भर्तीकर्ताओं के लिए: एक-पृष्ठ प्रदर्शन सारांश टेम्पलेट और AI प्रॉम्प्ट
समग्र फिट: मजबूत — उम्मीदवार ने हर मुख्य तकनीकी आयाम को जुड़े हुए प्रमाण के साथ पार किया और कोई सत्यनिष्ठा संबंधी संकेत नहीं मिला। यह एक-पंक्ति का फैसला, जो भूमिका के लिए महत्वपूर्ण प्रमाण से जुड़े एकल-वाक्य तर्क द्वारा समर्थित है, एक उपयोगी प्रदर्शन सारांश हर बार इसी के साथ शुरू होता है। बाकी सब कुछ — ताकत के बुलेट से लेकर रूब्रिक स्कोर तक — उस शुरुआती निर्णय को समर्थन देता है, न कि उसे दफन करता है।
TL;DR:
- जो उम्मीदवार सभी मुख्य तकनीकी जाँचें पार करते हैं, वे आमतौर पर लगातार, पूरी तरह से परीक्षित काम और कोई सत्यनिष्ठा संबंधी संकेत नहीं दिखाते, जो मजबूत फिट के फैसले को समर्थन देता है।
- ताकत के प्रमाण विशिष्ट, टाइमस्टैम्प युक्त या उद्धृत होने चाहिए, जबकि कमियों या चिंताओं की पहचान उन सटीक क्षणों या सबमिशन से की जाती है जो कमजोरियाँ उजागर करते हैं।
- मूल्यांकन स्कोर सापेक्ष श्रेणियाँ हैं; कटऑफ के निकट स्कोर के लिए स्वचालित अस्वीकृति की बजाय प्रमाण की मैन्युअल समीक्षा आवश्यक है।
- एक-पृष्ठ का सारांश, जिसमें फैसला पहले हो और ताकत व चिंताओं के लिए बुलेट तीन से पाँच तक सीमित हों, तेज और स्पष्ट निर्णय लेने को बढ़ावा देता है।
- सीमावर्ती स्कोर के लिए मानवीय समीक्षा आवश्यक है, तथ्यात्मक और अनुमानित गुणों की स्पष्ट टैगिंग के साथ और ऑडिट उद्देश्यों के लिए स्कोर ओवरराइड का दस्तावेजीकरण किया जाना चाहिए।
विषय-सूची
- व्यवहार में प्रदर्शन सारांश उदाहरण कैसे दिखते हैं?
- आप ऐसा प्रदर्शन सारांश कैसे लिखते हैं जिसे पैनल वास्तव में पढ़ें?
- आपको रूब्रिक स्कोर और स्कोर श्रेणियाँ कैसे प्रस्तुत करनी चाहिए?
- आपको AI-जनित स्कोर को कब ओवरराइड करना चाहिए?
- Talent Approved इसे समीक्षा प्रक्रिया में कैसे शामिल करता है
- क्षेत्र से एक व्यावहारिक टिप्पणी
- इसे स्वयं बनाए बिना टेम्पलेट वर्कफ़्लो आज़माएँ
- स्रोत
- FAQ
व्यवहार में प्रदर्शन सारांश उदाहरण कैसे दिखते हैं?
प्रदर्शन सारांश न तो एक ट्रांसक्रिप्ट है और न ही डैशबोर्ड का स्क्रीनशॉट। यह एक संक्षिप्त, निर्णय-तैयार दस्तावेज़ है जो फैसले को पहले रखता है और उसे बचाव के लिए पर्याप्त प्रमाण से समर्थित करता है। इस तरह बनाई गई रिपोर्टें फिट निर्णय को शीर्ष पर रखती हैं और ताकत और चिंताओं को प्रत्येक में 3 से 5 बुलेट तक सीमित करती हैं, प्रत्येक बुलेट के साथ एक समर्थन उद्धरण या प्रमाण पंक्ति होती है।
यहाँ बताया गया है कि यह तीन सामान्य परिणामों में कैसा दिखता है जिन्हें भर्तीकर्ताओं को संप्रेषित करने की आवश्यकता होती है: hire, possible, और hold।
Hire या finalist टेम्पलेट
- फैसला: फिट: मजबूत। एक वाक्य जो निर्णय को सबसे भूमिका-महत्वपूर्ण प्रमाण से जोड़ता है (उदाहरण: "पहले प्रयास में स्वच्छ, परीक्षित कोड के साथ सभी backend architecture जाँचें पार कीं")।
- ताकत (3 बुलेट, प्रत्येक में एक प्रमाण पंक्ति): विशिष्ट कौशल, कार्य, या उत्तर जो इसे सिद्ध करता है। जहाँ प्रासंगिक हो, टाइमस्टैम्प या अंश संदर्भ।
- चिंताएँ (2 बुलेट, प्रत्येक में एक प्रमाण पंक्ति): नामित कमी, उस सटीक क्षण या सबमिशन के साथ जिसने उसे उजागर किया।
- आयाम स्नैपशॉट: प्रत्येक रूब्रिक पंक्ति के लिए एक वाक्य (प्रारूप के लिए अगला अनुभाग देखें)।
- सत्यनिष्ठा नोट: स्वच्छ सत्र, या विवरण के साथ संकेत।
- अगले कदम: पैनल राउंड शेड्यूल करें, या ऑफर चरण में आगे बढ़ें।
Possible टेम्पलेट
- फैसला: फिट: Possible, [विशिष्ट कमी] पर निर्भर।
- 3 से 4 बुलेट जो काम किया उसे कवर करते हैं, प्रत्येक में एक प्रमाण पंक्ति के साथ।
- 2 बुलेट जो कमी का नाम लेते हैं और एक प्रस्तावित अनुवर्ती कार्रवाई, जैसे लक्षित पुनः-परीक्षण या 20 मिनट की तकनीकी फॉलो-अप कॉल।
- सीमावर्ती पंक्ति स्पष्ट रूप से चिह्नित के साथ आयाम स्नैपशॉट।
Hold या not recommended टेम्पलेट
- फैसला: फिट: इस भूमिका के लिए अनुशंसित नहीं, सीधे और बिना टिप्पणी के कहा गया।
- 3 बुलेट जो उम्मीदवार ने अच्छा किया, ताकि रिकॉर्ड निष्पक्ष रहे।
- 2 से 3 बुलेट विशिष्ट कमियों पर जिन्होंने निर्णय को प्रेरित किया, प्रत्येक प्रमाण के साथ।
- एक पंक्ति इस बारे में कि क्या उम्मीदवार किसी अन्य खुली भूमिका के लिए उपयुक्त है।
हर संस्करण एक ही बाधाओं का पालन करता है: एक-पंक्ति का फैसला, प्रति श्रेणी 3 से 5 बुलेट, प्रति आयाम एक वाक्य। यही अनुशासन है जो पाँच समीक्षकों के एक पैनल को एक ही दस्तावेज़ को एक ही तरीके से पढ़ने पर मजबूर करता है।
आप ऐसा प्रदर्शन सारांश कैसे लिखते हैं जिसे पैनल वास्तव में पढ़ें?
अधिकांश सारांश एक कारण से विफल होते हैं: उन्हें प्रयास को दस्तावेज करने के लिए लिखा गया था, न कि निर्णय लेने के लिए। इसे ठीक करना उससे पहले शुरू होता है जब उम्मीदवार मूल्यांकन पूरा करे।
- पहले hiring manager के साथ निर्णय के आयाम तय करें। परिणाम आने से पहले 4 से 6 रूब्रिक पंक्तियों (तकनीकी सटीकता, संचार, समस्या समाधान, भूमिका के लिए जो भी महत्वपूर्ण हो) पर सहमत हों। निश्चित आयाम उम्मीदवारों को तुलनीय बनाते हैं, और बीच में बदला गया रूब्रिक उसे बर्बाद कर देता है।
- प्रत्येक आयाम के लिए चलते-चलते प्रमाण एकत्र करें। एक उद्धरण, एक टाइमस्टैम्प, एक कोड स्निपेट, एक सबमिशन अंश। अस्पष्ट छापें पैनल की चुनौती में टिक नहीं पातीं।
- AI को सटीक प्रॉम्प्ट पैटर्न के साथ निर्देश दें। आउटपुट फॉर्मेट निर्दिष्ट करें, बुलेट 5 पर सीमित करें, प्रत्येक दावे के लिए एक प्रमाण पंक्ति आवश्यक करें, और इसे अनुमानित गुण (जैसे "संभवतः सहयोगी") को बताए गए तथ्यों (जैसे "चार लोगों की टीम का नेतृत्व किया") से अलग चिह्नित करने का निर्देश दें।
- लंबाई अनुशासन लागू करें। एक पृष्ठ। सीमित बुलेट। प्रति आयाम नोट एक वाक्य। यही एकमात्र आदत है जो एक ऐसे दस्तावेज़ को अलग करती है जिसे hiring manager नब्बे सेकंड में पढ़ता है उससे जिसे सरसरी नज़र से देखकर नज़रअंदाज़ किया जाता है।
- विवरण के लिंक के साथ एक सत्यनिष्ठा सारांश जोड़ें। एक पंक्ति ("कोई संकेत नहीं, पूरा सत्र रिकॉर्ड किया गया") अधिकांश समीक्षकों को संतुष्ट करती है; जो जाँचना चाहते हैं उनके लिए पूरे सत्र लॉग का लिंक दें।
Pro Tip: अपना AI प्रॉम्प्ट एक बार बनाएँ, उसे टेम्पलेट के रूप में सहेजें, और हर भूमिका में पुनः उपयोग करें। सारांशों में निरंतरता किसी एक को परिपूर्ण बनाने से अधिक महत्वपूर्ण है।
आपको रूब्रिक स्कोर और स्कोर श्रेणियाँ कैसे प्रस्तुत करनी चाहिए?
हर आयाम पंक्ति को चार चीज़ों की आवश्यकता है: लेबल, रेटिंग, एक-पंक्ति प्रमाण, और यह ध्वज कि वह रेटिंग बताई गई है या अनुमानित। ध्वज छोड़ें और आप एक पैनल को अनुमान को तथ्य के रूप में मानने के लिए आमंत्रित करते हैं।
एक सामान्य 4-बिंदु रूब्रिक पंक्ति इस प्रकार पढ़ी जा सकती है:
| आयाम | रेटिंग | प्रमाण | आधार |
|---|---|---|---|
| तकनीकी सटीकता | मजबूत | पहले सबमिशन पर सभी 4 परीक्षण मामले पास किए | बताया गया |
| संचार | औसत | तर्क की स्पष्ट व्याख्या, समय के दबाव में कुछ हिचकिचाहट | बताया गया |
| समस्या समाधान | मजबूत | बिना संकेत के दो वैध दृष्टिकोणों में से अधिक कुशल को चुना | बताया गया |
| संस्कृति फिट संकेत | औसत | उत्तर सहयोगी शैली का सुझाव देते हैं, सीधे परीक्षण नहीं किया गया | अनुमानित |
स्कोर श्रेणियाँ हैं, अपने आप में फैसले नहीं। मूल्यांकन परिणाम सापेक्ष होते हैं और माप त्रुटि वहन करते हैं, जिसका अर्थ है कि उन्हें कठोर कटऑफ के रूप में नहीं बल्कि भूमिका-विशिष्ट मानदंडों के विरुद्ध पढ़ा जाना चाहिए। सीमा से थोड़ा नीचे स्कोर करने वाले उम्मीदवार को दूसरी नज़र का हक है, न कि स्वचालित अस्वीकृति का, विशेष रूप से उस आयाम पर जिसके पीछे कम प्रमाण हों।
- भारित कुल एक बार, फैसले के पास प्रस्तुत करें, पृष्ठ पर बिखरे हुए नहीं।
- प्रति-आयाम गणित केवल तभी दिखाएँ जब कोई समीक्षक माँगे; सारांश खुद एक पृष्ठ पर ही रहना चाहिए।
- किसी भी आयाम को जहाँ स्कोर आपके कटऑफ से कुछ अंक के भीतर हो, "निकट सीमा" के रूप में चिह्नित करें ताकि समीक्षकों को पता हो कि केवल संख्या पर भरोसा करने की बजाय प्रमाण पंक्ति पढ़नी है।
आपको AI-जनित स्कोर को कब ओवरराइड करना चाहिए?
