Colin Lee is dit jaar aan de Erasmus Universiteit gepromoveerd op de factoren die bepalen of een sollicitant zal worden uitgenodigd voor een sollicitatiegesprek. Hij heeft daarbij gebruik gemaakt van data van 48 verschillende bedrijven uit Connexys ATS (441,769 sollicitanten) om te voorspellen welke sollicitanten worden uitgenodigd en wat het relatieve belang is van verschillende voorspellende factoren. Textkernel heeft ook een handje geholpen. Leeftijd en ervaring kwamen naar voren als de meest bepalende factoren.
Hier staat een kort verklarend filmpje.
De kernvraag was: hoe kunnen we voorspellen wie de meest geschikte sollicitant is?
Lee staat uitgebreid stil bij de methode die hij heeft gehanteerd, de methode van Synthetic validity. Deze dateert al uit de jaren 50 en is een heel eind verwijderd van deep learning. Synthetic validity splitst de baankarakteristieken uit zonder al te veel inhoudelijke kennis van de concrete baan (vacatureteksten kunnen erg summier zijn), lerend van vergelijkbare vacatures. Piers Steel, hoogleraar in Calgary, is de grote pioneer op dit terrein.
Lee gaat bij matching op persoonlijkheid uit van General Mental Ability als de meest krachtige determinant. Verder zie ik de Big Five een grote rol spelen. Validiteit per criterium is lang niet voor elke baan gelijk. Moeilijk te voorspellen welke criteria het krachtigst zijn. Moeten we dan voor elke baan een analyse maken? Niet per se. Je kunt ook Synthetic validity gebruiken.
Waar Lee benieuwd naar is, is of die extreme nadruk op leeftijd en ervaringsjaren nu strookt met de vraag hoe goed een eenmaal aangenomen werknemer functioneert. Hij staat lang stil bij de methode hoe dat te bepalen: wat maakt een kandidaat geschikt voor de baan. Lee verwacht veel van crowdsourcing. Hij nodigt de deelnemers uit om eens een kijkje te nemen ophttps://synthetic-validity.com/tk15/. Daarin kun je per beroep aangeven wat de GMA-score moet zijn en hoe belangrijk elk van de Big Five determinanten voor een baan zijn.
In het promotieonderzoek onderzocht Lee de volgende variabelen:
Demografische variabelen:
- leeftijd
- geslacht
- nationaliteit
- burgerlijke staat
- afstand tussen huis en werk
Biografische variabelen:
- aantal jaren werkervaring
- opleidingsniveau
- relevante werkervaring
- relevante opleiding
- relevante vaardigheden
Contextuele variabelen:
- sollicitatie voor of na de deadline
- betrof het een interne sollicitatie
- het aantal sollicitanten gedeeld door het aantal openstaande vacatures
- de mate van krapte op de arbeidsmarkt in de betreffende sector
Leeftijd blijkt bij uitstek de beste predictor te zijn of een sollicitant wordt uitgenodigd, op afstand gevolgd door het aantal jaren werkervaring.
Factoren die er nauwelijks toe blijken te doen zijn de mate waarin het opleidingsniveau aansluit op het gewenste niveau, de nationaliteit van de kandidaat en de huwelijkse staat. Of de sollicitant een man of een vrouw is, maakt ook nauwelijks iets uit.
Het model dat Lee op basis van deze uitkomsten heeft ontwikkeld kan met ongeveer 70% zekerheid voorspellen of een sollicitant zal worden uitgenodigd voor een gesprek.
Lee denkt dat je hiermee de recruiters makkelijker maakt om een preselectie te maken. Recruiters blijken relatief inconsistent zijn in hoe zij hun selectiecriteria met betrekking tot demografische kenmerken en biodata aanpassen aan het beroep en de industrie. Wel was in het onderzoek duidelijk zichtbaar dat verschillende bedrijven verschillende recruitmentstrategieën volgen.
De duidelijke voorkeur van recruiters voor kandidaten in mid career valt mij in het bijzonder op. Werkgevers die een ernstig tekort hebben aan geschikt personeel: ik zou dan echt eens mijn oren spitsen. Tenzij oudere werknemers inderdaad minder productief zijn, zoals recruiters kennelijk veronderstellen. Boegbeeld John de Wolf, leest u mee?
En intermediairs die hun kandidaten geplaatst willen krijgen weten nu wat ze te doen staat: onbekommerd discrimineren op leeftijd. Of op afkomst. Maar etniciteit zat verrassenderwijs niet in het onderzoek.
Dit gastblog is geschreven door Kaj Jalving
2 Comments