TalentApproved $5试点计划：HR候选人基准评分指南
候选人基准评分是一种标准化方法，用于将申请人与针对特定职位的目标进行比较，而非依赖主观感觉。它分为两种框架：常模参照，即将候选人与同伴群体进行排名比较；以及标准参照，即检验某人是否达到了既定的技能标准。在根据任何评分采取行动之前，请确认基准已有文档记录，且比较群体确实适合您的职位。
TL;DR：
- 常模参照评分将候选人与同伴群体进行比较，而标准参照评分则衡量候选人是否达到固定的技能标准；选择哪种框架取决于具体职位。
- 建立可靠的基准需要明确的职位胜任力映射、选择合适的常模群体、确保样本量超过100人，并每12至24个月定期重新建立常模。
- 评分必须结合测试难度、职位类型和所选基准框架来解读，因为某项评估中的第75百分位与75%的准确率得分可能存在显著差异。
- 将候选人评分与不适当的常模进行比较、使用过时数据或忽视候选人的整体情况，都会降低基准评分的准确性，并带来错误招聘决策的风险。
- 使用能够自动将职位描述转化为针对特定职位的测试并提供实时评分的评估平台，有助于简化基准评分流程并减少人工工作量。
目录
- 候选人基准评分究竟衡量什么？
- 如何从零开始建立职位基准？
- 在招聘中什么才算是良好的基准评分？
- 哪些陷阱会损害基准评分的准确性？
- 评估平台如何将基准评分付诸实践？
- HR团队应该从哪里开始实施基准评分？
- 借助 Talent Approved 让基准评分发挥作用
- 参考来源
- 常见问题
候选人基准评分究竟衡量什么？
常模参照评分回答一个问题：这位候选人在比较群体中排名如何？标准参照评分则回答另一个问题：这位候选人是否达到了既定的技能标准，无论其他人的表现如何。密歇根评估联盟将这两者定义为为不同用途而构建的独立工具，混淆两者正是许多招聘错误的起点。
评估平台以几种格式报告结果：
- 百分位：候选人在100个假设同伴中的排名位置（第85百分位意味着超过85%的比较群体）。
- 正确率：测试内容的原始准确率，与其他人的表现无关。
- 标准九分：一种九级评分（1至9），将百分位归入较为粗略的类别。
- 比较分数：相对于当前申请人群体的实时排名，而非历史常模。
令人困惑的是：一位候选人在难度较高的编程评估中答对70%，可能位于第90百分位，因为这份测试对所有人来说都很难。而在简单测试中获得70%，可能只在第40百分位。将这两个"70分"等同对待是一个常见但可以避免的错误。百分位单独使用时也可能产生误导，若没有附加掌握度阈值作为参照，根据教育心理学互动的说法尤为如此。
如何从零开始建立职位基准？
基准的质量取决于其背后的职位分析。仓促跳过这一步是基准评分项目在一年内被放弃的首要原因。
- 将职位映射到胜任力。将工作分解为4至6项可衡量的技能或任务成果，而非"团队合作"之类的模糊特质。
- 选择参照框架。以筛选最低门槛为目的时，倾向于使用标准参照阈值；为竞争性职位选拔顶尖人才时，倾向于使用常模参照排名。
- 选择有代表性的常模群体。通才职位适用全国性常模；专业化群体（如工程师）则更适合使用范围较窄的行业特定或专项常模，因为与一般人群比较会抹平有意义的差异，正如特拉华大学的测试指导所指出的那样。
- 检查样本量。常模群体少于100名候选人会产生不稳定的百分位数。应尽量扩大样本，并随着申请人群体的变化每12至24个月重新建立常模。
- 记录阈值和归属。明确记录谁负责维护该基准以及何时进行复审。
专业建议： 从职位描述开始，而不是从测试目录开始。基于现有测试反向构建的评估往往只衡量便于测量的内容，而非职位真正需要的内容。
在招聘中什么才算是良好的基准评分？
没有通用的"良好"评分标准。良好的评分是指与您所选参照框架和职位风险等级相匹配的评分。常模参照销售评估中的第75百分位，与标准参照合规测试中的75%正确率含义截然不同，将两者都视为等效的通过标准是一种错误。
一些实用的参考准则：
- 对于大批量筛选，设置标准参照底线（例如核心工作任务70%的正确率），以在人工审核之前过滤掉明显不匹配的候选人。
- 对于竞争激烈、招聘量少的职位，使用常模参照百分位区间（前10%或前20%）来筛选入围者。
- 将相互之间差距在5至10个百分位以内的评分视为实际上的并列，而非有明确排名的差异。
- 永远不要让单一评分凌驾于工作样本或结构化面试中的强力信号之上。
注意这样的情况：得分最高的候选人未必是最佳录用人选。一位在技术评估中表现出色、但在面试中协作信号极差的候选人，这是真实存在的模式，而非边缘案例。基准评分缩小了候选人范围，但不能取代判断力。
哪些陷阱会损害基准评分的准确性？
