con la búsqueda. Además, los costos de personal y las cuestiones legales de los empleados potencialmente problemáticos también están elevando el listón tanto como sea posible.



Parece un cálculo muy racional de costos y beneficios. Pero, ¿alguien ha hecho realmente ese cálculo en números? Si es así, nos encantaría saber de ti. Pero parece muy difícil en la práctica.



Dado que todos los cálculos se realizan a simple vista, podemos hacer lo mismo y argumentar que el listón no debería establecerse tan alto.



Como se mencionó anteriormente, la distribución de las habilidades de los candidatos no es binaria, por lo que el escenario de pesadilla de Spolsky no ocurrirá con todas las contrataciones supuestamente "malas", lo que significa que la diferencia esperada en la productividad entre los empleados "buenos" y "malos" puede ser menor de lo previsto.



Por otro lado, los costos de contratación pueden resultar más altos de lo anticipado porque los candidatos se vuelven más difíciles de seleccionar a medida que aumentan sus calificaciones. Por definición, cuanto más alto sea el listón, menos gente así. El cálculo de daños por “mala contratación” de Schmidt y Hunter solo compara candidatos dentro del grupo. El estudio no toma en cuenta el costo relativo de reclutar candidatos de alta calidad para el grupo, que es un problema importante para muchos equipos de reclutamiento de tecnología en estos días. Y si otras empresas de TI utilizan la misma estrategia de contratación, la competencia aumenta la probabilidad media de que un candidato rechace una oferta. Esto aumenta el tiempo necesario para cubrir la vacante.



En resumen, si el resultado esperado entre candidatos "buenos" y "malos" es menor de lo esperado, y los costos de contratación son más altos de lo esperado, entonces es lógico bajar el listón.



Incluso si una empresa ha contratado a un empleado ineficaz, puede utilizar herramientas de capacitación y recursos humanos para mitigar el impacto negativo. Al final, la productividad de una persona realmente crece con el tiempo, adquiere nuevas habilidades y conocimientos.



Sin embargo, al contratar personas, rara vez se piensa en el desarrollo de los empleados (Laszlo Bock menciona esto en algunos lugares, pero la mayoría de estos temas se discuten por separado). Pero si lo tiene en cuenta, se puede establecer una conexión entre la contratación y el desarrollo de empleados. Puede hablar sobre diferentes métodos para aumentar la eficiencia laboral: ya sea pagando por capacitar a los empleados existentes o contratando a nuevos.



Incluso puedes considerarlo un compromiso. En lugar de desarrollar a los empleados internamente, ¿por qué no subcontratar este desarrollo? Deje que otros descubran cómo desarrollar el talento en bruto y luego pagará a los reclutadores para que encuentren profesionales preparados. ¿Por qué comprar en Whole Foods y cocinar en casa cuando puede pagar para entregar comidas preparadas? ¿Por qué perder tiempo en gestión y formación cuando se puede realizar un trabajo real (es decir, tareas de ingeniería)?



Quizás el listón esté tan alto porque las empresas no saben cómo desarrollar eficazmente a las personas.



Por lo tanto, las empresas reducen los riesgos al transferir la carga del crecimiento profesional a los propios candidatos. A su vez, candidatos como Recursive Cactus no tienen más remedio que practicar la entrevista.



Al principio pensé que el cactus recursivo era la excepción a la regla. Pero resultó que no estaba solo.

Los candidatos practican antes de la entrevista

El año pasado, les preguntamos a los candidatos cuántas horas dedicaron a prepararse para la entrevista. Casi la mitad de los encuestados dijeron que dedicaron 100 horas o más a la preparación ^[5]....







Nos preguntamos cómo entienden los reclutadores la situación. Alina hizo una pregunta similar en Twitter, y los resultados mostraron que los gerentes de recursos humanos subestiman en gran medida los esfuerzos de los candidatos para prepararse para las entrevistas.





Aparentemente, esta discrepancia solo confirma la regla oculta y tácita de la contratación: si no eres uno de los más inteligentes (lo que sea que eso signifique), este no es nuestro problema.

Revisión de la barra

Así que esto es lo que es la "tabla". Este es un alto estándar establecido por las empresas para evitar falsos positivos. Sin embargo, no se sabe si las empresas realmente realizaron un análisis de costo-beneficio adecuado. Quizás la barra alta se pueda explicar por la renuencia a invertir en el desarrollo de los empleados.



Plank mide prácticamente su inteligencia general, pero las herramientas de medición reales no necesariamente coinciden con la literatura científica. Incluso la literatura científica en sí sobre este tema puede considerarse dudosa ^[6].... La barra en realidad mide una inteligencia específica en ciencias de la computación, pero esta medida varía según quién lo entreviste.



A pesar de las diferencias en muchos aspectos de la contratación, hablamos de la barra como si tuviera un significado claro. Permite a los gerentes de contratación tomar decisiones binarias claras, pero no les permite reflexionar críticamente sobre si la definición de la "barra" puede mejorarse para su empresa.



Y ayuda a comprender por qué el cactus recursivo pasa tanto tiempo entrenando. Esto se debe en parte a que su empresa actual no está desarrollando sus habilidades. Se prepara para una gran cantidad de posibles preguntas y entrevistadores a los que puede enfrentarse porque los criterios de contratación varían ampliamente. Explora temas que no necesariamente se utilizarán en su trabajo diario, todo para pasar por aquellos que se consideran "inteligentes".



