पूर्वाग्रह का पता लगाने का एक तरीका

अक्टूबर 2015

यह बहुत से लोगों के लिए आश्चर्य की बात होगी, लेकिन कुछ मामलों में चयन प्रक्रिया में पूर्वाग्रह का पता लगाना संभव है बिना आवेदक पूल के बारे में कुछ जाने। यह रोमांचक है क्योंकि अन्य चीजों के अलावा इसका मतलब है कि तीसरे पक्ष इस तकनीक का उपयोग पूर्वाग्रह का पता लगाने के लिए कर सकते हैं चाहे चयन करने वाले लोग ऐसा चाहते हों या नहीं।

आप इस तकनीक का उपयोग तब कर सकते हैं जब (क) आपके पास कम से कम चयनित आवेदकों का एक यादृच्छिक नमूना हो, (ख) उनके बाद के प्रदर्शन को मापा जाए, और (ग) आप जिन आवेदक समूहों की तुलना कर रहे हैं, उनकी क्षमता का वितरण लगभग समान हो।

यह कैसे काम करता है? सोचिए कि पूर्वाग्रहित होना क्या मतलब है। एक चयन प्रक्रिया का पूर्वाग्रहित होना आवेदक प्रकार x के खिलाफ इसका मतलब है कि उनके लिए चयन प्रक्रिया से गुजरना कठिन है। जिसका मतलब है कि आवेदक प्रकार x को चयनित होने के लिए आवेदक प्रकार x के अलावा अन्य आवेदकों की तुलना में बेहतर होना होगा।

[ 1 ]

जिसका मतलब है कि आवेदक प्रकार x 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 आप जानेंगे कि क्या वे ऐसा करते हैं।

बेशक, आप जो परीक्षण प्रदर्शन को मापने के लिए उपयोग करते हैं, वह एक मान्य होना चाहिए। और विशेष रूप से यह उस पूर्वाग्रह द्वारा अमान्य नहीं होना चाहिए जिसे आप मापने की कोशिश कर रहे हैं। लेकिन कुछ क्षेत्रों में प्रदर्शन को मापा जा सकता है, और उन क्षेत्रों में पूर्वाग्रह का पता लगाना सीधा है। क्या आप जानना चाहते हैं कि चयन प्रक्रिया किसी प्रकार के आवेदक के खिलाफ पूर्वाग्रहित थी? जांचें कि क्या वे अन्य आवेदकों से बेहतर प्रदर्शन करते हैं। यह केवल पूर्वाग्रह का पता लगाने के लिए एक ह्यूरिस्टिक नहीं है। यही पूर्वाग्रह का मतलब है।

उदाहरण के लिए, कई लोग संदेह करते हैं कि उद्यम पूंजी फर्में महिला संस्थापकों के खिलाफ पूर्वाग्रहित हैं। इसे पहचानना आसान होगा: क्या उनके पोर्टफोलियो कंपनियों में महिला संस्थापकों वाली स्टार्टअप्स उन कंपनियों से बेहतर प्रदर्शन करती हैं जिनमें महिला संस्थापक नहीं हैं? कुछ महीने पहले, एक VC फर्म (लगभग निश्चित रूप से अनजाने में) ने इस प्रकार के पूर्वाग्रह को दिखाने वाला एक अध्ययन प्रकाशित किया। फर्स्ट राउंड कैपिटल ने पाया कि अपने पोर्टफोलियो कंपनियों में, महिला संस्थापकों वाली स्टार्टअप्स बेहतर प्रदर्शन किया उनकी तुलना में 63%।

[ 2 ]

मैंने यह कहकर शुरुआत की कि यह तकनीक कई लोगों के लिए आश्चर्य की बात होगी क्योंकि हम इस प्रकार के विश्लेषण को बहुत कम देखते हैं। मुझे यकीन है कि फर्स्ट राउंड को यह आश्चर्य होगा कि उन्होंने एक किया। मुझे संदेह है कि वहां किसी ने यह महसूस किया कि अपने नमूने को अपने पोर्टफोलियो तक सीमित करके, वे स्टार्टअप प्रवृत्तियों का अध्ययन नहीं कर रहे थे बल्कि कंपनियों का चयन करते समय अपने पूर्वाग्रहों का अध्ययन कर रहे थे।

मैं भविष्य में इस तकनीक का अधिक उपयोग होते हुए देखता हूं। इस प्रकार के अध्ययन करने के लिए आवश्यक जानकारी तेजी से उपलब्ध हो रही है। जो लोग चीजों के लिए आवेदन करते हैं, उनके बारे में डेटा आमतौर पर उन संगठनों द्वारा बारीकी से संरक्षित होता है जो उन्हें चुनते हैं, लेकिन आजकल चयनित होने वाले लोगों के बारे में डेटा अक्सर किसी भी व्यक्ति के लिए सार्वजनिक रूप से उपलब्ध होता है जो इसे एकत्रित करने की मेहनत करता है।

नोट्स

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

[ 2 ] जैसा कि पॉल बुकहाइट ने बताया, फर्स्ट राउंड ने अपने सबसे सफल निवेश, उबर, को अध्ययन से बाहर रखा। और जबकि कुछ प्रकार के अध्ययनों से बाहरी तत्वों को बाहर रखना समझ में आता है, स्टार्टअप निवेश से प्राप्तियों के अध्ययन, जो बाहरी तत्वों को हिट करने के बारे में है, उनमें से एक नहीं हैं।

धन्यवाद सैम आल्टमैन, जेसिका लिविंगस्टन, और जेफ राल्स्टन को इस के ड्राफ्ट पढ़ने के लिए।