प्रतिकूल प्रभाव परीक्षण के लिए US HR प्लेबुक: चलाएं, पढ़ें, सुधारें
यदि आपकी भर्ती प्रक्रिया किसी भी संरक्षित समूह के लिए सबसे अधिक स्कोर करने वाले समूह की तुलना में उल्लेखनीय रूप से कम चयन दर उत्पन्न कर रही है, तो यह जांच के योग्य संकेत है। कोई और भर्ती निर्णय लेने से पहले उस प्रक्रिया से इम्पैक्ट रेशियो और एक महत्व परीक्षण (बड़े या छोटे नमूनों के लिए उचित विधियों का उपयोग करके) चलाएं। यदि कोई भी समस्या का संकेत देता है, तो UGESP के तहत मूल्यांकन को मान्य करें या एक ऐसे कम भेदभावपूर्ण विकल्प को अपनाएं जो नौकरी के प्रदर्शन की तुलनीय भविष्यवाणी करे।
TL;DR:
- प्रतिकूल प्रभाव तटस्थ चयन प्रक्रियाओं जैसे परीक्षणों या साक्षात्कारों के साथ भी हो सकता है, जो जानबूझकर इरादे के बिना सांख्यिकीय रूप से महत्वपूर्ण असमानताएं उत्पन्न करता है।
- मूल्यांकन को मान्य करने में चयन दरों की गणना करना, 0.80 से नीचे के इम्पैक्ट रेशियो, और उचित नमूना आकारों के साथ महत्व परीक्षण आयोजित करना, सटीकता के लिए कई भर्ती चक्रों को एकत्रित करना शामिल है।
- संगठनों को UGESP का अनुपालन करने और ऑडिट के लिए तैयार रहने के लिए, विशेष रूप से संघीय ठेकेदारों के लिए, आवेदक डेटा, सत्यापन प्रयासों और प्रभाव विश्लेषण के विस्तृत रिकॉर्ड रखने होंगे।
- कार्य-विशिष्ट, भूमिका-आधारित मूल्यांकन और संरचित साक्षात्कार सामान्य स्क्रीन की तुलना में असमानताओं को बेहतर ढंग से कम करते हैं, विशेष रूप से जब नौकरी विश्लेषण के साथ पहले से डिज़ाइन किए जाते हैं।
- इम्पैक्ट रेशियो और AI टूल्स की निरंतर निगरानी, विक्रेता सत्यापन के साथ, उचित भर्ती प्रथाओं को बनाए रखने और समय के साथ आवर्ती असमानताओं से बचने के लिए आवश्यक है।
विषय-सूची
- प्रतिकूल प्रभाव परीक्षण वास्तव में क्या मापता है
- संख्याएं कैसे चलाएं: चयन दरें, इम्पैक्ट रेशियो, और महत्व परीक्षण
- अत्यधिक या कम प्रतिक्रिया किए बिना परिणाम पढ़ना
- पाइपलाइन को ठीक करना: नौकरी विश्लेषण, संरचित साक्षात्कार, और बेहतर मूल्यांकन
- सत्यापन और रिकॉर्डकीपिंग: UGESP आपसे क्या रखने की अपेक्षा करता है
- AI और एल्गोरिदमिक स्क्रीनिंग टूल्स को नियंत्रण में रखना
- उचित मूल्यांकन बनाने के लिए एक व्यावहारिक चेकलिस्ट
- उद्योगों में प्रतिकूल प्रभाव परीक्षण कैसा दिखता है
- जहां प्रतिकूल प्रभाव परीक्षण कमी करता है
- चल रहे शासन में प्रतिकूल प्रभाव जांच को शामिल करना
- Talent Approved के साथ तेजी से उचित परीक्षण बनाएं
- स्रोत
- FAQ
प्रतिकूल प्रभाव परीक्षण वास्तव में क्या मापता है
प्रतिकूल प्रभाव एक सांख्यिकीय परिणाम है, न कि कोई उद्देश्य। यह तब सामने आता है जब एक तटस्थ दिखने वाली चयन प्रक्रिया — एक संज्ञानात्मक परीक्षण, एक साक्षात्कार रूब्रिक, एक रेज़ुमे स्क्रीन — किसी के इरादे की परवाह किए बिना, नस्ल, लिंग, आयु या अन्य संरक्षित समूहों में सार्थक रूप से भिन्न पास दरें उत्पन्न करती है। यह अंतर इसे असमान व्यवहार से अलग करता है, जिसके लिए प्रमाण की आवश्यकता होती है कि किसी को जानबूझकर अलग किया गया था। प्रतिकूल प्रभाव विश्लेषण एक ठंडा प्रश्न पूछता है: क्या संख्याएं असमान रूप से आईं, और यदि हां, तो क्यों?
