Paul Graham Blog: Wie erkennt man eine Neigung?

Ursprünglicher Autor: Paul Graham
  • Übersetzung
Für viele Leute wird dies eine Überraschung sein, aber in einigen Fällen ist es möglich, eine Verschiebung (Parteilichkeit) im Auswahlprozess festzustellen, ohne etwas über den Kandidatenpool zu wissen. Und das ist wunderbar, denn es bedeutet unter anderem, dass ein Dritter diese Technik verwenden kann, um die Verschiebung zu bestimmen, ohne sie mit denen zu koordinieren, die die Auswahl treffen.

Sie können diese Technik anwenden, wenn (a) mindestens eine zufällige Stichprobe von Bewerbern ausgewählt wurde, (b) deren Wirksamkeit bewertet wurde, (c) die von Ihnen verglichenen Kandidatengruppen ungefähr die gleiche Chancenverteilung aufweisen.

Wie funktioniert es

Überlegen Sie, was es bedeutet, voreingenommen zu sein. Was kann bedeuten, dass Kandidaten vom Typ x während des Auswahlprozesses bevorzugt werden, was zu Schwierigkeiten für sie führt? [1] Dies trägt dazu bei, dass Kandidaten vom Typ X, die das Auswahlverfahren bestanden haben, besser sind als andere, die seine Kandidaten erfolgreich bestanden haben. Und wenn sich die Ergebnisse all dieser erfolgreichen Kandidaten für die Analytik eignen, werden wir herausfinden, wer der Beste ist.

Natürlich sollte der Test, den Sie dafür verwenden, gerechtfertigt sein. Insbesondere sollte es nicht durch die Vorurteile, die Sie messen möchten, „zunichte gemacht“ werden. In Bereichen, in denen die Wirksamkeit gemessen werden kann, ist es ziemlich einfach, die Verzerrung zu bestimmen. Möchten Sie überprüfen, ob bei einem bestimmten Kandidatentyp ein ähnliches Phänomen aufgetreten ist? Überprüfen Sie anschließend, ob andere Kandidaten hinsichtlich ihrer Effizienz unterlegen sind. Es ist nicht nur eine auf Annahmen basierende Methode zur Bestimmung des Bias. Das ist es, was Voreingenommenheit bedeutet.

Zum Beispiel glauben viele, dass Risikokapitalunternehmen Vorurteile gegenüber Gründerinnen haben. Dies ist leicht zu erkennen: Zeigen Startups mit Gründerinnen die besten Ergebnisse unter ihren Portfoliounternehmen? Vor ein paar Monaten veröffentlichte eine der VC-Firmen (wahrscheinlich unbeabsichtigt) Forschungsergebnisse, die eine voreingenommene Haltung gegenüber diesem Kandidatentyp belegen. In der ersten Finanzierungsrunde stellte sich heraus, dass im Portfolio der Unternehmen Startups mit Frauen an der Spitze die anderen um 63% übertrafen. [2]

Ich begann meine Geschichte mit dem Vorschlag, dass diese Technik für viele Menschen eine Überraschung sein wird, da wir diese Art von Forschung selten sehen. Ich bin sicher, dass die erste Runde überrascht sein wird, dass die Auswahl der Kandidaten voreingenommen ist. Ich bezweifle ernsthaft, dass sie verstehen, dass sie Daten veröffentlichen, die nicht Trends bei der Entwicklung von Start-ups widerspiegeln, sondern die Ergebnisse ihrer eigenen Vorurteile bei der Auswahl von Unternehmen. Wenn sie gewusst hätten, was all diese Zahlen wirklich bedeuten, hätten sie sie anders dargestellt.

Ich bin mir sicher, dass diese Technik in Zukunft zunehmend zum Einsatz kommen wird. Die Informationen, die für die Durchführung solcher Untersuchungen benötigt werden, werden immer zugänglicher. Bisher war es nicht einfach, Daten darüber zu erhalten, wer genau von den Organisationen für bestimmte Aufgaben ausgewählt wurde - diese Informationen wurden von ihnen eifrig geschützt. Heutzutage werden solche Daten häufig veröffentlicht, und diejenigen, die daran interessiert sind, können sie leicht abrufen.

Anmerkungen

[1] Diese Technik ist nicht geeignet, wenn unterschiedliche Anforderungen an die verschiedenen Arten von Bewerbern im Auswahlverfahren gestellt wurden, z. B. wenn der Arbeitgeber Männer aufgrund ihrer Fähigkeiten und Frauen aufgrund ihres Aussehens eingestellt hat.

[2] Paul Buchheit stellte fest, dass Uber in der ersten Runde von der Studie ausgeschlossen wurde, die die erfolgreichste Investition des Fonds war. Und obwohl es wirklich sinnvoll ist, bestimmte Ausreißer von bestimmten Arten von Untersuchungen auszuschließen, gehört die Untersuchung der Anlagerenditen von Startups nicht dazu.

Ich möchte Sam Altman, Jessica Livingston und Geoff Ralston für das Lesen des Artikelentwurfs danken.

Jetzt auch beliebt: