3 साक्षात्कारकर्ता, 1 फाइनलिस्ट, 3 फैसले। साक्षात्कार स्कोरकार्ड के बिना, आपके डीब्रीफ में सबसे ऊंची आवाज़ नियुक्ति चुन लेती है।
कोई उम्मीदवार मूल्यांकन फॉर्म वापस जाकर देखने के लिए नहीं है। इसलिए कोई भी आपके CEO को ऑफर समझा नहीं सकता, या पूछने वाले अस्वीकृत उम्मीदवार को नहीं।
साझा फॉर्म के बिना, व्यस्त लोग अंतर्ज्ञान पर निर्भर हो जाते हैं।
और अंतर्ज्ञानी निर्णय जितने वे महसूस होते हैं उससे कमज़ोर होते हैं, जैसा कि काह्नमैन और उनके सह-लेखकों की Noise दिखाती है।
मान लें कि आपको बस इतना पता है कि 1 उम्मीदवार ने दूसरे से बेहतर साक्षात्कार दिया। उनके वास्तव में बेहतर नियुक्ति होने की संभावना केवल 56% से 61% है, जो सिक्का उछालने से बमुश्किल बेहतर है।
एक स्कोरकार्ड इसे 3 कदमों में ठीक करता है। हर साक्षात्कारकर्ता डीब्रीफ से पहले, अकेले में, लिखित उदाहरणों के आधार पर वही 4 से 6 कौशल स्कोर करता है। फिर कुल स्कोर निर्णय करता है, जब तक कि कोई अनिवार्य शर्त विफल न हो।
मुख्य बातें
- क्या स्कोरकार्ड वाकई बेहतर नियुक्तियों की ओर ले जाता है? हाँ, अगर हर साक्षात्कारकर्ता लिखित उदाहरणों के आधार पर वही कौशल स्कोर करता है। 2022 की समीक्षा में इस तरह चलाए गए साक्षात्कारों ने मुक्त-रूप वाले साक्षात्कारों की तुलना में नौकरी के प्रदर्शन का लगभग दोगुना अच्छा अनुमान लगाया।
- इसे कितने कौशल स्कोर करने चाहिए? 4 से 6, प्रत्येक 1 से 5 के पैमाने पर, प्रत्येक स्तर के लिए लिखित उदाहरण उत्तर के साथ। कोई भी अनिवार्य कौशल 3 से नीचे हो तो नियुक्ति नहीं।
- 2 बराबरी वाले फाइनलिस्टों में से कैसे चुनूँ? पहले अनिवार्य कौशल जाँचें, फिर सबूतों पर किसी भी 2-के-मुकाबले-5 बंटवारे का डीब्रीफ करें। भावना पर दोबारा वोट न करें: 2013 की समीक्षा में एक निश्चित फॉर्मूला विशेषज्ञ निर्णय से बेहतर निकला।
- मुझे कितने साक्षात्कारकर्ताओं की आवश्यकता है? अधिकतम 4, प्रत्येक अकेले स्कोर करे। Google के अपने डेटा में, चौथे के बाद हर साक्षात्कार ने 1% से कम सटीकता जोड़ी।
- क्या मैं AI स्कोर पर भरोसा कर सकता हूँ? इसे 1 इनपुट के रूप में इस्तेमाल करें और इसके कारण पढ़ें। 2023 के एक अध्ययन में, एक AI रेटर परिचित सवालों पर प्रशिक्षित मानव रेटरों के साथ करीबी से मेल खाता था और नए सवालों पर खराब।
1. क्या साक्षात्कार स्कोरकार्ड वास्तव में बेहतर नियुक्तियाँ चुनने में मदद करता है?
हाँ, जब हर साक्षात्कारकर्ता लिखित उदाहरणों के आधार पर समान कौशलों को स्कोर करता है। संरचित साक्षात्कार, जहाँ आप सभी से एक ही तरह से पूछते और स्कोर करते हैं, ने नौकरी के प्रदर्शन का 0.42 पर पूर्वानुमान लगाया, जो असंरचित वाले 0.19 से दोगुने से भी अधिक है।
ये आंकड़े Sackett और सहयोगियों के 2022 के मौलिक पुनर्विश्लेषण से आते हैं, जो दशकों के भर्ती शोध पर आधारित है।
ये संख्याएँ सहसंबंध हैं, 0 (बाद के नौकरी प्रदर्शन से कोई संबंध नहीं) से 1 (पूर्ण संबंध) तक। इसलिए 0.19 का मतलब यह नहीं है कि असंरचित साक्षात्कार 20% बार सही चुनाव करते हैं। इसका मतलब है कि बाद के प्रदर्शन से उनका संबंध कमजोर है।
नीचे दिया गया चार्ट 6 सामान्य तरीकों की रैंकिंग करता है। नौकरी ज्ञान परीक्षण 0.40 पर और keyed biodata, एक स्कोर किया गया पृष्ठभूमि प्रश्नावली, 0.38 पर इसके ठीक पीछे हैं।
कार्य नमूना परीक्षण 0.33 पर और संज्ञानात्मक क्षमता परीक्षण 0.31 पर आते हैं। असंरचित साक्षात्कार, जिस मुक्त-रूप बातचीत के साथ हममें से अधिकांश बड़े हुए हैं, सबसे अंत में आते हैं।

नौकरी प्रदर्शन से संबंध के आधार पर भर्ती तरीकों की रैंकिंग: संरचित साक्षात्कार 0.42 पर आगे हैं, असंरचित साक्षात्कार 0.19 पर पीछे हैं (मौलिक Sackett et al. पुनर्विश्लेषण)।
लेकिन 0.42 एक औसत है। लेखकों का अनुवर्ती अध्ययन अधिकांश संरचित साक्षात्कारों को 0.18, जो मुक्त-रूप बातचीत से बेहतर नहीं है, और 0.66, जो चार्ट पर किसी भी चीज़ से बेहतर है, के बीच रखता है।
डिज़ाइन उन 3 कारणों में से 1 है जो लेखक इस प्रसार के लिए देते हैं। इसका मतलब है कि अस्पष्ट कौशलों वाला साक्षात्कार स्कोरकार्ड निचले स्तर के करीब पहुँचने का जोखिम रखता है। ये कई नियोक्ताओं के औसत हैं, आपकी अगली भर्ती के बारे में कोई वादा नहीं।
2. मेरे साक्षात्कार स्कोरकार्ड टेम्पलेट में क्या शामिल होना चाहिए?