कानूनी ढांचा तीन स्थानों से आता है। नागरिक अधिकार अधिनियम का शीर्षक VII उन रोजगार प्रथाओं को प्रतिबंधित करता है जो असंगत रूप से एक संरक्षित समूह को स्क्रीन आउट करती हैं जब तक कि नियोक्ता प्रथा को उचित नहीं ठहरा सकता। कर्मचारी चयन प्रक्रियाओं पर समान दिशानिर्देश (UGESP), जिसे 1978 में संघीय एजेंसियों द्वारा संयुक्त रूप से अपनाया गया था, यह स्पष्ट करता है कि नियोक्ताओं को अपने चयन उपकरणों का मूल्यांकन कैसे करना चाहिए और कब उन्हें सरकार को सत्यापन अध्ययन देना होगा। EEOC शीर्षक VII लागू करता है और व्याख्यात्मक मार्गदर्शन जारी करता है, जबकि OFCCP संघीय ठेकेदारों पर समानांतर मानक लागू करता है और अक्सर अनुपालन ऑडिट के दौरान सांख्यिकीय परीक्षण चलाता है।
सत्यापन उस क्षण शुरू होता है जब प्रतिकूल प्रभाव विश्लेषण एक असमानता उजागर करता है जो सांख्यिकीय और व्यावहारिक महत्व की सीमाओं को पार करती है। उस बिंदु पर, EEOC का मार्गदर्शन सीधा है: नियोक्ता को यह दिखाना होगा कि प्रक्रिया नौकरी से संबंधित है और व्यावसायिक आवश्यकता के अनुरूप है, या कम भेदभावपूर्ण विकल्प में जाना होगा।
संघीय कानून रोजगार परीक्षण संदर्भ में इन समूहों की रक्षा करता है:
- नस्ल और रंग
- लिंग, गर्भावस्था और लिंग पहचान सहित
- राष्ट्रीय मूल
- धर्म
- आयु (ADEA के तहत 40 और उससे अधिक)
- विकलांगता की स्थिति (ADA)
इन सभी श्रेणियों में अपनी अलग चयन-दर तुलना की आवश्यकता होती है। उन्हें एक साथ जोड़ना, या केवल नस्ल की जांच करना और आयु छोड़ना, यही वह तरीका है जिससे असमानताएं तब तक किसी का ध्यान नहीं जातीं जब तक कि कोई शिकायत आपकी मेज पर न आ जाए।
संख्याएं कैसे चलाएं: चयन दरें, इम्पैक्ट रेशियो, और महत्व परीक्षण
आपकी भर्ती पाइपलाइन में पूर्वाग्रह का परीक्षण एक निश्चित क्रम का अनुसरण करता है। एक चरण छोड़ें और आप या तो एक वास्तविक समस्या से चूक जाते हैं या एक काल्पनिक समस्या का पीछा करते हैं।
- प्रत्येक समूह के लिए चयन दर की गणना करें। उस समूह में चुने गए लोगों की संख्या को आवेदकों की संख्या से विभाजित करें। यदि 80 महिलाओं ने आवेदन किया और 20 को काम पर रखा गया, तो चयन दर 25% है।
- सबसे अधिक चयन-दर वाले समूह की पहचान करें। यह आपकी तुलना आधार रेखा बन जाती है, समूह के आकार की परवाह किए बिना।
- इम्पैक्ट रेशियो की गणना करें। प्रत्येक समूह की चयन दर को आधार रेखा समूह की दर से विभाजित करें। 0.80 से नीचे का अनुपात चार-पांचवां नियम को ट्रिगर करता है।
- एक महत्व परीक्षण चलाएं। प्रति समूह 30 या अधिक नमूनों के लिए, दो-नमूना द्विपद Z-परीक्षण का उपयोग करें। छोटे नमूनों के लिए, Fisher के सटीक परीक्षण का उपयोग करें, जो बड़े-नमूना अनुमानों पर निर्भर नहीं करता।
- अपने अल्फा स्तर के विरुद्ध व्याख्या करें। अधिकांश व्यवसायी लगभग 95% विश्वास का प्रतिनिधित्व करने वाले अल्फा स्तर का उपयोग करते हैं, हालांकि कुछ एजेंसियां दो-पूंछ तुलनाओं के लिए सख्त सीमाएं लागू करती हैं।
