एक तरह से पूर्वाग्रह का पता लगाना

अक्टूबर 2015

यह बहुत से लोगों के लिए आश्चर्यजनक होगा, लेकिन कुछ मामलों में आप चयन प्रक्रिया में पूर्वाग्रह का पता लगा सकते हैं बिना आवेदक पूल के बारे में कुछ भी जाने के। जो उत्साहजनक है क्योंकि अन्य चीजों के अलावा इसका मतलब है कि तीसरे पक्ष इस तकनीक का उपयोग कर सकते हैं पूर्वाग्रह का पता लगाने के लिए चाहे वे चयन करने वाले लोग चाहते हों या नहीं।

आप इस तकनीक का उपयोग तब कर सकते हैं जब (क) आपके पास चयनित आवेदकों का कम से कम एक यादृच्छिक नमूना है, (ख) उनका बाद का प्रदर्शन मापा जाता है, और (ग) आप तुलना कर रहे आवेदक समूहों में क्षमता का लगभग समान वितरण है।

यह कैसे काम करता है? उस बारे में सोचें कि पूर्वाग्रह क्या होता है। किसी चयन प्रक्रिया में प्रकार x के आवेदकों के खिलाफ पूर्वाग्रह होने का मतलब है कि उनके लिए चयन होना कठिन है। जिसका मतलब है कि प्रकार x के आवेदकों को चयन के लिए अन्य आवेदकों की तुलना में बेहतर होना चाहिए।

[ 1 ]

जिसका मतलब है कि प्रकार x के वे आवेदक जो चयन प्रक्रिया को पार करते हैं, वे अन्य सफल आवेदकों की तुलना में बेहतर प्रदर्शन करेंगे। और यदि सभी सफल आवेदकों के प्रदर्शन को मापा जाता है, तो आप जान जाएंगे कि क्या वे ऐसा करते हैं।

बेशक, प्रदर्शन को मापने के लिए आप जो परीक्षण का उपयोग करते हैं, वह वैध होना चाहिए। और विशेष रूप से, वह उस पूर्वाग्रह को अमान्य नहीं करना चाहिए जिसका आप पता लगा रहे हैं। लेकिन कुछ क्षेत्रों में प्रदर्शन को मापा जा सकता है, और उन क्षेत्रों में पूर्वाग्रह का पता लगाना सरल है। क्या आप जानना चाहते हैं कि क्या चयन प्रक्रिया किसी प्रकार के आवेदक के खिलाफ पूर्वाग्रह थी? जांच करें कि क्या वे अन्य लोगों की तुलना में बेहतर प्रदर्शन करते हैं। यह पूर्वाग्रह का पता लगाने के लिए केवल एक संकेत नहीं है। यह पूर्वाग्रह का अर्थ है।

उदाहरण के लिए, कई लोगों को लगता है कि वेंचर कैपिटल फर्मों में महिला संस्थापकों के खिलाफ पूर्वाग्रह है। इसका पता लगाना आसान होगा: क्या उनके पोर्टफोलियो कंपनियों में, महिला संस्थापकों वाली स्टार्टअप गैर-महिला संस्थापकों वाली स्टार्टअप से बेहतर प्रदर्शन करती हैं? कुछ महीने पहले, एक वीसी फर्म (लगभग निश्चित रूप से अनजाने में) एक अध्ययन प्रकाशित किया जिसमें इस प्रकार का पूर्वाग्रह दिखाया गया था। फर्स्ट राउंड कैपिटल ने पाया कि उनके पोर्टफोलियो कंपनियों में, महिला संस्थापकों वाली स्टार्टअप गैर-महिला संस्थापकों वाली स्टार्टअप से 63% अधिक प्रदर्शन करती हैं।

[ 2 ]

मैंने शुरू में यह कहा कि यह तकनीक बहुत से लोगों के लिए आश्चर्यजनक होगी क्योंकि हम इस प्रकार के विश्लेषण को बहुत कम देखते हैं। मुझे यकीन है कि यह फर्स्ट राउंड के लिए भी आश्चर्यजनक होगा कि उन्होंने एक ऐसा अध्ययन किया। मुझे शक है कि वहां के किसी भी व्यक्ति ने महसूस किया होगा कि अपने स्वयं के पोर्टफोलियो तक सीमित नमूने का उपयोग करके, वे स्टार्टअप प्रवृत्तियों का अध्ययन नहीं कर रहे हैं बल्कि अपने स्वयं के पूर्वाग्रहों का अध्ययन कर रहे हैं।

मैं भविष्य में इस तकनीक का अधिक उपयोग होने का अनुमान लगाता हूं। इस प्रकार के अध्ययन करने के लिए आवश्यक जानकारी लगातार उपलब्ध हो रही है। आवेदकों के बारे में डेटा आमतौर पर चयन करने वाली संगठनों द्वारा कड़ाई से संरक्षित किया जाता है, लेकिन आजकल चयनित लोगों के बारे में डेटा अक्सर किसी भी व्यक्ति के लिए सार्वजनिक रूप से उपलब्ध होता है जो इसे एकत्रित करने का प्रयास करता है।

नोट्स

[ 1 ] यह तकनीक काम नहीं करेगी यदि चयन प्रक्रिया विभिन्न प्रकार के आवेदकों से अलग-अलग चीजों की तलाश करती है - उदाहरण के लिए, यदि एक नियोक्ता पुरुषों को उनकी क्षमता के आधार पर लेकिन महिलाओं को उनके दिखने के आधार पर नियुक्त करता है।

[ 2 ] जैसा कि पॉल बुचेट ने बताया, फर्स्ट राउंड ने अपने सबसे सफल निवेश, उबर, को इस अध्ययन से बाहर रखा। और जबकि कुछ प्रकार के अध्ययनों में असामान्य मूल्यों को बाहर रखना तर्कसंगत है, स्टार्टअप निवेश से होने वाले रिटर्न के अध्ययन, जो असामान्य मूल्यों को प्राप्त करने के बारे में है, उनमें नहीं हैं।

धन्यवाद सैम अल्टमैन, जेसिका लिविंगस्टन और जेफ रालस्टन को इस पर टिप्पणी करने के लिए।