एक साक्षात्कार स्कोरकार्ड टेम्पलेट, या उम्मीदवार मूल्यांकन फॉर्म, में 5 कौशल, लिखित एंकर, एक साक्ष्य बॉक्स और एक अनिवार्य न्यूनतम सीमा शामिल होते हैं, सब कुछ 1 पेज पर। यह एक समग्र प्रभाव और एक सिफारिश के साथ समाप्त होता है।
एंकर यह सुनिश्चित करते हैं कि 1 साक्षात्कारकर्ता का 4 दूसरे के 4 के समान अर्थ रखे, और साक्ष्य बॉक्स तब "क्यों" का जवाब देता है जब आपके CEO पूछते हैं।
न्यूनतम सीमा यह रोकती है कि मजबूत कुल स्कोर किसी कमजोर अनिवार्य योग्यता को छिपा दे। समग्र प्रभाव सबसे अंत में आता है, क्योंकि पहले लिखी गई आंतरिक भावना उसके बाद के हर कौशल स्कोर को प्रभावित कर देती है।
यहाँ कस्टमर सपोर्ट लीड के लिए वह फॉर्म है, जिसमें 2 अनिवार्य योग्यताएँ हैं। 5 में से हर कौशल 1 से 5 तक स्कोर करता है, इसलिए कुल 25 में से है।
हर कौशल के लिए पिछले व्यवहार पर 2 सवाल पूछें, क्योंकि असली पिछला उदाहरण आपको एंकर के सामने रखने के लिए कुछ ठोस देता है। उदाहरण: "मुझे उस आखिरी बार के बारे में बताइए जब किसी नाराज़ ग्राहक ने आप तक शिकायत बढ़ाई थी।"

कस्टमर सपोर्ट लीड के लिए खाली इंटरव्यू स्कोरकार्ड टेम्पलेट: 5 कौशल, 2 अनिवार्य योग्यताएँ, 1 से 5 का स्कोर और हर एक के लिए साक्ष्य उद्धरण।
तालिका कॉपी करें, फिर उसमें अपने कौशल और एंकर डालें।
| कौशल | 1 / 3 / 5 के लिए एंकर | स्कोर 1-5 | साक्ष्य (उद्धरण) |
|---|---|---|---|
| हेडर | उम्मीदवार, भूमिका, साक्षात्कारकर्ता, तारीख | ||
| नाराज़ ग्राहकों को संभालता है (अनिवार्य) | ग्राहक को दोष देता है / नीति लागू करता है / कारण ठीक करता है | ||
| लिखित संवाद (अनिवार्य) | अस्पष्ट / स्पष्ट पर लंबा / छोटा और स्पष्ट | ||
| कतार को प्राथमिकता देता है | कोई तरीका नहीं / तात्कालिकता से / प्रभाव से | ||
| टीम को कोच करता है | कोई उदाहरण नहीं / सुझाव देता है / योजना बनाता है | ||
| प्रक्रिया सुधारता है | कोई उदाहरण नहीं / सुधार सुझाता है / सुधार लागू करता है | ||
| अनिवार्य योग्यता की न्यूनतम सीमा | कोई भी अनिवार्य योग्यता 3 से नीचे हो तो नियुक्ति नहीं | ||
| स्कोर नहीं किया जाता | चेहरे, आवाज़ या टाइपिंग से पढ़ी गई भावनाएँ; उच्चारण या गति जब तक नौकरी को इसकी ज़रूरत न हो; "संस्कृति फिट" | ||
| कुल | 5 स्कोरों का योग, 25 में से | ||
| समग्र प्रभाव | 1 से 5, सबसे अंत में भरा जाता है | ||
| सिफारिश | मजबूत नियुक्ति / नियुक्ति / नियुक्ति नहीं / मजबूत नियुक्ति नहीं; ओवरराइड के लिए लिखित कारण ज़रूरी |
2.1 इसे बनाने से पहले मुझे क्या तय करना चाहिए?
पहले भूमिका में सफलता को परिभाषित करें, फिर उन कौशलों को चुनें जो उसे हासिल करते हैं। पहला सीवी आने से पहले इंटरव्यू स्कोरकार्ड फ्रीज़ कर दें।
यह क्रम Who से आता है, जिसे Geoff Smart और Randy Street ने लिखा है। 1 मिशन पंक्ति लिखें, फिर महत्व के क्रम में 3 से 8 परिणाम, फिर 4 से 6 कौशल। परिणाम एक मापने योग्य नतीजा होता है, जैसे साल 3 तक $25 मिलियन से $50 मिलियन तक राजस्व बढ़ाना, कोई गतिविधि नहीं।
फ्रीज़ करना इसलिए मायने रखता है क्योंकि लोग बिना ध्यान दिए मानदंडों को मोड़ देते हैं। बुनियादी Uhlmann and Cohen (2005) अध्ययनों में प्रतिभागियों ने पुलिस प्रमुख के लिए एक स्ट्रीट-स्मार्ट और एक उच्च शिक्षित आवेदक का मूल्यांकन किया।
पुरुष में जो भी ताकत थी, उन्होंने तय किया कि नौकरी को उसकी ज़्यादा ज़रूरत है, और महिला को ऐसा कोई बढ़ावा नहीं मिला। आवेदकों को देखने से पहले मानदंडों के प्रति प्रतिबद्ध होना उस पूर्वाग्रह को हटा देता है। इसलिए उम्मीदवारों से मिलने के बाद लिखा गया स्कोरकार्ड चुपचाप उसी की ओर झुक सकता है जो आपको पहले से पसंद है।
2.2 क्या कल्चर फिट स्कोरकार्ड पर होना चाहिए?