最常见的失败是常模群体不匹配。将专业候选人群体与一般人群常模进行比较，会抹平您试图检测的差异，而专项常模的存在正是为了解决这一问题，正如特拉华大学的指导所述。第二个常见失败是让常模过时。测试技术手册通常会规定重新建立常模的周期，原因正是申请人群体和技能基准会随时间推移而改变。
在信任某项基准之前，请进行以下检查：
- 题目审查：请主题专家确认测试题目仍能反映真实的工作任务。
- 差异题目功能（DIF）检查：标记出对特定人口群体存在不公平劣势的问题。
- 分层绩效审查：比较各群体的通过率，以尽早发现不利影响。
- 试点与相关性验证：进行小规模试点，并检验评分是否能真正预测早期工作绩效。
具有代表性、规模足够且经过适当分层的常模群体，是可信排名的前提条件，而非可选的改进措施，这一点根据特拉华大学学校心理学资源所述。跳过这一步，会导致原本设计良好的评估产生误导性排名。根据PMC发表的验证研究，在入职后最初几个月内将评分与实际工作绩效进行关联，仍然是在代价高昂的错误录用发生之前发现不良阈值最快捷、最具体的方法之一。
评估平台如何将基准评分付诸实践？
将这份检查清单转化为日常工作习惯，正是大多数HR团队陷入停滞的环节。这部分需要将框架转变为工作流程。
Talent Approved 的 Magic Create 功能可直接根据职位描述或技能列表构建针对特定职位的评估，从而简化了大多数团队在胜任力映射步骤上的工作。在此基础上：
- 选择比较报告模式，将候选人与当前申请人群体进行排名比较；或选择标准模式，根据固定阈值检查掌握程度——具体取决于您是在进行大批量筛选还是选拔顶尖人才。
- 内置的反作弊监控（屏幕和摄像头追踪）保护评分本身的真实性。
- 会话回放功能让招聘经理能够在做出决定之前核实临界评分。
- AI生成的摘要和候选人排名将原始评分转化为非技术型招聘经理能够快速采取行动的信息。
随着越来越多的候选人完成某一职位的评估，比较分数会自然稳定为更可靠、自我更新的常模群体。
HR团队应该从哪里开始实施基准评分？
最快见效的切入点在于大批量筛选，而非高管招聘。一个职位收到50份或更多申请的情况，正是标准阈值以最低风险节省最多审核工时的场景。
在全公司推广之前，先针对一个职位进行60至90天的试点。追踪两个数字：阈值过滤掉了多少候选人，以及通过筛选的录用者在入职最初几个月的表现是否符合预期。第二个数字比人们预期的更为重要。
在向招聘经理展示任何数字之前，先对他们进行评分框架含义的培训，并在内部公布您的阈值标准。一个无人理解的基准，在第一次产生不方便的结果时就会被忽视。
— Jimmie
借助 Talent Approved 让基准评分发挥作用
Talent Approved 为HR团队提供了一条比从头开始构建更快速地获得有据可查基准的路径。无需花费数周时间进行胜任力映射和起草测试题目，Magic Create 能在几分钟内将职位描述转化为结构化、针对特定职位的评估，使本指南中的胜任力映射步骤自动完成，而非手动进行。
该平台支持上述两种报告框架：针对竞争性职位的比较评分，以及针对大批量筛选的标准阈值，因此您不会被锁定在单一的解读方式中。反作弊监控、会话回放和AI生成的摘要，处理了通常会占用招聘人员大量时间的验证和审核工作。无需订阅承诺，每完成一次候选人评估收费5美元，这使得针对单一职位进行基准试点切实可行，然后再进一步扩展。如果您已准备好针对实际职位需求进行测试，今天就在 Talent Approved 平台上开始构建您的第一份评估吧。
参考来源
如需更深入的技术背景，密歇根评估联盟的常模与标准参照指南以及教育心理学互动的分析，都比以招聘为重点的指南更深入地涵盖了评分报告内容。对于HR以外领域的行业特定基准，这些销售绩效基准展示了相同逻辑如何应用于营收团队。
常见问题
基准测试中什么是良好评分？
没有固定的通用截止值。良好的评分取决于您使用的是常模参照框架（顶端百分位区间，如前10%至20%），还是标准参照框架（固定的掌握度阈值，通常为核心任务70%或更高的正确率）。
招聘中的80/20法则是什么？
在大多数招聘场景中，这一概念是指小部分招聘渠道或候选人信号贡献了大部分优质录用，因此团队应将精力集中在产出最高的投入上，而非在每个渠道上平均分配注意力。
在候选人身上最应该寻找哪些品质？
定义因职位而异，但评估数据一致表明，经过验证的任务胜任力、在实际约束条件下的问题解决能力以及沟通清晰度，是比单纯资历更能预测绩效的信号。
候选人基准应该多久重新建立一次常模？
大多数测试指导建议每12至24个月重新建立常模，或在申请人群体或职位要求发生重大变化时提前进行。
基准评分能否完全取代面试？
不能。基准评分能够缩小申请人范围并减少审核工作量，但在做出最终录用决定之前，应将其与结构化面试或工作样本相结合，因为得分最高的候选人并不总是最适合团队的人选。