招聘,就是一個不斷做決策的過程。
這些決策可能是:兩份相似的簡歷,選A還是B來面試?一共1小時面試時間,要提哪些問題?面到了一個還不錯的候選人,還要再多看看嗎?
每位面試官都希望自己的決策是準確無誤的。但理想很豐滿,現實卻很骨感。一些決策陷阱,會讓我們做出錯誤的選擇。
哪些決策陷阱,技術面試中最常見?
經過ShowMeBug一番調查,我們發現,有3種決策陷阱在面試的過程中,出現的最為頻繁。他們分別是:錨定效應、親和偏差和確認偏差。下面,讓我們來對這3種決策陷阱一一解讀。
錨定效應(Anchoring Effect)
錨定效應,指的是在對人或事物做出判斷時,易受第一印象或第一信息支配,就像沉入海底的錨一樣,把我們的思想固定在某處。

錨定效應最容易發生的場景是這樣的:團隊中某位優秀的程序員即將離職,技術Leader需要招聘一個新人來填補這個空缺。在面試開始之前,面試官會不由自主地把這個崗位的前任程序員當做錨點;在開始面試后,將每個候選人的優缺點與崗位前任的技能與經歷進行對比。
錨定效應的存在,常常會讓面試官總想給“前任”找一個替代品,而忽略了這個崗位實際需要什么樣的人才,是否符合企業當前的需求。
確認偏差(Confirmation Bias)
確認偏差是一種個人選擇性地回憶、搜集有利細節,并忽略不利或矛盾的資訊,來支持已有想法或假設的認知陷阱。簡單來說,就是人容易先有“立場”,再不斷尋找論據,證實自己的想法。

具體到招聘領域,面試官會預設性地認為某種類型的候選人(例如具有特定教育背景或特定技能的人)更適合這個職位。因此,面試官可能會花更多的時間,詢問那些能夠證實這種想法的問題上,讓候選人恰好發揮了自己的長處。
這種“先入為主”的認知陷阱,很容易讓面試官高估候選人的水準,做出錯誤的招聘決策。
親緣偏見指的是人更偏好與自己有相似興趣、背景和經歷一起相處或工作。舉例來說,如果兩位候選人的學校背景、工作經歷不相上下,可能與面試官畢業于同一所大學或曾經在同一個公司工作的候選人更容易獲得面試機會。
尋找與自己有相同背景的候選人是一種常見的“思維捷徑”,但這顯然是不公平的,因為這不是一種基于客觀標準的篩選方式,后果就是可能會導致我們錯過技術實力更好的候選人。
從上面的分析中,我們不難看出:認知陷阱的本質,都是用“主觀判斷”代替了“客觀評定”。使用像ShowMeBug這樣支持實戰編程的技術評估工具,可以讓技術人才的能力評估擁有更加客觀、可量化的標準。
那么,應該怎樣將ShowMeBug應用到技術招聘當中,跳出上文提到的3個認知陷阱呢?
ShowMeBug將傳統的JD轉化成一張能力維度圖,讓招聘技術人才的標準有跡可循。比如說,現在企業需要招聘一名中級的前端工程師,面試官只要在ShowMeBug中輸入崗位名稱與崗位等級,系統就會自動生成一張能力維度圖,清晰地列出這個崗位需要哪些核心技能,對這個技能的掌握成都要求如何,讓面試官對崗位的人才畫像一目了然。
ShowMeBug能力雷達圖
同時,這個能力雷達維度圖還支持根據企業的實際需求進行二次調整,比如如果是To B企業的前端開發工程師,對前端性能優化這一崗位能力要求并不高,那么就可以自行拖拽,調整能力維度圖。
基于科學能力維度模型建立起的人才畫像,能夠很好地讓面試官突破“錨定效應“,根據企業需求找尋人才,而不是一個前任的替代品。
傳統的技術招聘往往非常依賴面試官個人的經驗做出決斷,但使用ShowMeBug進行情境化面試則是一種完全不同的考核方法。ShowMeBug的崗位題庫中擁有上百道實戰編程題,面試官可以把這些題目直接運用到筆試與面試當中,讓候選人身臨其境,拿代碼實力說話。
比如說,當公司要考察一個前端工程師時,不用再去問前端的一些CSS屬性、語法等問題,可以直接找到一個前端界面題,看候選人能不能精準實現一個網頁?能不能做好一個響應事件?能不能寫好一段實際的項目代碼?
前端框架題
面對實戰編程題時,每位候選人都是平等的,當候選人的真實代碼實力被非常直觀、全面地展現在面試官眼前時,面試官也就更不容易被各種“先入為主”的觀念左右。
使用ShowMeBug的綜合人才報告和橫向對比報告,可以很好地助力面試官快速判斷,哪位候選人更勝一籌。
當候選人完成了筆試題目后,ShowMeBug能自動評卷并直接生成筆試報告,報告中包含候選人個人信息、簡歷、“預面試”結論、評價、答題后每道題的展示、答題能力雷達圖等。如果面試官剛好在兩個能力相當的候選人之間猶豫時,還可以在系統生成能力報告的橫向對比,客觀展示能力差異。
ShowMeBug候選人能力PK
候選人能力報告淡化處理了候選人的學歷、工作經歷等信息,降低了“親和偏差”對招聘決策的影響,讓技術人才的對比更加直觀、科學。
總的來說,想要100%在招聘中避開決策陷阱是不現實的。但是,用ShowMeBug輔助技術招聘,可以極大地限制這些陷阱對招聘結果的影響,科學量化并迅速識別技術人才。