जैसा लिखा है वैसा नहीं, क्योंकि कोई भी इसे दो बार एक ही तरह से स्कोर नहीं कर सकता। इसे 1 या 2 देखने योग्य व्यवहारों में बदलें, जैसे "अपने काम पर फ़ीडबैक माँगता है"।
मान लीजिए आपकी टीम स्पष्टवादिता को महत्व देती है: बजाय इसके स्कोर करें "किसी गलती को जल्दी बताने का ठोस उदाहरण दिया"।
3. मैं इंटरव्यू स्कोर को कैसे भार दूँ ताकि अनिवार्य योग्यताएँ सबसे ज़्यादा मायने रखें?
हर कौशल को समान भार दें और एक अनिवार्य न्यूनतम सीमा जोड़ें, या पहले इंटरव्यू से पहले भार तय कर लें। समान भार अक्सर नए मामलों की भविष्यवाणी उतनी ही अच्छी तरह करते हैं जितना पुराने डेटा पर फिट किए गए भार।
वह दूसरा बिंदु मनोवैज्ञानिक Robyn Dawes से आता है, जैसा कि Kahneman ने सोच, तेज़ और धीमी में संक्षेपित किया है।
आपके पिछले हायरिंग के अनुसार ट्यून किए गए भार उस समूह की आकस्मिकताओं को भी सीख लेते हैं। मान लीजिए आपके 3 सबसे अच्छे सपोर्ट हायर संयोग से मजबूत कोच थे: एक ट्यून किया गया भार हर भविष्य के उम्मीदवार में कोचिंग को प्राथमिकता देगा।
समान भार ऐसी आकस्मिकता का पीछा नहीं कर सकते, इसलिए वे अक्सर नए उम्मीदवारों की भविष्यवाणी उतनी ही अच्छी तरह करते हैं। कौशलों को स्वतंत्र भी रखें, जैसा कि Kahneman सलाह देते हैं: "संचार" और "प्रस्तुति कौशल" दोनों को एक साथ सूचीबद्ध न करें, क्योंकि मिलकर वे एक ही चीज़ को दो बार गिनते हैं।
एक अनिवार्य को अपनी ताकत न्यूनतम सीमा से मिलती है, बड़े भार से नहीं। मान लीजिए "परेशान ग्राहकों को संभालता है" का स्कोर 2 है और हर दूसरे कौशल का स्कोर 5 है।
25 में से 22 का कुल स्कोर शानदार लगता है, फिर भी न्यूनतम सीमा कहती है कि हायर नहीं। ऐसे कौशल के लिए यही चाहिए जिसके बिना नौकरी नहीं चल सकती।
अगर आप भार देते हैं, तो उन्हें शुरू में ही इंटरव्यू स्कोरकार्ड पर लिखें और सभी पर लागू करें। यह कुल को मोड़ने का सबसे आसान तरीका बंद कर देता है: किसी पसंदीदा व्यक्ति से मिलने के बाद भार बदलना।
Flowmingo कैसे मदद करता है
Flowmingo की AI इंटरव्यू रिपोर्ट निश्चित भार इस्तेमाल करती है: कुल स्कोर में एक Must Have मानदंड Good to Have की तुलना में 4 गुना गिना जाता है। हर मानदंड अपना 0 से 10 का स्कोर रखता है, इसलिए आप खुद अनिवार्य न्यूनतम सीमा लागू कर सकते हैं।
4. मैं कैसे सुनिश्चित करूँ कि हर इंटरव्यूअर के लिए 3 का मतलब एक ही हो?
पहले इंटरव्यू से पहले, हर स्किल के लिए लिखें कि 1, 3 और 5 अंक वाले उत्तर में क्या होता है। यह व्यवहार-आधारित एंकर वाला रेटिंग स्केल 2 इंटरव्यूअर के स्कोर को तुलनीय बनाता है।
“Behaviorally anchored” का मतलब बस यह है कि हर स्कोर इससे जुड़ा होता है कि उम्मीदवार ने क्या किया, न कि “काफी अच्छा” जैसी भावना से। एंकर के बिना, उसी इंटरव्यू स्कोरकार्ड पर 3 का मतलब 1 इंटरव्यूअर के लिए “ठीक है” और दूसरे के लिए “कमज़ोर” हो सकता है।
एंकर वाले इंटरव्यू बाद के प्रदर्शन से औसतन मज़बूत संबंध भी दिखाते हैं। Taylor और Small की 19 पिछले व्यवहार वाले इंटरव्यू अध्ययनों की आधारभूत समीक्षा में एंकर वाले स्केल के साथ .35 का संबंध मिला, जबकि बिना एंकर के .26। अध्ययन अन्य तरीकों से भी भिन्न थे, इसलिए यह तुलना एंकर जोड़ने के प्रभाव को अलग नहीं करती।
यहाँ अनिवार्य “नाराज़ ग्राहकों को संभालना” के लिए इंटरव्यू रेटिंग स्केल दिया गया है।
| स्कोर | उत्तर में क्या होता है |
|---|---|
| 1 | ग्राहक को दोष देता है; अपनी ओर से कोई कार्रवाई नहीं और कोई परिणाम नहीं |
| 3 | एक वास्तविक उदाहरण: ग्राहक को शांत करता है और नीति लागू करता है, लेकिन परिणाम कभी नहीं जाँचता |
| 5 | एक वास्तविक उदाहरण: कारण ढूँढता है, उसे ठीक करता है, फॉलो-अप करता है और समाधान साझा करता है |
ऊपर की हर सीढ़ी ऐसी चीज़ है जिसे आप उत्तर में सुन सकते हैं। इसलिए 2 सुनने वाले एक ही संख्या पर पहुँच सकते हैं।
