過去5年間、Recursive Cactusは一流のハイテク企業でフルスタック開発者として働いてきましたが、現在は転職を決定しています。



過去6か月間、Recursive Cactus（サイトへの登録時に自己紹介）は、将来のインタビューの準備をしており、LeetCodeの演習、アルゴリズムチュートリアル、そしてもちろん、プラットフォームでのインタビューの練習に少なくとも20〜30時間割り当てて、進捗状況を評価しています。

典型的な再帰的サボテンの就業日：

典型的な再帰サボテンの休日：

しかし、インタビューの準備のための彼の圧倒的な努力は、彼、彼の友人、そして家族に打撃を与えました。勉強は、仕事と面接の準備を除いて、彼が実質的に人生を残していないほどに彼の個人的な時間をすべて使い果たしました。



ある考えがあなたを目覚めさせます。「インタビューを受けなかったらどうしますか？このすべての時間が無駄になったらどうしますか？」



私たち全員がかつて仕事を探していました、そして多くはこの状態を経験しました。しかし、なぜ再帰サボテンは準備に多くの時間を費やすのですか、そしてこの欲求不満の理由は何ですか？



彼は、エンジニアの高い基準、つまりすべてのエンジニアが仕事を得るために実証しなければならない一般的に受け入れられている最低レベルの能力を満たしていないように感じています。



基準を満たすために、彼は特定の戦術を選択しました。エンジニアに対する一般的に受け入れられている期待に応え、彼が実際にいるプロであるだけではありません。



故意に自分ではない人のふりをするのはばかげているようです。ただし、再帰サボテンの動作を理解したい場合は、このバーが何であるかを理解することをお勧めします。そして、このトピックについて少し考えてみると、それほど明確な定義がないようです。

「バー」の定義

FAANG企業（Facebook、Amazon、Apple、Netflix、Google）がどのように基準を設定したかを見てみましょう。結局のところ、これらは求職者を含む事実上すべての人から最も注目を集めている会社です。



それらのいくつかは、雇用プロセスに関する具体的な詳細を提供します。 Appleはいかなる情報も公に共有していません。Facebookはインタビューの段階について説明していますが、評価基準については説明していません。NetflixとAmazonは、仕事の文化とリーダーシップの原則に合った候補者を採用していると述べています。 NetflixもAmazonも、基本的な原則をどのように測定するかを正確に説明していません。ただし、Amazonはインタビューの実施方法を説明し、開発者のインタビューで話し合うことができるトピックにも名前を付けています。..。



大企業の中で最も透明性の高いGoogleは、インタビュープロセスを詳細に公開し、LaszloBockの著書「Workrules！」を公開しています。内部の詳細を追加します。



歴史的な観点からハイテクの巨人と言えば、前回の投稿でアリナ（私たちの創設者）は2003年の本「富士山を動かす方法」に言及しましたか？、同社が著名なテクノロジーの巨人であった時代のマイクロソフトでのインタビュープロセスについて語っています。



企業が候補者をどのように評価しているかについての詳細を収集するために、Gaila LuckmannMcDowellによるHackingProgramming Interviewsも調べました。これは、実際には潜在的な候補者のインタビュー聖書です。Joel Spolskyのゲリラインタビューガイド3.0は、技術界の影響力のある有名な人物によって書かれました。

板の定義

「インテリジェンス」の定義

当然のことながら、コーディングと技術的な知識は、どの企業でも開発者を雇うための基準の1つです。結局のところ、これは仕事です。



しかし、これに加えて、多くの人々が一般的な知性の基準に言及しています。それらは異なる単語を使用し、用語をわずかに異なる方法で定義しますが、それらはすべて、心理学者が「認知能力」と呼ぶもののいくつかの概念を指し示しています。