AI ऑटो-स्कोरिंग टूल आमतौर पर विस्तार योग्य स्टार ब्रेकडाउन और लिखित तर्क दिखाते हैं जिन्हें एक समीक्षक लेबल स्वीकार करने से पहले खोल सकता है। उस तर्क को सबसे पहले जाँचने वाली चीज़ मानें, न कि स्कोर को।
- पहले प्रमाण लिंक जाँचें। स्कोर के पीछे जुड़े ट्रांसक्रिप्ट, कोड नमूने, या वीडियो क्लिप खोलें। यदि तर्क आपके देखे से मेल नहीं खाता, तो यही आपका ओवरराइड ट्रिगर है।
- सत्यनिष्ठा संकेत जाँचें। कोई भी संकेत यह बदलता है कि स्कोर कितना वजन पाने का हकदार है, चाहे उससे जुड़ी संख्या कुछ भी हो।
- नियम स्तर पर ओवरराइड करें। अधिकांश प्लेटफॉर्म आपको किसी विशिष्ट नियम को पलटने या स्टार रेटिंग समायोजित करने देते हैं, और ऐसा करते ही भारित कुल स्वचालित रूप से पुनर्गणना होता है।
- सीमावर्ती मामले आगे भेजें। यदि कोई उम्मीदवार किसी भूमिका-महत्वपूर्ण आयाम पर आपके कटऑफ से लगभग एक अंक के भीतर है, तो एक स्वचालित स्कोर पर भरोसा करने की बजाय इसे पैनल को रूट करें या एक छोटे मानव पुनः-परीक्षण का अनुरोध करें।
- परिवर्तन लॉग करें। रिकॉर्ड करें कि किसने स्कोर ओवरराइड किया, क्यों, और नया भारित कुल क्या है। वह ऑडिट ट्रेल ही बाद में निर्णय की रक्षा करता है।
आँकड़ा कॉलआउट: निकट-सीमा स्कोर एक समीक्षा ट्रिगर है, अस्वीकृति नहीं। आपके कटऑफ की एक संकीर्ण सीमा के भीतर किसी भी आयाम स्कोर को स्वयं प्रमाण पंक्ति जाँचने का संकेत मानें, क्योंकि मूल्यांकन परिणाम डिज़ाइन द्वारा माप त्रुटि वहन करते हैं।
Talent Approved इसे समीक्षा प्रक्रिया में कैसे शामिल करता है
ऊपर की हर टेम्पलेट और चेकलिस्ट सीधे Talent Approved के प्लेटफॉर्म में बनी सुविधाओं से जुड़ती है। Magic Create नौकरी विवरण से मिनटों में भूमिका-विशिष्ट रूब्रिक तैयार करता है, इसलिए पहला उम्मीदवार परीक्षण पूरा करने से पहले ही आयाम तय हो जाते हैं। दूसरी तरफ से निकलने वाला AI-जनित सारांश वही अनुशासन अपनाता है: शीर्ष पर फैसला, प्रमाण-लिंक्ड रेटिंग, और कच्चे डेटा डंप की बजाय एक-पृष्ठ का लेआउट।
- संरचित रूब्रिक हर उम्मीदवार में तदर्थ स्कोरिंग को सुसंगत, तुलनीय आयामों से बदलते हैं। देखें प्लेटफॉर्म की उम्मीदवार मूल्यांकन मानदंड चेकलिस्ट यह जानने के लिए कि वे आयाम कैसे परिभाषित होते हैं।
- Anti-cheat निगरानी, जिसमें स्क्रीन और वेबकैम जाँचें शामिल हैं, सत्यनिष्ठा नोट को सीधे सारांश में फीड करती है।
- सत्र रीप्ले और प्रमाण लिंक एक समीक्षक को सेकंड में रेटिंग सत्यापित करने देते हैं — ऊपर वर्णित वही ओवरराइड वर्कफ़्लो।
- उम्मीदवार रैंकिंग भारित कुल को आगे ले जाती है ताकि एक पैनल हाथ से स्कोरकार्ड पुनर्निर्मित किए बिना finalists की तुलना कर सके। पढ़ें कि भर्तीकर्ताओं के लिए तेज़ उम्मीदवार मूल्यांकन कैसे काम करता है यांत्रिकी पर करीब से नज़र डालने के लिए।
क्षेत्र से एक व्यावहारिक टिप्पणी
तीन गलतियाँ अधिकांश प्रदर्शन सारांशों को डुबो देती हैं: उम्मीदवारों के बीच रूब्रिक आयाम बदलना, रिपोर्टें इतनी लंबी लिखना कि फैसला दब जाए, और AI स्कोर को अंतिम मानना बजाय समीक्षा के शुरुआती बिंदु के।