अगर आप अभी एंकर नहीं लिख सकते, तो OPM, अमेरिकी संघीय HR एजेंसी, की संरचित इंटरव्यू गाइड में दिए 5 स्तर उधार लें। हर स्तर इस पर निर्भर करता है कि स्थिति कितनी कठिन थी और व्यक्ति को कितना मार्गदर्शन चाहिए था।
- 1, जागरूकता: सबसे सरल स्थितियाँ, नज़दीकी और व्यापक मार्गदर्शन के साथ।
- 2, बुनियादी: कुछ हद तक कठिन स्थितियाँ, बार-बार मार्गदर्शन के साथ।
- 3, मध्यवर्ती: कठिन स्थितियाँ, कभी-कभार मार्गदर्शन के साथ।
- 4, उन्नत: काफी कठिन स्थितियाँ, बहुत कम या बिना मार्गदर्शन के।
- 5, विशेषज्ञ: असाधारण रूप से कठिन स्थितियाँ, जहाँ व्यक्ति दूसरों को सलाह देता है।

संरचित इंटरव्यू के लिए OPM के 5 रेटिंग स्तर: जागरूकता (सबसे सरल स्थितियाँ, नज़दीकी मार्गदर्शन) से विशेषज्ञ (असाधारण रूप से कठिन स्थितियाँ, दूसरों को सलाह देता है) तक।
5. जब मेरे इंटरव्यूअर सहमत न हों, तो मैं 2 मज़बूत फाइनलिस्ट के बीच चुनाव कैसे करूँ?
इंटरव्यू स्कोरकार्ड के कुल स्कोर को फैसला करने दें, सिर्फ 2 अपवादों के साथ: कोई अनिवार्य कौशल 3 से नीचे हो, या 2 बनाम 5 का स्प्लिट हो, जिस पर आप सबूतों के आधार पर डीब्रीफ करते हैं। भावना पर दोबारा वोट न करें।
यही वह क्षण है जिसके लिए स्कोरकार्ड होते हैं, और यही वह क्षण है जब उन्हें छोड़ने का मन सबसे ज़्यादा करता है। यह एक उदाहरण है, ग्राहक डेटा नहीं: 3 सपोर्ट लीड फाइनलिस्ट, हर सेल 3 इंटरव्यूअर के औसत से।
| कौशल | A | B | C |
|---|---|---|---|
| नाराज़ ग्राहकों को संभालना (अनिवार्य) | 4 | 2 | 4 |
| लिखित संवाद (अनिवार्य) | 4 | 4 | 3 |
| कतार को प्राथमिकता देना | 3 | 4 | 3 |
| टीम को कोचिंग देना | 3 | 4 | 4 (स्कोर 2, 5, 5) |
| प्रक्रिया में सुधार | 4 | 4 | 3 |
| कुल, 25 में से | 18 | 18 | 17 |
| निर्णय | नियुक्त करें | नियुक्त न करें: न्यूनतम सीमा टूटी | स्प्लिट पर डीब्रीफ करें |
इंटरव्यू स्कोरकार्ड को पंक्ति-दर-पंक्ति पढ़ें। A और B 25 में से 18 पर बराबर हैं। लेकिन B ने एक अनिवार्य कौशल पर 2 स्कोर किया, इसलिए न्यूनतम सीमा टूटती है और B नियुक्त नहीं होगा।
C का कुल 17 है, लेकिन “टीम को कोचिंग देना” पर C का औसत 4 एक स्प्लिट छिपाता है: 1 इंटरव्यूअर ने 2 दिया, और बाकी 2 ने 5 दिया। यह अंतर डीब्रीफ का एकमात्र एजेंडा आइटम बन जाता है।
व्यवहार में, दोनों पक्षों से कहें कि अपने सबूत के उद्धरण पढ़कर सुनाएं। मान लें, कम स्कोर देने वाले ने सुना कि एक टीम सदस्य ने छोड़ दिया, और दूसरों ने सुना कि एक कोचिंग प्लान काम कर गया। डीब्रीफ तय करता है कि कौन-सी कहानी C के लिए ज़्यादा आम है, और जिसने कोई सबूत छोड़ा था, वह स्कोर लिखित में बदलता है।

भरा हुआ इंटरव्यू स्कोरकार्ड, उदाहरण के लिए: A और B 25 में से 18 पर बराबर, B एक अनिवार्य कौशल से चूकता है, और C में कोचिंग का स्प्लिट डीब्रीफ करना है।
जब स्कोर एक फाइनलिस्ट चुन लें, तो ऑफर भेजने से पहले उसमें शर्तें लिख दें: हमारा जॉब ऑफर लेटर टेम्पलेट दिखाता है कि हर जाँच कहाँ जाती है।
5.1 अगर मेरा अंतर्ज्ञान कुछ और कहे और स्कोर कुछ और?
स्कोर के साथ जाएं, जब तक कि आप उन सबूतों को लिख न सकें जो उनसे छूट गए। Kuncel और सहयोगियों के 2013 के आधारभूत मेटा-विश्लेषण में, सभी पर एक ही तरह लागू किया गया एक फॉर्मूला ने नौकरी के प्रदर्शन का 0.44 पर पूर्वानुमान किया, जबकि समग्र निर्णय के लिए 0.28। लेखक इसे भविष्यवाणी में 50% से ज़्यादा सुधार कहते हैं, उन विशेषज्ञों के मुकाबले भी जो नौकरी जानते थे।
समग्र निर्णय का मतलब है लोगों का अपने दिमाग में उन्हीं तथ्यों को तौलना, जिसमें सर्वसम्मति बैठकें भी शामिल हैं। इसलिए डीब्रीफ सबूतों की कमियाँ भरता है, और दोबारा वोट नहीं करता।
5.2 क्या मुझे फाइनलिस्टों की साथ-साथ तुलना करनी चाहिए?