これらの定義はすべて、19世紀初頭の心理学者チャールズスピアマンの理論を彷彿とさせます。これは最も広く受け入れられている知性の理論です。学童を対象とした一連の認知テストで、スピアマンは、あるテストタイプでうまく機能した人は、他のテストでもうまくいく傾向があることを発見しました。この理解により、Spearmanは、特定のタスク固有の能力（ "s"）に関係なく、すべてのメトリックに影響を与える単一の基本的な共通能力係数（ "g"または "g-factor"）があるという理論に導きました。



「g」の存在を信じる場合（多くの人が信じるが、信じない人もいる...インテリジェンスの理論は異なる）、「g」スコアの高い候補を見つけることは、企業のインテリジェンスの基準と明らかに一致します。



企業はリーダーシップや文化などの他の基準も考慮しますが、通常、これらの用語で基準は定義されていません。バーは、技術的なスキルを持っていること、および一般的なインテリジェンスを持っていること（そしておそらくそれ以上）として定義されています。結局のところ、候補者は通常、リーダーシップと文化を訓練しません。



次に、それをどのように測定するかという疑問が生じます。技術的なスキルを測定することは難しいように見えますが、実行可能ですが、「g」をどのように測定しますか？

一般的なインテリジェンスの測定

ボカの本は、フランク・シュミットとジョン・ハンターの1998年の記事「人事心理学における選択方法の有効性と有用性」に言及しています。彼女は、19の候補者選択基準を幅広く分析することにより、この質問に答えようとしています。課題は、将来のパフォーマンスを最もよく予測するものを決定することです。著者らは、一般的な知性（GMAテスト）が労働生産性の最良の予測因子（「予測的妥当性」）であると結論付けました。







この研究では、GMAテストはIQテストと見なされます。しかし、2003年頃、マイクロソフトは「世界にピアノチューナーはいくつあるのか」などのパズルを使用しました。彼らの説明：

« Microsoft, , , , , . , , , , »



— « ?», . 20

今日に早送りします。Googleはこの慣行を非難し、「この種の質問に対するパフォーマンスは、せいぜい個別のスキルであり、トレーニングを通じて改善できるため、候補者の評価には役立たない」と結論付けています。



したがって、一般的なインテリジェンスをテストする2つの会社がありますが、それを測定する方法については根本的に意見が分かれています。

特定の能力や一般的な知性を測定していますか？

しかし、おそらく、SpolskyとMcDowellが主張しているように、従来のアルゴリズムとコンピューターによるインタビューの質問は、それ自体が一般的なインテリジェンスの効果的なテストです。ハンターとシュミットによる研究は、この理論をある程度支持しています。すべての単一基準評価ツールの中で、作業サンプルを使用したテストの予測妥当性が最も高かった。さらに、2基準スコアリング機器（GMAテストと作業サンプルを使用したテスト）の有効性の最高の回帰結果を調べると、作業サンプルの評価に対する標準化された効果サイズはGMA評価のそれよりも大きく、候補者の将来のパフォーマンスとのより強い関係を示しています。



調査によると、従来のアルゴリズムによるインタビューでは、おそらくGMA / IQテストよりも、将来のパフォーマンスが予測されます。



Recursive Cactusは、そのような関係があるとは考えていません。

「職場で得られた知識とアルゴリズムの問​​題の解決の間にはほとんど重複がありません。ほとんどのエンジニアは、グラフや動的プログラミングを扱うことはめったにありません。アプリケーションプログラミングでは、最も一般的なデータ構造はリストと辞書オブジェクトです。ただし、それらに関連する面接の質問は些細なものと見なされることが多いため、他のカテゴリの問題に焦点が当てられます。」

彼の意見では、アルゴリズムの質問はマイクロソフトのパズルの質問に似ています。実際の仕事では決して遭遇しないインタビューからタスクを学びます。もしそうなら、これはハンターとシュミットの研究に実際には適合しません。



Recursive Cactusの個人的な信念にもかかわらず、Spolskyのようなインタビュアーは、これらのスキルが生産的なプログラマーにとって非常に重要であると信じています。

« , , : „ ?” — .