सांख्यिकी कॉलआउट: OFCCP एक पूर्ण Z-मान को सांख्यिकीय रूप से महत्वपूर्ण मानता है जो लगभग 95% विश्वास स्तर के अनुरूप होता है, जो मोटे तौर पर 95% विश्वास सीमा के साथ संरेखित होता है। वह संख्या, न केवल चार-पांचवां अनुपात, वह है जिसे एक संघीय अनुपालन अधिकारी वास्तव में ऑडिट के दौरान गणना करेगा।
चार-पांचवां नियम एक स्क्रीनिंग उपकरण है, निर्णय नहीं। EEOC का मार्गदर्शन इसे अंगूठे के नियम के रूप में वर्णित करता है जिसे एजेंसियां विवेक के साथ लागू करती हैं। छह आवेदकों के पूल में 0.79 का अनुपात सांख्यिकीय रूप से लगभग कुछ भी नहीं है। 4,000 आवेदकों में 0.83 का अनुपात फिर भी एक वास्तविक, महत्वपूर्ण असमानता का प्रतिनिधित्व कर सकता है। नियम यह इंगित करता है कि कहां देखना है। Z-परीक्षण या Fisher का सटीक परीक्षण आपको बताता है कि आप जो देख रहे हैं वह शोर है या नहीं।
यहां एक सरलीकृत वॉक-थ्रू है। मान लीजिए 200 पुरुष और 150 महिलाएं एक तकनीशियन भूमिका के लिए आवेदन करती हैं। इम्पैक्ट रेशियो 20/30, या 0.67 है, जो 0.80 की सीमा से काफी नीचे है। उन संख्याओं पर दो-नमूना Z-परीक्षण चलाना (दोनों समूह 30 से अधिक हैं) आपको बताएगा कि क्या वह 10-बिंदु अंतर संभवतः संयोग के कारण है या मूल्यांकन में एक संरचनात्मक समस्या को दर्शाता है।
अत्यधिक या कम प्रतिक्रिया किए बिना परिणाम पढ़ना
एक चिह्नित अनुपात जांच के लिए शुरुआती बिंदु है, भेदभाव की स्वचालित खोज नहीं, और एक साफ अनुपात यह गारंटी नहीं देता कि आपकी प्रक्रिया उचित है। छोटे आवेदक पूल चार-पांचवां अनुपात और महत्व परीक्षण दोनों को विकृत करते हैं: कुछ नियुक्तियां चयन दर को 10 या 15 बिंदुओं से बदल सकती हैं, इसलिए एक एकल भर्ती चक्र शायद ही कभी अपने आप पूरी कहानी बताता है।
इन सामान्य गलतियों पर ध्यान दें:
- अपने अल्फा को समायोजित किए बिना दर्जनों उपसमूहों का परीक्षण करना, जो केवल संयोग से डेटा में कहीं झूठे सकारात्मक की संभावना को बढ़ाता है।
- विश्वास अंतरालों को नजरअंदाज करना और एक सीमावर्ती अनुपात को निश्चित रूप से ठीक या निश्चित रूप से टूटा हुआ मानना।
- एक बुरी तिमाही पर अत्यधिक प्रतिक्रिया करना यह देखने के बजाय कि क्या पैटर्न बना रहता है, कई भर्ती चक्रों को एकत्रित करना।
- एक "पासिंग" चार-पांचवां अनुपात पर कम प्रतिक्रिया करना जो एक सांख्यिकीय रूप से महत्वपूर्ण Z-स्कोर छुपाता है, क्योंकि दोनों माप अलग-अलग प्रश्नों का उत्तर देते हैं।
प्रत्येक महत्व परीक्षण में Type I त्रुटि (एक उचित प्रक्रिया को पक्षपाती के रूप में चिह्नित करना) और Type II त्रुटि (वास्तव में पक्षपाती एक को याद करना) के बीच एक समझौता शामिल होता है। एक सख्त अल्फा झूठे अलार्म को कम करता है लेकिन छोटे नमूनों में वास्तविक असमानताओं को खिसकने में आसान बनाता है, यही कारण है कि नियामक समूह के आकार छोटे होने पर Z-परीक्षण के बजाय Fisher के सटीक परीक्षण पर झुकते हैं।