हाँ, उत्तर-दर-उत्तर। बोहनेट की HBR सलाह यह है कि पहले प्रश्न 1 के सभी उत्तरों की तुलना करें, फिर प्रश्न 2 के, ताकि आप हर उत्तर को दूसरों के मुकाबले परख सकें।
2016 के एक आधारभूत प्रयोगशाला अध्ययन में, जिन लोगों को एक समय में 1 उम्मीदवार दिखाया गया, वे उस लिंग की ओर झुके जिसे कार्य के स्टीरियोटाइप ने बढ़ावा दिया। पिछले प्रदर्शन का लगभग कोई महत्व नहीं था। जब 2 को साथ-साथ दिखाया गया, तो उन्होंने 54% बार बेहतर प्रदर्शन करने वाले को चुना और 8% बार कमतर को।
अध्ययन में पिछले कार्य स्कोर का उपयोग किया गया, साक्षात्कार का नहीं, इसलिए इसे प्रमाण नहीं, बल्कि एक मजबूत संकेत मानें।
6. मैं सबसे मुखर साक्षात्कारकर्ता को डीब्रीफ जीतने से कैसे रोकूँ?
हर साक्षात्कारकर्ता को किसी के भी बोलने से पहले अपना साक्षात्कार स्कोरकार्ड जमा करना चाहिए, फिर स्कोर के साथ डीब्रीफ शुरू करें।
मान लीजिए एक वरिष्ठ व्यक्ति "मुझे वह बहुत पसंद आई" से शुरुआत करता है, और कमरा उसी विचार की ओर बहकने लगता है। अकेले लिखे गए स्कोर सभी को उस खिंचाव से बचाते हैं, इसीलिए Noise स्वतंत्र स्कोरिंग को एक भर्ती नियम बनाती है।
व्यवहार में, स्कोर को एक साझा शीट या अपने आवेदक ट्रैकिंग सिस्टम में एकत्र करें, और उन्हें एक साथ सामने रखें।
एक पैनल, जहाँ सभी एक ही साक्षात्कार देखते हैं, समाधान जैसा लगता है। हफकट और सहयोगियों के आधारभूत 2013 मेटा-विश्लेषण में, 0 से 1 के पैमाने पर पैनल मूल्यांकनकर्ताओं में 0.74 की सहमति थी, जबकि अलग-अलग साक्षात्कारों के लिए 0.44।
वह संख्या पैनलों को बढ़ा-चढ़ाकर पेश करती है। पैनलिस्ट सभी एक ही दिन एक ही प्रदर्शन को स्कोर करते हैं, इसलिए अगर उम्मीदवार की सुबह असामान्य रूप से अच्छी या खराब रही, तो वे सभी उसे देखते हैं।
जैसा कि आइरिस बोहनेट ने Google में एक भाषण में कहा, "एक पैनल साक्षात्कार का नमूना आकार मूल रूप से एक ही होता है"। अलग-अलग साक्षात्कार, जिनमें से प्रत्येक को अलग से स्कोर किया जाता है, आपको अधिक स्वतंत्र दृष्टिकोण देते हैं।
6.1 प्रत्येक उम्मीदवार को कितने साक्षात्कारकर्ताओं को स्कोर करना चाहिए?
अधिकतम 4, अलग-अलग इंटरव्यू में। Google के आंतरिक डेटा में, जो पीयर-रिव्यूड अध्ययन नहीं है, 4 इंटरव्यू ने 86% विश्वास के साथ नियुक्ति निर्णय का पूर्वानुमान लगाया। हर अतिरिक्त इंटरव्यू ने 1% से कम जोड़ा।
अतिरिक्त इंटरव्यू ने Google के अपने हायरिंग निर्णय का पूर्वानुमान लगाने में बहुत कम योगदान दिया। इसे हर दौर को सही ठहराने के संकेत के रूप में इस्तेमाल करें, न कि सार्वभौमिक अधिकतम सीमा या बाद के नौकरी प्रदर्शन के प्रमाण के रूप में।
7. व्यस्त इंटरव्यूअरों से इंटरव्यू स्कोरकार्ड वास्तव में कैसे भरवाऊँ?