, . , , . , , Ruby on Rails 2.0».



— 

Spolskyは、従来の技術面接の質問では実際の作業上の問題をシミュレートできないことを認めています。むしろ、彼らは、ある意味では一般的であるが他の点では特定的である一般的なコンピューターサイエンスの能力をテストします。これは特定の分野における一般的な知性であると言えます。



したがって、コンピュータインテリジェンスが一般的なインテリジェンスであると思わない場合、マクダウェルは次のことを提案します。

「データ構造とアルゴリズムの知識が議論されるもう1つの理由があります。それは、それらに関係のない問題を解決するための質問を見つけることが難しいためです。問題解決の質問の大部分は、これらの基本



事項のいくつかに関係していることがわかりました。」-Gail Luckmann McDowell

これは、コンピューターサイエンスのレンズを通して世界を見るときに当てはまるかもしれません。ただし、プログラマー以外の人が問題を解決するのがより困難であると考えるのは不公平です。



現時点では、スピアマンが最初に定義した一般的なインテリジェンスの測定については話していません。むしろ、私たちは、一般的なインテリジェンス（Spolsky、McDowell、MicrosoftのBill Gates、および5人のFAANG創設者のうち4人がコンピューターサイエンスまたはアイビーリーグ大学またはスタンフォード）。



おそらく私たちがバーについて話すとき、私たちは実際に測定を行う人に応じて主観的なものを意味し、この定義は人によって異なります。



この仮説は、候補者がプラットフォーム上のインタビュアーから受け取る評価によって裏付けられています。

バーは主観的です

私たちのinterviewing.ioプラットフォームでは、人々はオンラインで、大手企業のインタビュアーと匿名で技術面接のトレーニングを行っています。インタビューの質問は、バックエンド開発者のポジションを電話でスクリーニングするときに聞く質問と似ています。インタビュアーは通常、Google、Facebook、Dropbox、Airbnbなどの企業から来ています。そのようなインタビューの例をいくつか示します。各インタビューの後、インタビュアーは候補者をいくつかの側面で評価します。技術スキル、コミュニケーションスキル、問題解決スキルを1から4のスケールで評価します。ここで、1は「悪い」、4は「素晴らしい」です。フィードバックフォームは次のようになります。







自信がある場合は、トレーニングをスキップして、パートナー企業との実際のインタビューに直接申し込むことができます（これについては後で詳しく説明します）。



最も活発な面接官を観察することにより、この人が採用する候補者の割合（「合格率」）の違いに気づきました。この比率は30％から60％の範囲です。一部のインタビュアーは他のインタビュアーよりもはるかにタフに見えます。







インタビュイーとインタビュアーは匿名でランダムに選択されるため^[1]面接官によって候補者の質が大きく異なることはないと思います。したがって、面接対象者の質がこの現象の原因であってはなりません。ただし、経験などの候補者の属性を考慮しても、面接官によって合格率には違いがあります^[2]。..。



たぶん、一部のインタビュアーは、バーが高いために意図的に厳格になっています。より厳しい面接官に当たった候補者は低い成績を受け取りますが、通常、次の面接でより良い成績を収めます。



この結果は、いくつかの方法で解釈できます。

• より厳格なインタビュアーは、候補者を体系的に過小評価します
  
  
• 候補者は厳格なインタビュアーに非常にうんざりしているため、元のインタビュアーのより高い基準を満たすために、インタビューの合間に改善する傾向があります。

後者が当てはまる場合、より厳密なインタビュアーでトレーニングした候補者は、実際のインタビューでよりうまくいくはずです。ただし、インタビュアーの重大度と、プラットフォーム上で将来の実際のインタビューに合格する速度との間に相関関係は見つかりませんでした^[3]。..。







私たちのプラットフォームのインタビュアーは、候補者が実際のインタビューで遭遇するタイプの人々を表しています。同じ人々が実際のテクノロジー企業で電話スクリーニングと対面インタビューを行っているからです。また、面接の方法を決めていないため、これらのグラフには、電話を切ったり、オフィスを離れたりするとすぐに、面接の結果に関する意見の分布も示されます。



これは、実際の回答に関係なく、就職の可能性は実際に誰と面接しているかに依存することを示唆しています。言い換えれば、バーは主観的です。



インタビュアー間のこの違いにより、パートナー企業とのインタビューを許可されたときに候補者をフィルタリングするバーの独自の定義を再考する必要がありました。私たちの定義は、Spolskyのバイナリ基準（「賢く」）に非常に似ており、インタビュアーの意見を過大評価し、他の3つの基準を過小評価して、下の図に示すように、二峰性のラクダのような分布になりました。







現在のスコアリングシステムは将来のインタビュー結果とかなりよく相関していますが、インタビュアーのスコアは他の基準ほど将来の結果と強く相関していないことがわかりました。重量を減らし、最終的に予測精度を向上させました^[4]。..。映画RickyBobby：King of the Roadのように、Ricky Bobbyは、レースには最初と最後の場所以外にも場所があることを学びました。そのため、「雇う-雇わない」というバイナリ構造を超えることが有用であることも学びました。 、「スマート-スマートではない」。



もちろん、他の基準もインタビュアーによって決定されるため、主観性を完全に取り除くことはできませんでした。そして、これが評価を困難にしている理由です。インタビュアーの評価は、それ自体が候補者の能力の尺度です。



このような状況では、特定の各測定の精度は不確実になります。インタビュアーがさまざまな長さのスティックを使用して測定しているようですが、誰もが自分のスティックの長さ、たとえば1メートルがわかっていると想定していました。



面接官に候補者の評価について話したところ、長さの異なる棒の理論が確認されました。インタビュアーが候補者を評価する方法の例を次に示します。

• 2つの質問をします。彼が両方に答えた場合、テストは合格です
  
  
• さまざまな難易度（簡単、中程度、難しい）の質問をする。答えが平均的な場合、テストは合格です
  
  
• 応答の速度は非常に重要です。答えが速い場合、テストに合格します（「速い」という用語は明確に定義されていません）
  
  
• 速度は実際には重要ではありません。実用的な解決策がある場合は合格
  
  
• 候補者は最高の成績から始まります。間違いごとにポイントが差し引かれます

評価のさまざまな基準-必ずしも悪いわけではありません（実際、完全に正常です）。それらは私たちの測定値に大きなばらつきをもたらすだけです。つまり、候補者の評価は完全に正確ではありません。



問題は、誰かがバーについて話すとき、彼らは通常、測定値の不確実性を無視することです。



多くの場合、一流の候補者のみを採用することをお勧めします。

「大まかな目安は、あなたより優れた人だけを雇うことです。妥協はありません。常に "



-Laszlo Bock

「これらの優れた候補者を見つけるのがどれほど困難であっても、基準を下げないでください。」



-Joel Spolsky

「マッキントッシュ部門では、次のように言っていました。 'プレーヤーAはプレーヤーAを雇います。BプレーヤーはCプレーヤーを雇っています」-これは素晴らしい人々も素晴らしい人々を雇っていることを意味します」



-ガイカワサキ

「採用されたすべての従業員は、現在同様の役割を担っている従業員の50％を上回っている必要があります。これにより、



基準が引き上げられます」-AmazonのBarRaiserブログ投稿

これらはすべて良いアドバイスです。ただし、「品質」は確実に測定できると想定しています。しかし、これが常に当てはまるとは限らないことはすでに見てきました。



不確実性が言及されている場合でも、差異は、測定プロセスやインタビュアーではなく、候補者の能力に起因します。

「真ん中には、共通の目的に貢献できると思われる「潜在的に役立つ」従業員が多数います。重要なのは、スーパースターをこれらの「潜在的に有用な」ものと区別することです。なぜなら、「潜在的に有用な」ものを雇いたくないからです。決して。