प्रो टिप: यह तय करने से पहले कि असमानता वास्तविक है या नहीं, कम से कम दो या तीन भर्ती चक्रों को एकत्रित करें। 12 आवेदकों वाली एक असाधारण तिमाही एक नाटकीय दिखने वाला अनुपात उत्पन्न कर सकती है जो एक बार जब आप डेटासेट में अगले 200 उम्मीदवार जोड़ते हैं तो गायब हो जाती है।
जब कोई परिणाम कई चक्रों में चार-पांचवां सीमा और एक महत्व परीक्षण दोनों को पार करता है, तो यह आपका संकेत है कि सत्यापन की ओर बढ़ें या प्रतिस्थापन को पायलट करें, न कि केवल निगरानी करें और उम्मीद करें कि यह स्व-सुधार करेगा।
पाइपलाइन को ठीक करना: नौकरी विश्लेषण, संरचित साक्षात्कार, और बेहतर मूल्यांकन
शमन तब सबसे अच्छा काम करता है जब यह नौकरी पोस्ट करने से पहले शुरू होता है, न कि प्रतिकूल प्रभाव विश्लेषण के किसी समस्या को उजागर करने के बाद।
- नौकरी विश्लेषण से शुरू करें। कोई भी परीक्षण चुनने या बनाने से पहले उन वास्तविक कार्यों और दक्षताओं को परिभाषित करें जो भूमिका के लिए आवश्यक हैं। डेटा-एंट्री भूमिका के लिए एक सामान्य संज्ञानात्मक-क्षमता स्क्रीन असमानताओं को आमंत्रित करता है जो एक कार्य-आधारित टाइपिंग और सटीकता परीक्षण से बच सकता था।
- व्यापक स्क्रीन के बजाय कार्य-आधारित, भूमिका-विशिष्ट मूल्यांकन को प्राथमिकता दें। संरचित, नौकरी-प्रासंगिक परीक्षण जो वास्तविक नौकरी के कर्तव्यों को दर्शाते हैं, अमूर्त योग्यता परीक्षणों की तुलना में छोटे समूह अंतर उत्पन्न करते हैं जबकि अभी भी प्रदर्शन की अच्छी भविष्यवाणी करते हैं।
- निश्चित प्रश्नों और स्कोरिंग रूब्रिक के साथ संरचित साक्षात्कारों का उपयोग करें। असंरचित साक्षात्कार, जहां प्रत्येक साक्षात्कारकर्ता जो भी मन में आता है वह पूछता है, वहीं व्यक्तिपरक पूर्वाग्रह सबसे कठिन रूप से प्रवेश करता है।
- स्कोरकार्ड बनाएं और रेटर्स को उनके खिलाफ कैलिब्रेट करने के लिए प्रशिक्षित करें। एक ही उत्तर को स्कोर करने वाले दो साक्षात्कारकर्ता एक-दूसरे से एक अंक के भीतर होने चाहिए, तीन अंक अलग नहीं।
- जब कोई उपकरण प्रतिकूल प्रभाव को चिह्नित करे तो विकल्पों को पायलट करें। UGESP नियोक्ताओं को उपयुक्त विकल्पों का मूल्यांकन करने की आवश्यकता है और उस विकल्प को अपनाना है जिसमें काफी समान वैधता और कम प्रभाव हो।
प्रो टिप: किसी मूल्यांकन को केवल इसलिए न छोड़ें क्योंकि यह असमानता दिखाता है। पहले प्रस्तावित प्रतिस्थापन के विरुद्ध इसकी वैधता की तुलना करें। एक अच्छी तरह से मान्य परीक्षण को अपरीक्षित के लिए बदलना कानूनी जोखिम के लिए खराब-हायर जोखिम का व्यापार कर सकता है।