स्कोरिंग को इंटरव्यू का हिस्सा बनाएँ। हर कौशल को उसके सवालों के तुरंत बाद स्कोर करें, प्रमाण के तौर पर 1 पंक्ति का उद्धरण लिखें, और समग्र प्रभाव सबसे अंत में दें।
इंटरव्यू के पूरे दिन के बाद कोई और फॉर्म नहीं भरना चाहता। इसीलिए स्कोरिंग इंटरव्यू के दौरान ही होती है, आज रात के होमवर्क के रूप में नहीं।
काह्नेमैन ने 1955 में इज़राइली सेना के लिए यह तरीका बनाया, क्योंकि मुक्त-शैली के इंटरव्यू सफलता का पूर्वानुमान लगाने में लगभग बेकार साबित हुए थे। इंटरव्यूअरों ने 6 गुणों को 1 से 5 के पैमाने पर स्कोर किया, अगला शुरू करने से पहले हर एक पूरा किया, ताकि पहली छाप बाकी सब को प्रभावित न कर सके।
तभी उन्होंने आँखें बंद कीं और समग्र रेटिंग दी, और कुल स्कोर ने पहले से कहीं अधिक सटीक पूर्वानुमान लगाया। उनकी सलाह थी: सबसे ज़्यादा कुल स्कोर वाले को नियुक्त करें, "भले ही कोई और हो जो आपको उससे ज़्यादा पसंद हो"।
समय भी मायने रखता है। एक फील्ड अध्ययन में, 166 इंटरव्यूअरों ने बताया कि उन्होंने कब अपना मन बनाया। केवल 4.9% निर्णय पहले मिनट में आए, लेकिन 22.5% इंटरव्यू खत्म होने के बाद आए।
उम्मीदवार के जाने के बाद लिया गया निर्णय याददाश्त पर टिकता है, इसलिए साथ-साथ स्कोर करते जाएँ।
हमारे सपोर्ट लीड के लिए, यह ऐसा दिखता है:
- 2 क्यू से जुड़े सवाल पूछें, फिर आगे बढ़ने से पहले "क्यू को प्राथमिकता देता/देती है" स्कोर करें।
- प्रमाण के तौर पर 1 उद्धरण लिखें, जैसे "मैं बग्स को इस आधार पर क्रमबद्ध करता/करती हूँ कि वे कितने ग्राहकों को प्रभावित करते हैं।"
- हर उम्मीदवार के लिए कौशल का क्रम एक ही रखें।
हमारे डेटा में लिखित प्रमाण दुर्लभ हैं।
Flowmingo डेटा · 86,638 AI-इंटरव्यू किए गए उम्मीदवार · 2,574 कंपनियाँ · जुलाई 2025 से सितंबर 2026
- AI-इंटरव्यू किए गए उम्मीदवारों में से 0.3% को भर्ती टीम से लिखित टिप्पणी मिली (86,638 में से 258)।
टीमें नोट्स कहीं और रख सकती हैं; Flowmingo के अंदर, AI रिपोर्ट आमतौर पर फ़ाइल पर एकमात्र लिखित मूल्यांकन होती है।
व्यस्त दिन में लिखित कारण सबसे पहले छोड़ने वाली चीज़ है। इसलिए फ़ॉर्म प्रत्येक कौशल के लिए केवल 1 उद्धरण मांगता है।
8. क्या मैं अपने इंटरव्यू स्कोरकार्ड पर AI स्कोर पर भरोसा कर सकता हूँ?
इसे 1 इनपुट के रूप में इस्तेमाल करें जिसकी समीक्षा कोई व्यक्ति करता है, और पहले इसके कारण पढ़ें। जिन प्रश्नों के लिए इसे प्रशिक्षित नहीं किया गया, उन पर AI स्कोरिंग तेज़ी से गिर सकती है।
इस उत्तर में हमारा हित जुड़ा है, इसलिए नीचे दिए गए साक्ष्य में वह हिस्सा भी शामिल है जो AI को अच्छा नहीं दिखाता।
2023 के एक बुनियादी अध्ययन में, 2 प्रशिक्षित मूल्यांकनकर्ताओं ने 7,017 आवेदक उत्तरों को 1-से-5 एंकर्ड स्केल पर स्कोर किया। उन्हीं प्रश्नों पर प्रशिक्षित एक मॉडल ने उनके स्कोर से 0-से-1 स्केल पर 0.75 के साथ निकटता से मेल खाया। जिन प्रश्न प्रारूपों को उसने कभी नहीं देखा था, उन पर यह 0.30 तक गिर गया, जो एक कमजोर मेल है।
इसका मतलब है कि AI स्कोर उतना ही अच्छा है जितना उसका प्रश्न-विशिष्ट रूब्रिक, इसलिए संख्या पर भरोसा करने से पहले उसके कारण पढ़ें। यह भी ध्यान दें कि उस अध्ययन के 5 लेखकों में से 3 ने AI-इंटरव्यू विक्रेता Modern Hire में काम किया था।
Flowmingo कैसे मदद करता है
Flowmingo का AI इंटरव्यूअर उन मानदंडों के अनुसार स्कोर करता है जिन्हें आप स्वीकृत करते हैं। AI आपके जॉब विवरण से प्रश्न और मानदंड का मसौदा तैयार करता है, और आप दोनों को संपादित करते हैं। आप प्रत्येक आवेदक को उनके अपने समय में करने के लिए इंटरव्यू भेजते हैं।
आपको रिकॉर्डिंग, ट्रांसक्रिप्ट और प्रत्येक मानदंड 0 से 10 तक रेटेड लिखित औचित्य के साथ वापस मिलते हैं। हायरिंग निर्णय आप लेते हैं।

Flowmingo की सार्वजनिक नमूना रिपोर्ट: प्रत्येक मानदंड के लिए 0 से 10 स्कोर और कारण, इसलिए उस स्केल पर कोई भी अनिवार्य न्यूनतम सीमा निर्धारित करें।
हमारे डेटा में, बायोडाटा और इंटरव्यू भी इस बात पर असहमत हैं कि सबसे अच्छा कौन है।
Flowmingo डेटा · 34,114 उम्मीदवार · 379 कंपनियाँ · जुलाई 2025 से सितंबर 2026
- 1 स्पष्ट शीर्ष इंटरव्यू स्कोर वाले 532 प्रोजेक्ट्स में से 19.2% ने उस उम्मीदवार को शीर्ष बायोडाटा स्कोर भी दिया।
- इंटरव्यू में 8 या अधिक स्कोर करने वाले 3,684 उम्मीदवारों (2,022) में से 54.9% को शीर्ष-20% बायोडाटा शॉर्टलिस्ट द्वारा काट दिया गया होता।
दोनों Flowmingo AI स्कोर हैं, नौकरी का प्रदर्शन नहीं, और इंटरव्यू देने वाले एक चयनित समूह हैं। डेटा दिखाता है कि दोनों रैंकिंग अलग हैं, यह नहीं कि कौन सही है।
सरल शब्दों में, उन परियोजनाओं में से लगभग हर 5 में से 4 में, साक्षात्कार में सबसे ऊपर स्कोर करने वाले का CV स्कोर भी सबसे ऊपर नहीं था। इसलिए साक्षात्कार को अलग से स्कोर करें, बजाय इसके कि CV स्कोर आगे बढ़ जाए।
9. अगर कोई अस्वीकृत उम्मीदवार शिकायत करे तो क्या मेरे स्कोरकार्ड मेरी रक्षा करेंगे?
वे मदद करते हैं, अगर वे नौकरी-संबंधी साक्ष्य को स्कोर करते हैं और आप उन्हें रखते हैं। एक तर्कसंगत व्याख्या में, अमेरिकी संघीय नियमों का मतलब है स्कोरकार्ड कम से कम 1 साल तक रखना, और कैलिफ़ोर्निया के नियमों का 4 साल।
शिकायत महीनों बाद आ सकती है, जब किसी को साक्षात्कार याद नहीं रहता। प्रत्येक कौशल के लिए एक उद्धरण वाला साक्षात्कार स्कोरकार्ड दिखाता है कि आपने क्या और क्यों मूल्यांकन किया।
अमेरिकी नियम स्कोरकार्ड का नाम नहीं लेता, लेकिन यह "भर्ती से जुड़े अन्य रिकॉर्ड" को कवर करता है। एक बार जब कोई भेदभाव का आरोप दर्ज करता है, तो आप मामला खत्म होने तक हर प्रासंगिक रिकॉर्ड रखते हैं। इसमें उसी नौकरी के अन्य उम्मीदवारों के रिकॉर्ड भी शामिल हैं, इसलिए 1 आरोप पूरे सेट को फ्रीज़ कर देता है।
ये नियम सितंबर 2026 तक यथावत हैं। यह एक सारांश है, कानूनी सलाह नहीं।
| नियम | कहाँ | आपके स्कोरकार्ड के लिए इसका क्या मतलब है |
|---|---|---|
| 29 CFR 1602.14 | US | भर्ती रिकॉर्ड 1 साल तक रखें, आरोप के बाद और लंबे समय तक |
| 2 CCR 11013(c) | कैलिफ़ोर्निया | रिकॉर्ड 4 साल तक रखें, जिसमें स्वचालित-निर्णय डेटा शामिल है |
| ICO guidance | UK | उम्मीदवार साक्षात्कार नोट्स मांग सकते हैं; टाई-ब्रेक नियम का खुलासा करें |
| TAFEP | सिंगापुर | मूल्यांकन फ़ॉर्म का उपयोग करें और रिकॉर्ड कम से कम 1 साल तक रखें |
| 29 CFR 1630.11 (ADA) | US | अगर कोई विकलांगता बोलने को प्रभावित करती है, तो कौशल को स्कोर करें, बोलने को नहीं, जब तक कि बोलना ही नौकरी की आवश्यकता न हो |
| AI Act, Article 5(1)(f) | EU, 2 फरवरी 2025 से | चेहरे, मुद्रा या कीस्ट्रोक से उम्मीदवारों की भावनाओं का अनुमान लगाने वाला AI नहीं |
| AI Act, Annex III and Article 26 | EU, 2 दिसंबर 2027 से | उच्च जोखिम: मानवीय निगरानी, लॉग 6+ महीने तक रखे जाएं, उम्मीदवारों को बताया जाए |
| Local Law 144 | न्यूयॉर्क शहर | अकेले इस्तेमाल किया गया AI स्कोर, बाकी सब से ऊपर भारित, या लोगों के फैसले पलटने के लिए इस्तेमाल: पूर्वाग्रह के लिए वार्षिक ऑडिट और सूचना |
| AI Video Interview Act | इलिनॉय | पहले सूचना, स्पष्टीकरण और सहमति; अनुरोध के 30 दिनों के भीतर वीडियो हटाएं |
इसीलिए टेम्पलेट में "स्कोर नहीं किया गया" पंक्ति है। EU उस AI पर प्रतिबंध लगाता है जो चेहरे, मुद्रा या कीस्ट्रोक से उम्मीदवारों की भावनाएं पढ़ता है, और अमेरिकी विकलांगता कानून (ADA) उन उम्मीदवारों की रक्षा करता है जिनकी विकलांगता बोलने को प्रभावित करती है। UK में, उम्मीदवार आपके नोट्स मांग सकते हैं, इसलिए हर साक्ष्य पंक्ति ऐसे लिखें जैसे वे उसे पढ़ेंगे।
स्व-ऑडिट के लिए, Uniform Guidelines में दिए 4/5 नियम के अनुसार समूह के हिसाब से पास दरों की तुलना करें। मान लें कि 1 समूह का 30% पास होता है और दूसरे का 50%: 30 को 50 से भाग देने पर 0.6 आता है, जो 0.8 से कम है, इसलिए और गौर करें।
एक जून 2026 Justice Department की राय और एक जुलाई 2026 OPM नियम संघीय एजेंसियों को Guidelines से दूर ले जाते हैं। हालांकि, वे संघीय नियमों में बने हुए हैं, इसलिए इस जांच को एक सस्ती आदत मानें, कानूनी रेखा नहीं।
10. इस हफ्ते अपनी टीम के साथ साक्षात्कार स्कोरकार्ड कैसे लागू करूं?