…

決定が難しい場合は、非常に簡単な解決策があります。誰も雇わないでください。よくわからない人を雇わないでください。」



-JoelSpolsky

候補者の評価は完全に決定論的なプロセスではありませんが、多くの人がそれをそのように考えています。

なぜバーがとても高いのですか

「品質の妥協」という言葉は、実際には妥協を意味するのではなく、不確実性に直面した意思決定を意味します。そして、上記の引用からわかるように、通常の戦略は、絶対的な自信がある場合にのみ雇用することです。



あなたが持っている測定スティックに関係なく、それはバーを本当に高く上げます。候補者に完全に自信を持つということは、悪い雇用（「誤検知」）の可能性を最小限に抑えることを意味します。そして、企業はそれを回避するためにできる限りのことをしています。

「悪い候補者は、彼のすべての間違いを訂正するのにかかる時間を考えると、非常に費用がかかります。誤って雇用された従業員を解雇することは、特に彼らが訴えることを選択した場合、数ヶ月かかり、悪夢になる可能性があります。」



-Joel Spolsky

ハンターとシュミットは、不十分な雇用のコストを計算しました。「標準偏差は、平均年収の少なくとも40％です」、これは、平均エンジニア給与が$ 100,000であると仮定すると、今日は$ 40,000です。



ただし、基準を高く設定しすぎると、あなたがいくつかの良い候補（偽陰性）を逃していること。マクダウェルは、企業が多くの偽陰性を本当に気にしない理由を説明しています。

「会社の観点からは、多くの優れた候補者を拒否することは本当に受け入れられます…彼らはそれを喜んで受け入れます。もちろん、人事コストが増加するため、これはやめたほうがよいでしょう。しかし、十分な数の優れた候補者をまだ受け入れている限り、これは許容できる妥協案です。」

言い換えれば、検索を継続するための採用コストと比較して、期待される結果の差が大きい場合は、最良の候補を待つ価値があります。さらに、人件費と潜在的に問題のある従業員からの法的な問題も、可能な限り基準を押し上げています。



コストと利益の非常に合理的な計算のように見えます。しかし、誰かが実際にそのような数値の計算をしたことがありますか？もしそうなら、私たちはあなたから聞いてみたいです。しかし、実際には非常に難しいようです。



すべての計算は目で行われるので、同じことを行うことができ、バーをそれほど高く設定すべきではないと主張することができます。



前述のように、候補能力の分布は2値ではないため、Spolskyの悪夢のシナリオは、「悪い」と思われるすべての採用で発生するわけではありません。つまり、「良い」従業員と「悪い」従業員の予想されるパフォーマンスの差は予想よりも小さい可能性があります。



一方で、資格が上がるにつれて候補者の選択が難しくなるため、採用コストが予想よりも高くなる可能性があります。定義上、バーが高いほど、そのような人は少なくなります。シュミットとハンターの「バッドハイヤー」ダメージ計算は、プール内でのみ候補者を比較します。この調査では、質の高い候補者をプールに採用するための相対的なコストは考慮されていません。これは、最近の多くの技術採用チームにとって大きな問題です。また、他のIT企業が同じ採用戦略を使用している場合、競争により、候補者がオファーを断る平均的な可能性が高まります。これにより、空席を埋めるのにかかる時間が長くなります。



要約すると、「良い」候補と「悪い」候補の間の期待される結果が予想よりも少なく、採用コストが予想よりも高い場合は、基準を下げるのが論理的です。



企業が効果のない従業員を雇用した場合でも、トレーニングとHRツールを使用して悪影響を軽減できます。結局のところ、人の生産性は時間の経過とともに本当に成長し、彼は新しいスキルと知識を習得します。



しかし、雇用するとき、人々は従業員の成長について考えることはめったにありません（Laszlo Bockはこれについて所々で言及していますが、これらのトピックのほとんどは互いに別々に議論されています）。しかし、それを考慮に入れれば、従業員の雇用と育成を結びつけることができます。労働効率を高めるさまざまな方法について話すことができます。既存の従業員を訓練するためにお金を払うか、新しい従業員を雇うかのどちらかです。



あなたもそれを妥協と見なすことができます。社内で従業員を育成する代わりに、この育成を外部委託してみませんか？他の人に生の才能を伸ばす方法を考えさせてください、そしてあなたは後で既成の専門家を見つけるためにリクルーターに支払います。準備ができた食事を届けるためにお金を払うことができるのに、なぜWhole Foodsで買い物をし、家で料理するのですか？実際の作業（エンジニアリングタスクなど）を実行できるのに、なぜ管理とトレーニングに時間を浪費するのですか？



企業が効果的に人材を育成する方法を知らないため、おそらく基準は非常に高く設定されています。



そのため、企業はキャリア成長の負担を候補者自身に移すことでリスクを軽減します。同様に、Recursive Cactusなどの候補者は、面接を練習するしかありません。



最初は、再帰サボテンはルールの例外だと思いました。しかし、彼は一人ではないことが判明しました。

面接前の練習

昨年、私たちは候補者にインタビューの準備に何時間費やしたかを尋ねました。回答者のほぼ半数が、準備に100時間以上費やしたと述べています^[5]。..。







採用担当者が状況をどのように理解しているか疑問に思いました。アリーナはツイッターで同様の質問をしました。その結果、人事マネージャーは面接の準備をする候補者の努力を大幅に過小評価していることがわかりました。





どうやら、この不一致は、隠された暗黙の雇用ルールを確認するだけです。あなたが最も賢い人でない場合（それが意味するものは何でも）、これは私たちの問題ではありません。

バーの改訂

これが「板」です。これは、誤検知を回避するために企業が設定した高い基準です。しかし、企業が実際に適切な費用対効果分析を行ったかどうかは不明です。おそらく、高い基準は、従業員の育成に投資することに消極的であることによって説明できます。



Plankは一般的なインテリジェンスをほぼ測定しますが、実際の測定ツールは必ずしも科学文献と一致するとは限りません。このトピックに関する科学文献自体でさえ、疑わしいと呼ぶことができます^[6]。..。バーは実際にはコンピューターサイエンスの特定のインテリジェンスを測定しますが、この測定値は誰があなたにインタビューしているかによって異なります。



雇用の多くの側面の違いにもかかわらず、私たちはそれが明確な意味を持っているかのようにバーについて話します。これにより、採用マネージャーは明確なバイナリの選択を行うことができますが、「バー」の定義を自社で改善できるかどうかについて批判的に考えることはできません。



また、再帰サボテンがトレーニングに多くの時間を費やしている理由を理解するのに役立ちます。これは、彼の現在の会社が彼のスキルを開発していないためです。彼は、採用基準が大きく異なるために直面​​する可能性のある無数の質問や面接官に備えています。彼は、日常業務で必ずしも使用されるとは限らないトピックを調査します。これらはすべて、「スマート」と見なされる人々に渡すためです。



これは彼の個人的な生活に大きな影響を与えた現在のシステムです。

「私の妻は、私が恋しいと何度も言いました。私は忙しくて幸せな生活を送っていますが、面接で競争力をつけるためには、数ヶ月の準備に真っ向から取り組む必要があると感じています。一人の母親がこのように準備することはできません。」



-再帰的なサボテン

これは彼の現在の仕事と彼の同僚に影響を与えます。

「このプロセスには多大な労力がかかるため、100％作業することはできなくなりました。もっと上手くできたらいいのにと思いますが、1日4時間アルゴリズムを練習し、自分の将来を同時に処理することはできません。



これはあまり心地よい感じではありません。私は同僚が好きです。私は責任を感じます。私は解雇されないことを知っていますが、彼らには追加の負担があることを理解しています」



-再帰的サボテン

誤検知、インタビューの構造、パズル、採用、開発の基準に関するこれらの微妙な決定はすべて、最終的には人々の個人的な生活に影響を与えるシステムになることを覚えておくと役に立ちます。応募者自身だけでなく、応募者を取り巻くすべての人々。



スタッフの採用は、解決された問題にはほど遠いです。どういうわけかそれを解決したとしても、この不確実性をすべて排除できるかどうかは不明です。結局のところ、人工的な作業環境で1〜2時間過ごした後、その人の仕事の将来の結果を予測することは非常に困難です。不確実性を確実に最小限に抑える必要がありますが、それをプロセスの自然な一部として受け入れることは役に立ちます。



システムを改善することができます。これには、新しいアイデアを思いつくだけでなく、数十年前に行われたアイデアや仮定を再検討する必要があります。あなたは前の仕事を考慮に入れて先に進む必要があり、それに執着しないでください。



IT業界の誰もが貢献でき、IT採用システムを改善できると確信しています。あなたが賢いという理由だけで、あなたがこれを行うことができることを私たちは知っています。

---

^[1]特に候補者がトレーニングを選択する時間に関しては、バイアスの可能性があります。表面的な分析では、接続はそれほど重要ではないことが示されていますが、この問題を調査しています（このトピックについては、将来ブログに書き込む可能性があります）。また、このサイトでは、従来のアルゴリズムによるインタビューとシステム設計によるインタビューのどちらかを選択できますが、大多数は従来のインタビューを選択しています。示されている合格率は、従来のインタビューと一致しています。[戻る]

^[2]あなたはinterviewing.ioの候補者の相対的なレベルについて疑問に思うかもしれません。真のレベルを判断するのは難しいですが（これがこの記事のメインテーマです）、私たちの開業医のインタビュアーは、interviewing.ioの候補者の平均レベルは、自社でのインタビュー中、特に電話スクリーニング中に遭遇するレベルに対応すると述べています。[戻る]

^[3]これには、社内の採用基準を満たし、オフィスで面接に来た候補者のみが含まれます。グラフは、インタビューを受けた候補者の全人口を反映しているわけではありません。[戻る]

^[4]以前、インタビュアーの厳密さに基づいて統計を調整するアルゴリズムがあったことを覚えているかもしれません。さらに調べてみると、このアルゴリズムが予想外の方法で候補者のスコアに変動をもたらすことがわかりました。したがって、今では彼にあまり依存していません。[戻る]

^[5]100時間と200時間のバーストは、文言の誤りと調査の最大値が原因でした。次の3つの質問がありました。1）前回の就職活動中に、面接の準備に何時間費やしましたか。 2）interviewing.ioに登録する前に、インタビューの準備に何時間費やしましたか？ 3）interviewing.ioに登録した後、インタビューの準備に何時間費やしましたか（Webサイトの時間を含まない）？各質問への回答の上限は最大100時間でしたが、多くの回答者では、回答2と3の合計が100を超えました。質問1の回答の中央値は94で、回答2と3の合計の中央値とほぼ同じであるため、この合計をより大きな分布に使用しました。 100時間。重要な教訓：予想よりも高い最大値を設定するアンケートを再確認してください。[戻る]

^[6]私は心理学者ではなく、メタ分析のような方法は、使い慣れた統計ツールに基づいていますが、私には少し異質であるため、この研究を評価するのは少し難しいと思います。問題は、これらのツールが正しいかどうかではなく、研究のインプットについて推論することがどれほど難しいかということです。スパゲッティコードと同様に、基礎となるデータセットの検証は、数十年にわたる以前の科学的研究に分散しているため、分析が困難です。これはおそらく心理学の性質であり、自然科学と比較して有用なデータを取得することはより困難です。さらに、方法論について他の疑問が生じます。これについては、この記事で詳しく説明します。【返品】