तीन सुधार तेज़ी से काम करते हैं। हर सारांश को एक पृष्ठ तक सीमित करें। फैसला हमेशा पहली पंक्ति में रखें। और किसी भी स्कोर पर जो आपके कटऑफ के निकट हो, किसी के परिणाम तय करने से पहले मानवीय जाँच आवश्यक करें। अपनी अगली पूरी भर्ती राउंड से पहले अपनी अगली शॉर्टलिस्ट पर इन टेम्पलेट को आज़माएँ। आप देखेंगे कि आपका पैनल वास्तव में कितनी तेज़ी से सहमत होता है।
— Jimmie
इसे स्वयं बनाए बिना टेम्पलेट वर्कफ़्लो आज़माएँ
प्लेटफॉर्म इस गाइड में सब कुछ उस चीज़ में बदल देता है जिसे आपको हाथ से बनाने की ज़रूरत नहीं। यह नौकरी विवरण से एक रूब्रिक लिख सकता है, सत्यनिष्ठा नोट स्वचालित रूप से एकत्र कर सकता है, और वर्णित अनुसार फैसला-प्रथम, प्रमाण-लिंक्ड AI-जनित सारांश तैयार कर सकता है।
पहले प्रतिबद्ध होने के लिए कोई सदस्यता नहीं है। Talent Approved pay-as-you-go मॉडल पर चलता है: प्रत्येक उम्मीदवार जो मूल्यांकन पूरा करे उसके लिए $5, pricing पृष्ठ पर विस्तृत। एक भूमिका इसके माध्यम से चलाएँ, मिलने वाले सारांश की तुलना ऊपर के टेम्पलेट से करें, और वहाँ से तय करें कि यह आपके भर्ती वर्कफ़्लो के अनुकूल है या नहीं।
स्रोत
- Sharing Interview Results With Hiring Stakeholders: PDF Reports Done Right | ClarityHire
- Skill
- How Do You Review AI Auto-Scoring Results in Canditech? | Canditech Help Center
- A Step-by-Step Guide to Interpreting Skill Assessment Results | Riot IQ
FAQ
उम्मीदवार प्रदर्शन सारांश की आदर्श लंबाई क्या है?
एक पृष्ठ, जिसमें ताकत और चिंताएँ प्रत्येक में 3 से 5 बुलेट तक सीमित हों और प्रति रूब्रिक आयाम एक वाक्य। यह लंबाई डेटा डंप की बजाय प्रमाण-समर्थित, निर्णय-तैयार लेखन को मजबूर करती है जिसके माध्यम से hiring manager को खोदना पड़ता।
आप सारांश में बताए गए तथ्यों को अनुमानित गुणों से कैसे अलग करते हैं?
हर दावे को या तो सीधे देखे गए (एक पूर्ण कार्य, एक उद्धृत उत्तर) या अनुमानित (व्यवहार से अनुमानित व्यक्तित्व गुण) के रूप में टैग करें। अनुमानों को स्पष्ट रूप से चिह्नित करना उम्मीदवारों को ऐसे गुणों पर डाउनग्रेड होने से बचाता है जिनका वास्तव में कोई परीक्षण नहीं किया गया।
क्या आप AI-जनित स्कोर को ओवरराइड कर सकते हैं, और कैसे?
हाँ। अधिकांश प्लेटफॉर्म एक समीक्षक को नियम-स्तरीय रेटिंग पलटने या स्टार स्कोर समायोजित करने देते हैं, और परिवर्तन होते ही भारित कुल स्वचालित रूप से पुनर्गणना होता है। ओवरराइड का कारण लॉग करें ताकि निर्णय बाद की समीक्षा में टिका रहे।
Talent Approved प्रति उम्मीदवार कितना शुल्क लेता है?
Talent Approved प्रत्येक उम्मीदवार जो मूल्यांकन पूरा करे उसके लिए $5 लेता है, बिना किसी सदस्यता की आवश्यकता के, जैसा कि इसके pricing पृष्ठ पर सूचीबद्ध है। आप केवल पूर्ण परीक्षणों के लिए भुगतान करते हैं, मूल्यांकन बनाने या भेजने के लिए नहीं।
क्या सीमावर्ती स्कोर स्वचालित रूप से किसी उम्मीदवार को अयोग्य ठहराना चाहिए?
नहीं। कटऑफ के निकट स्कोर को स्वचालित अस्वीकृति की बजाय प्रमाण पंक्ति पर करीब से नज़र डालने का ट्रिगर होना चाहिए, क्योंकि मूल्यांकन परिणाम सापेक्ष होते हैं और माप त्रुटि वहन करते हैं। संख्या को जाँच करने के संकेत के रूप में मानें, अंतिम निर्णय के रूप में नहीं।