संरचित, कार्य-आधारित स्क्रीनिंग टूल जो सीधे नौकरी की दक्षताओं से मैप किए जाते हैं, उचितता और भविष्यवाणी सटीकता दोनों पर सामान्य स्क्रीन से लगातार बेहतर प्रदर्शन करते हैं, काफी हद तक इसलिए क्योंकि वे नौकरी के लिए वास्तव में जो मांगा जाता है उसे मापते हैं न कि उसके प्रॉक्सी को।
सत्यापन और रिकॉर्डकीपिंग: UGESP आपसे क्या रखने की अपेक्षा करता है
UGESP एक सत्यापन अध्ययन की आवश्यकता करता है जब प्रतिकूल प्रभाव विश्लेषण सांख्यिकीय और व्यावहारिक सीमाओं को पार करता है, और दिशानिर्देश तीन प्रकार के साक्ष्य को मान्यता देते हैं: सामग्री वैधता (परीक्षण सीधे नौकरी के कार्यों को दर्शाता है), मानदंड-संबंधित वैधता (स्कोर वास्तविक नौकरी के प्रदर्शन के साथ सहसंबंधित हैं), और निर्माण वैधता (परीक्षण नौकरी पर सफलता से जुड़े एक अंतर्निहित गुण को मापता है)।
स्थानीय सत्यापन, आपकी अपनी आवेदक आबादी पर चलाया गया अध्ययन, सबसे अधिक वजन रखता है। स्थानांतरित वैधता, जहां आप किसी अन्य स्थान पर समान नौकरी से एक सत्यापन अध्ययन पर भरोसा करते हैं, स्वीकार्य है जब भूमिकाएं और सेटिंग वास्तव में तुलनीय हों, लेकिन नियामक फिट की बारीकी से जांच करते हैं।
इन रिकॉर्ड को फ़ाइल पर रखें और ऑडिट के लिए तैयार रखें:
- प्रत्येक अनुरोध के लिए, संरक्षित समूह द्वारा विभाजित आवेदक प्रवाह डेटा
- प्रत्येक भर्ती चक्र के लिए चयन दरें और इम्पैक्ट रेशियो गणनाएं
- कोई भी सत्यापन अध्ययन दस्तावेज़ीकरण, पद्धति और परिणाम सहित
- विक्रेता सामग्री जो बताती है कि खरीदा गया मूल्यांकन कैसे बनाया और मान्य किया गया था
CFR §1607.4 रिकॉर्डकीपिंग अपेक्षाओं की रूपरेखा बताता है जो सीधे चार-पांचवां नियम प्रवर्तन से जुड़ी हैं। इन रिकॉर्ड को उसी तरह मानें जैसे आप कर दस्तावेजों को मानेंगे: वर्षों तक बनाए रखे जाते हैं, चक्र द्वारा व्यवस्थित, और कम सूचना पर सौंपने के लिए तैयार।
AI और एल्गोरिदमिक स्क्रीनिंग टूल्स को नियंत्रण में रखना
किसी एल्गोरिदम को केवल इसलिए पास नहीं मिलता क्योंकि किसी इंसान ने स्कोरिंग नियमों को हाथ से नहीं लिखा। EEOC का तकनीकी मार्गदर्शन स्पष्ट है कि कोई एल्गोरिदमिक छूट नहीं है। सॉफ़्टवेयर, रेज़ुमे-रैंकिंग टूल, और AI-संचालित स्क्रीनिंग को 1985 के कागज-और-पेंसिल परीक्षण के समान नौकरी-संबंधितता और सत्यापन बार को पूरा करना होगा।
एक निगरानी लय बनाएं, एकमुश्त जांच नहीं:
- प्रत्येक भर्ती चक्र या तिमाही में, जो भी पहले आए, इम्पैक्ट रेशियो और महत्व परीक्षण फिर से चलाएं
- उपकरण को प्रभावित करने वाले प्रत्येक चरण में, न केवल अंतिम निर्णय में, संरक्षित समूह द्वारा चयन दरों को ट्रैक करें
- विक्रेताओं से सीधे उनके सत्यापन साक्ष्य, उनके प्रशिक्षण डेटा का विवरण, और उन्होंने जो भी निष्पक्षता परीक्षण चलाए हों, उनके लिए पूछें
- एक उपाय पथ तैयार रखें: मॉडल समायोजन, अतिरिक्त मानव समीक्षा, या एक वैकल्पिक मूल्यांकन में स्वैप करना
प्रो टिप: हस्ताक्षर करने से पहले एक विक्रेता का प्रतिकूल प्रभाव दस्तावेज़ीकरण अनुरोध करें, न कि अपनी पहली चिह्नित तिमाही के बाद। AI स्क्रीनिंग टूल्स की चल रही निगरानी एक स्थायी प्रथा के रूप में एक हड़बड़ी की तुलना में कहीं बेहतर काम करती है।
उचित मूल्यांकन बनाने के लिए एक व्यावहारिक चेकलिस्ट
उचित परीक्षण डिज़ाइन से शुरू होता है, क्षति नियंत्रण से नहीं। नौकरी के कार्यों को परीक्षण सामग्री में मैप करें, उन कार्यों के आसपास आइटम बनाएं, एक वास्तविक आवेदक नमूने के साथ पायलट करें, इम्पैक्ट रेशियो मापें, फिर पूर्ण रोलआउट से पहले मान्य या संशोधित करें।
- एक भी प्रश्न लिखने से पहले मुख्य नौकरी के कार्यों को मैप करें
- कार्य-आधारित आइटम बनाएं, सामान्य योग्यता प्रश्न नहीं
- एक प्रतिनिधि आवेदक नमूने के साथ पायलट करें
- पूर्ण तैनाती से पहले इम्पैक्ट रेशियो और महत्व मापें
- पायलट के परिणाम के आधार पर मान्य करें या पुनरावृत्ति करें
एंटी-चीट सुरक्षा और AI-जनित स्कोरिंग सारांश इस चक्र को काफी तेज करते हैं। जब प्रत्येक उम्मीदवार समान निगरानी की शर्तों के तहत एक ही कार्य-आधारित परीक्षण लेता है, और प्रत्येक स्कोर एक प्रलेखित औचित्य के साथ आता है, तो आपको इम्पैक्ट रेशियो गणनाओं के लिए साफ डेटा और ऑडिट के लिए तैयार एक पेपर ट्रेल मिलता है।
उद्योगों में प्रतिकूल प्रभाव परीक्षण कैसा दिखता है
यांत्रिकी हर जगह समान रहती है, लेकिन जांच को ट्रिगर करने वाले उपकरण क्षेत्र के अनुसार बदलते हैं। विनिर्माण और लॉजिस्टिक्स में, शारीरिक क्षमता परीक्षण और शक्ति मूल्यांकन ऐतिहासिक रूप से लिंग द्वारा कुछ सबसे व्यापक अंतर उत्पन्न करते हैं, कई नियोक्ताओं को कार्य-सिमुलेशन परीक्षणों की ओर ले जाते हैं जो कच्चे शक्ति मानकों के बजाय वास्तविक उठाने या गति की आवश्यकता को दर्शाते हैं।
तकनीक और वित्त में, संज्ञानात्मक क्षमता परीक्षण और कोडिंग मूल्यांकन सबसे अधिक जांच को आकर्षित करते हैं। एक सामान्य तर्क पहेली परीक्षण नस्ल या राष्ट्रीय मूल द्वारा असमानताएं उत्पन्न कर सकता है जो एक भूमिका-विशिष्ट कोडिंग चुनौती — जो नौकरी द्वारा उपयोग की जाने वाली वास्तविक भाषा और कार्य स्टैक के विरुद्ध स्कोर किया गया है — अक्सर काफी हद तक कम कर देती है।
खुदरा और आतिथ्य भर्ती संरचित साक्षात्कारों और व्यक्तित्व मूल्यांकनों पर बहुत अधिक निर्भर करती है, जहां असंरचित, स्वतंत्र साक्षात्कार प्रारूप रेटर-संचालित असमानता के सबसे सामान्य स्रोतों में से एक बने हुए हैं। स्वास्थ्य सेवा प्रणालियां तेजी से लाइसेंस-आसन्न कौशल (रोगी चार्टिंग सटीकता, दवा गणित) का परीक्षण करती हैं बजाय व्यापक योग्यता के, काफी हद तक इसलिए क्योंकि वे कार्य-आधारित माप वैधता और प्रतिकूल प्रभाव समीक्षा दोनों के तहत बेहतर होते हैं।
सार्वजनिक-क्षेत्र और सरकारी ठेकेदार भर्ती सबसे कड़ी जांच के अधीन है, क्योंकि OFCCP अनुपालन समीक्षाएं नियमित रूप से आवेदक प्रवाह डेटा खींचती हैं और Z-परीक्षण को स्वतंत्र रूप से फिर से चलाती हैं। संघीय अनुबंध वाले किसी भी नियोक्ता को यह मानना चाहिए कि उनकी संख्या भवन के बाहर किसी के द्वारा पुनर्गणित की जाएगी।
जहां प्रतिकूल प्रभाव परीक्षण कमी करता है
चार-पांचवां नियम और महत्व परीक्षण उपयोगी उपकरण हैं लेकिन इनकी सीमाएं हैं। दोनों विधियां एक संरचनात्मक कमजोरी साझा करती हैं: वे समूह स्तर पर परिणामों को मापती हैं, जिसका अर्थ है कि वे व्यक्तिगत-स्तर की अनुचितता को पूरी तरह से याद कर सकती हैं, या एक असमानता को चिह्नित कर सकती हैं जिसका परीक्षण से कोई लेना-देना नहीं है और सब कुछ एक गैर-प्रतिनिधि आवेदक पूल से संबंधित है।
नमूने का आकार दोनों तरफ काम करता है। एक समूह में बहुत कम आवेदक और चार-पांचवां अनुपात एक या दो नियुक्तियों पर जंगली रूप से झूलता है। Fisher का सटीक परीक्षण Z-परीक्षण अनुमान से छोटे नमूनों को बेहतर तरीके से संभालता है, लेकिन छोटे नमूने सांख्यिकीय शक्ति को सीमित करते हैं। यहां तक कि यह आठ आवेदकों के पूल से सांख्यिकीय शक्ति नहीं बना सकता। दूसरे छोर पर, बहुत बड़े आवेदक पूल एक अंतर के लिए सांख्यिकीय रूप से महत्वपूर्ण Z-स्कोर उत्पन्न कर सकते हैं जो इतना छोटा है कि किसी के करियर परिणाम के लिए कोई व्यावहारिक अर्थ नहीं रखता।
डेटा गुणवत्ता अपनी कमजोर कड़ी है। स्व-रिपोर्ट किए गए जनसांख्यिकीय डेटा में अंतराल और असंगतताएं हैं। बहु-चरण भर्ती फ़नल यह ट्रैक करना आसान बनाते हैं कि कौन से उम्मीदवार स्वेच्छा से बाहर हुए बनाम कौन से उस उपकरण द्वारा स्क्रीन आउट किए गए जिसे आप परीक्षण कर रहे हैं। और कई नौकरी श्रेणियों या स्थानों का एक साथ परीक्षण करना, बिना कई तुलनाओं के लिए समायोजन किए, इस बात की संभावना बढ़ाता है कि कुछ केवल संयोग से चिह्नित दिखाई देता है।
इनमें से कुछ भी पद्धति को बेकार नहीं बनाता। इसका अर्थ है कि प्रतिकूल प्रभाव परीक्षण एक निर्णय में एक इनपुट है, न कि एक सूत्र जो अपने आप एक साफ पास या विफल उत्पन्न करता है।
चल रहे शासन में प्रतिकूल प्रभाव जांच को शामिल करना
सबसे बड़ी गलती जो मैं देखता हूं वह यह है कि इसे एक स्थायी अनुशासन के बजाय एक बार के ऑडिट के रूप में मानना। अनुपात एक बार चलाएं, चिह्नित परीक्षण को ठीक करें, आगे बढ़ें, और वही अंतर अक्सर थोड़े अलग रूप में दो भर्ती चक्र बाद फिर से आता है। इसे तिमाही समीक्षाओं में बनाएं, भर्ती प्रबंधकों को चेतावनी के संकेत पहचानने के लिए प्रशिक्षित करें इससे पहले कि HR को तथ्य के बाद उन्हें पकड़ना पड़े, और जब कोई संख्या आगे बढ़े तो कानूनी, HR, और विश्लेषिकी को एक ही कमरे में रखें। तीन विभागों में कोई साझा डैशबोर्ड नहीं होने के साथ स्वामित्व विभाजित होना यही वह तरीका है जिससे असमानताएं वर्षों तक अनजान रहती हैं।
— Jimmie
Talent Approved के साथ तेजी से उचित परीक्षण बनाएं
Talent Approved कार्य-आधारित मूल्यांकन जल्दी बनाने में मदद करने के लिए उपकरण प्रदान करता है, जो तब उपयोगी हो सकता है जब प्रतिकूल प्रभाव विश्लेषण तुरंत एक विकल्प को पायलट करने की आवश्यकता को इंगित करता है। Magic Create सुविधा एक नौकरी विवरण या कौशल सूची से सीधे भूमिका-विशिष्ट परीक्षण बनाती है, जो इस गाइड द्वारा सामान्य संज्ञानात्मक स्क्रीन के बजाय अनुशंसित कार्य-मैप किए गए मूल्यांकन का प्रकार है।
अंतर्निहित निगरानी और AI-जनित प्रदर्शन सारांश सत्यापन अध्ययन या समीक्षाओं के लिए उपयोगी स्वच्छ, प्रलेखित स्कोरिंग डेटा प्रदान करने का लक्ष्य रखते हैं। वह दस्तावेज़ीकरण ट्रेल, जो ऊपर कवर किए गए शमन चरणों से सीधे जुड़ा हुआ है, अक्सर एक त्वरित अनुपालन उत्तर और पुराने स्प्रेडशीट के माध्यम से हड़बड़ी के बीच का अंतर होता है। यदि आपके वर्तमान स्क्रीनिंग टूल ने कभी आपको समूहों में अपनी चयन दरों के बारे में चिंतित किया है, तो Talent Approved पर एक भूमिका-विशिष्ट मूल्यांकन बनाना शुरू करें और देखें कि एक उचित परीक्षण कितनी जल्दी एक साथ आता है।
स्रोत
- रोजगार परीक्षण और चयन प्रक्रियाएं | EEOC
- CFR §1607.4 — भेदभाव परिभाषित: चयन प्रक्रियाओं के उपयोग और भेदभाव के बीच संबंध
FAQ
प्रतिकूल प्रभाव और असमान व्यवहार के बीच क्या अंतर है?
प्रतिकूल प्रभाव एक तटस्थ प्रक्रिया से संरक्षित समूहों में परिणामों में एक सांख्यिकीय असमानता है, जबकि असमान व्यवहार के लिए किसी विशिष्ट व्यक्ति या समूह के विरुद्ध जानबूझकर भेदभाव का प्रमाण आवश्यक है।
रोजगार परीक्षण में चार-पांचवां नियम क्या है?
यह एक संभावित समस्या को चिह्नित करता है जब किसी संरक्षित समूह की चयन दर सबसे अधिक चयन-दर समूह की दर के 80% से नीचे आती है, हालांकि EEOC का मार्गदर्शन इसे एक स्क्रीनिंग उपकरण के रूप में मानता है, कानूनी पूर्ण नहीं।
मुझे Z-परीक्षण बनाम Fisher के सटीक परीक्षण का उपयोग कब करना चाहिए?
दो-नमूना द्विपद Z-परीक्षण का उपयोग तब करें जब प्रत्येक समूह में 30 या अधिक आवेदक हों; छोटे नमूनों के लिए Fisher के सटीक परीक्षण का उपयोग करें, जहां बड़े-नमूना अनुमान अविश्वसनीय हो जाते हैं।
क्या AI भर्ती उपकरणों को भी प्रतिकूल प्रभाव परीक्षण की आवश्यकता है?
हां। EEOC ने स्पष्ट किया है कि प्रतिकूल प्रभाव विश्लेषण से एल्गोरिदमिक उपकरणों के लिए कोई छूट नहीं है, इसलिए सॉफ़्टवेयर और AI-संचालित स्क्रीनिंग टूल को उसी तरह परीक्षण और मान्य किया जाना चाहिए जैसे पारंपरिक मूल्यांकन हैं।
क्या होता है यदि मेरा मूल्यांकन प्रतिकूल प्रभाव दिखाता है?
आपको यह दिखाना होगा कि प्रक्रिया नौकरी से संबंधित है और व्यावसायिक आवश्यकता के अनुरूप है, या तुलनीय वैधता के साथ कम भेदभावपूर्ण विकल्प अपनाएं, और Talent Approved जैसे प्लेटफ़ॉर्म उस विकल्प को जल्दी से पायलट और दस्तावेज़ीकरण करने में आपकी मदद कर सकते हैं।