पक्षपात का पता लगाने का एक तरीका

अक्टूबर 2015

यह बहुत से लोगों को आश्चर्यचकित करेगा, लेकिन कुछ मामलों में आवेदक पूल के बारे में कुछ भी जाने बिना चयन प्रक्रिया में पक्षपात का पता लगाना संभव है। जो रोमांचक है क्योंकि अन्य बातों के अलावा इसका मतलब है कि तीसरे पक्ष इस तकनीक का उपयोग पक्षपात का पता लगाने के लिए कर सकते हैं चाहे चयन करने वाले चाहें या नहीं।

आप इस तकनीक का उपयोग तब कर सकते हैं जब (ए) आपके पास चयनित आवेदकों का कम से कम एक यादृच्छिक नमूना हो, (बी) उनके बाद के प्रदर्शन को मापा जाता है, और (सी) जिन आवेदकों के समूहों की आप तुलना कर रहे हैं उनमें क्षमता का लगभग समान वितरण है।

यह कैसे काम करता है? सोचें कि पक्षपाती होने का क्या मतलब है। चयन प्रक्रिया के लिए प्रकार x के आवेदकों के खिलाफ पक्षपाती होने का मतलब है कि उनके लिए इसे पार करना कठिन है। जिसका अर्थ है कि प्रकार x के आवेदकों को प्रकार x के आवेदकों की तुलना में चयनित होने के लिए बेहतर होना होगा।

[ 1 ]

जिसका अर्थ है कि प्रकार x के आवेदक जो चयन प्रक्रिया से गुजरते हैं, वे अन्य सफल आवेदकों से बेहतर प्रदर्शन करेंगे। और यदि सभी सफल आवेदकों के प्रदर्शन को मापा जाता है, तो आपको पता चल जाएगा कि क्या वे करते हैं।

बेशक, प्रदर्शन को मापने के लिए आपके द्वारा उपयोग किया जाने वाला परीक्षण एक मान्य परीक्षण होना चाहिए। और विशेष रूप से इसे आपके द्वारा मापे जा रहे पक्षपात से अमान्य नहीं होना चाहिए। लेकिन कुछ ऐसे डोमेन हैं जहां प्रदर्शन को मापा जा सकता है, और उनमें पक्षपात का पता लगाना सीधा है। जानना चाहते हैं कि क्या चयन प्रक्रिया किसी प्रकार के आवेदक के खिलाफ पक्षपाती थी? जांचें कि क्या वे दूसरों से बेहतर प्रदर्शन करते हैं। यह केवल पक्षपात का पता लगाने के लिए एक अनुमान नहीं है। यह वही है जिसका अर्थ पक्षपात है।

उदाहरण के लिए, कई लोगों को संदेह है कि उद्यम पूंजी फर्म महिला संस्थापकों के खिलाफ पक्षपाती हैं। इसका पता लगाना आसान होगा: उनकी पोर्टफोलियो कंपनियों में, क्या महिला संस्थापकों वाली स्टार्टअप उन कंपनियों से बेहतर प्रदर्शन करती हैं जिनमें महिला संस्थापक नहीं हैं? कुछ महीने पहले, एक वीसी फर्म (लगभग निश्चित रूप से अनजाने में) ने इस प्रकार के पक्षपात को दर्शाने वाला एक अध्ययन प्रकाशित किया। फर्स्ट राउंड कैपिटल ने पाया कि अपनी पोर्टफोलियो कंपनियों में, महिला संस्थापकों वाली स्टार्टअप outperformed बिना महिला संस्थापकों वाली कंपनियों की तुलना में 63%।

[ 2 ]

मैंने यह कहकर शुरुआत की कि यह तकनीक बहुत से लोगों को आश्चर्यचकित करेगी क्योंकि हम इस प्रकार के विश्लेषण बहुत कम देखते हैं। मुझे यकीन है कि यह फर्स्ट राउंड को आश्चर्यचकित करेगा कि उन्होंने एक किया। मुझे संदेह है कि वहां किसी को भी एहसास हुआ होगा कि अपने नमूने को अपने स्वयं के पोर्टफोलियो तक सीमित करके, वे स्टार्टअप रुझानों का अध्ययन नहीं कर रहे थे, बल्कि कंपनियों का चयन करते समय अपने स्वयं के पूर्वाग्रहों का अध्ययन कर रहे थे।

मैं भविष्यवाणी करता हूं कि हम इस तकनीक को भविष्य में अधिक उपयोग करते हुए देखेंगे। इस तरह के अध्ययन करने के लिए आवश्यक जानकारी तेजी से उपलब्ध हो रही है। चीजों के लिए कौन आवेदन करता है, इसके बारे में डेटा आमतौर पर चयन करने वाले संगठनों द्वारा बारीकी से संरक्षित किया जाता है, लेकिन आजकल कौन चुना जाता है, इसके बारे में डेटा अक्सर सार्वजनिक रूप से उपलब्ध होता है जो इसे एकत्र करने के लिए परेशानी उठाता 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 कोई नियोक्ता पुरुषों को उनकी क्षमता के आधार पर और महिलाओं को उनकी उपस्थिति के आधार पर काम पर रखता है।

[ 2 ] जैसा कि पॉल बुचहेइट बताते हैं, फर्स्ट राउंड ने अपने सबसे सफल निवेश, उबर को अध्ययन से बाहर रखा। और जबकि कुछ प्रकार के अध्ययनों से बाहरी लोगों को बाहर करना समझ में आता है, स्टार्टअप निवेश से रिटर्न के अध्ययन, जो सभी बाहरी लोगों को हिट करने के बारे में हैं, उनमें से एक नहीं हैं।

धन्यवाद सैम ऑल्टमैन, जेसिका लिविंगस्टन और ज्योफ राल्स्टन को इस के ड्राफ्ट पढ़ने के लिए।