Este es el sistema actual que ha tenido un impacto significativo en su vida personal.

“Mi esposa ha dicho más de una vez que me extraña. Tengo una vida ocupada y feliz, pero siento la necesidad de prepararme de lleno durante varios meses para ser competitivo en las entrevistas. Ninguna madre soltera puede prepararse así. ”



- Cactus recursivo

Esto afecta su trabajo actual y sus colegas.

“El proceso requiere mucho esfuerzo, por lo que ya no puedo trabajar al 100%. Desearía poder hacerlo mejor, pero no puedo ocuparme de mi futuro simultáneamente , practicando algoritmos cuatro horas al día y haciendo bien mi trabajo.



Esta no es una sensación muy agradable. Me gustan mis compañeros. Me siento responsable Sé que no me despedirán, pero entiendo que tienen una carga adicional "



- Cactus recursivo

Es útil recordar que todas estas microdecisiones sobre falsos positivos, estructura de entrevistas, acertijos, criterios de reclutamiento y desarrollo se suman a un sistema que finalmente afecta la vida personal de las personas. No solo los propios solicitantes, sino también todas las personas que los rodean.



La contratación de personal está lejos de ser un problema resuelto. Incluso si de alguna manera lo resolvemos, no está claro si alguna vez podremos eliminar toda esta incertidumbre. Después de todo, es bastante difícil predecir el resultado futuro del trabajo de una persona después de pasar una o dos horas con ella en un entorno laboral artificial. Si bien definitivamente debemos minimizar la incertidumbre, es útil aceptarla como una parte natural del proceso.



El sistema se puede mejorar. Esto requiere no solo generar nuevas ideas, sino también revisar las ideas y suposiciones hechas hace décadas. Debe tener en cuenta el trabajo anterior y seguir adelante, y no apegarse a él.



Estamos seguros de que todos en la industria de TI pueden contribuir y mejorar el sistema de contratación de TI. Sabemos que puede hacer esto, aunque solo sea porque es inteligente.

---

^[1]Existe cierta posibilidad de sesgo, especialmente con respecto al tiempo que los candidatos eligen para entrenar. Un análisis superficial muestra que la conexión no es tan significativa, pero estamos estudiando este tema (quizás en el futuro escribamos sobre este tema en un blog). También en el sitio puedes elegir entre la entrevista algorítmica tradicional y la entrevista de diseño del sistema, pero la gran mayoría elige la tradicional. Las tasas de aprobación que se muestran están en línea con las entrevistas tradicionales. [volver]

^[2]Es posible que se esté preguntando sobre el nivel relativo de candidatos en entrevistas.io. Aunque el nivel real es difícil de determinar (que es el tema principal de este artículo), nuestros entrevistadores profesionales dicen que el nivel promedio de candidatos para entrevistar.io corresponde al nivel que encuentran durante las entrevistas en sus propias empresas, especialmente durante la selección telefónica. [volver]

^[3]Esto incluye solo a los candidatos que cumplen con nuestros estándares internos de contratación y que han venido para una entrevista en nuestra oficina. El gráfico no refleja la población total de candidatos que fueron entrevistados. [volver]

^[4]Tal vez recuerde que antes teníamos un algoritmo que ajustaba las estadísticas en función del rigor de los entrevistadores. Tras un examen más detenido, encontramos que este algoritmo introduce varianza en las puntuaciones de los candidatos de una manera inesperada. Por eso, ahora no confiamos tanto en él. [volver]

^[5]Las ráfagas a las 100 y 200 horas se debieron a un error en la redacción y los valores máximos de la encuesta. Se hicieron las siguientes tres preguntas: 1) Durante su última búsqueda de trabajo, ¿cuántas horas pasó preparándose para su entrevista? 2) ¿Cuántas horas dedicó a prepararse para la entrevista antes de registrarse para entrevistar.io? 3) ¿Cuántas horas dedicó a prepararse para la entrevista después de registrarse para entrevistas.io (sin incluir el tiempo en el sitio web)? Las respuestas a cada pregunta se limitaron a un máximo de 100 horas, pero para muchos encuestados, la suma de las respuestas 2 y 3 excedió 100. La mediana de las respuestas a la pregunta 1 fue 94, que es casi idéntica a la mediana de la suma de las respuestas 2 y 3, por lo que usamos esta suma para una distribución mayor que 100 horas. Lecciones clave: establezca el valor máximo más alto de lo esperadoy revise su encuesta.[volver]

^[6]Me resulta un poco difícil evaluar este estudio porque no soy psicólogo y los métodos como el metanálisis me son un poco ajenos, aunque se basan en herramientas estadísticas familiares. La pregunta no es si estas herramientas son correctas, sino cuán difícil es razonar sobre los aportes de la investigación. Al igual que el código espagueti, la validación de conjuntos de datos subyacentes se extiende a lo largo de décadas de trabajo científico anterior, lo que dificulta el análisis. Esta es probablemente la naturaleza de la psicología, donde es más difícil obtener datos útiles en comparación con las ciencias naturales. Además, surgen otras preguntas sobre la metodología, que se tratan con más detalle en este artículo . [regreso]