इसे इस क्रम में बनाएं, और इसे केवल भूमिकाओं के बीच बदलें। पहला संस्करण परफेक्ट होना ज़रूरी नहीं, लेकिन यह हर उम्मीदवार के लिए समान होना चाहिए।
- एक मिशन लाइन और 3 से 8 रैंक किए गए परिणाम लिखें।
- उन्हें 5 स्किल्स में बदलें और अनिवार्य वाले चिह्नित करें।
- हर स्किल के लिए 1, 3 और 5 के लिए 2 पिछले व्यवहार वाले प्रश्न और एंकर लिखें।
- अधिकतम 4 इंटरव्यूअर से अकेले स्कोर कराएं और डीब्रीफ से पहले सबमिट कराएं।
- कुल स्कोर निर्णय करे, लेकिन कोई भी अनिवार्य स्कोर 3 से नीचे हो तो नियुक्ति नहीं। हर ओवरराइड लिख लें।
व्यवहार में, 1 खुली भूमिका से शुरू करें, ताकि आपकी टीम किसी असली चीज़ पर यह आदत सीखे। पहले इंटरव्यू से पहले, सभी से एक ही नमूना उत्तर स्कोर कराएं और तुलना करें।
अगर 2 स्कोर में 1 अंक से ज़्यादा का अंतर हो, तो एंकर को तब तक फिर से लिखें जब तक वे सहमत न हों। सेक्शन 8 अध्ययन के प्रशिक्षित रेटरों ने भी मीटिंग बुलाने के लिए यही 1-अंक का अंतर इस्तेमाल किया।
कुछ प्रतिरोध की उम्मीद रखें। Kahneman के आर्मी इंटरव्यूअरों ने भी सिर्फ जवाब रिकॉर्ड करने का विरोध किया था, और उनका समाधान close-your-eyes रेटिंग था, जिसने उनके निर्णय को फॉर्म पर जगह दी। आपकी overall impression लाइन आपकी टीम के लिए यही काम करती है।
Flowmingo कैसे मदद करता है
हर आवेदक को उनके अपने समय पर करने के लिए एक स्ट्रक्चर्ड इंटरव्यू भेजने के लिए, जो रिकॉर्ड हो और 1 इंटरव्यू स्कोरकार्ड के खिलाफ स्कोर किया जाए, Flowmingo आज़माएं।
11. स्रोत
ऊपर दिया गया हर बाहरी आंकड़ा नीचे दिए गए स्रोतों से, उनके आने के क्रम में, आया है। Flowmingo के अपने आंकड़े डेटा बॉक्स में हैं, जुलाई 2025 से सितंबर 2026 तक।
- Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022). Revisiting meta-analytic estimates of validity in personnel selection: Addressing systematic overcorrection for restriction of range. Journal of Applied Psychology.
- Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2023). Revisiting the design of selection systems in light of new findings regarding the validity of widely used predictors. Industrial and Organizational Psychology.
- Kahneman, D., Sibony, O., & Sunstein, C. R. (2021). Noise: A flaw in human judgment, ch. 24, as quoted by NPR Planet Money. Little, Brown Spark.
- Smart, G., & Street, R. (2008). Who: The A method for hiring. Ballantine Books.
- Uhlmann, E. L., & Cohen, G. L. (2005). Constructed criteria: Redefining merit to justify discrimination. Psychological Science.
- Taylor, P. J., & Small, B. (2002). Asking applicants what they would do versus what they did do: A meta-analytic comparison of situational and past behaviour employment interview questions. Journal of Occupational and Organizational Psychology.
- US Office of Personnel Management (2008). Structured interviews: A practical guide. OPM.
- Kahneman, D. (2011). Thinking, fast and slow, ch. 21, "Intuitions vs. formulas". Farrar, Straus and Giroux.
- Frieder, R. E., Van Iddekinge, C. H., & Raymark, P. H. (2016). How quickly do interviewers reach decisions? Journal of Occupational and Organizational Psychology. Percentages as reported by BPS Research Digest.
- Shaper, S. (2017). How many interviews does it take to hire a Googler?. Google re:Work, archived.
- Huffcutt, A. I., Culbertson, S. S., & Weyhrauch, W. S. (2013). Employment interview reliability: New meta-analytic estimates by structure and format. International Journal of Selection and Assessment.
- Bohnet, I. (2016). What works: Gender equality by design. Talks at Google.
- Bohnet, I. (2016). How to take the bias out of interviews. Harvard Business Review.
- Bohnet, I., van Geen, A., & Bazerman, M. H. (2016). When performance trumps gender bias: Joint vs. separate evaluation. Management Science.
- Kuncel, N. R., Klieger, D. M., Connelly, B. S., & Ones, D. S. (2013). Mechanical versus clinical data combination in selection and admissions decisions: A meta-analysis. Journal of Applied Psychology.
- Koenig, N., Tonidandel, S., Thompson, I., Albritton, B., Koohifar, F., et al. (2023). Improving measurement and prediction in personnel selection through the application of machine learning. Personnel Psychology.
- European Commission (2025). Guidelines on prohibited artificial intelligence practices, C(2025) 5052 final. European Commission.
- European Parliament and Council (2026). Regulation (EU) 2026/1744, the Digital Omnibus on AI. Official Journal of the EU.
- NYC Department of Consumer and Worker Protection (2023). Automated employment decision tools: rules and FAQ. NYC DCWP.
- Illinois General Assembly (n.d.). Artificial Intelligence Video Interview Act, 820 ILCS 42. Illinois General Assembly.
- US Equal Employment Opportunity Commission (1991, as amended 2011). 29 CFR 1630.11, Administration of tests. eCFR.
- US Equal Employment Opportunity Commission (1972, as amended 2024). 29 CFR 1602.14, Preservation of records made or kept. eCFR.
- California Civil Rights Council (2025). Employment regulations regarding automated-decision systems. California Civil Rights Department.
- Information Commissioner's Office (n.d., under review). Shortlisting, testing, and interviewing candidates. ICO.
- TAFEP (n.d., accessed 2026-09-24). How to conduct fair job interviews. Tripartite Alliance for Fair and Progressive Employment Practices.
- EEOC, Civil Service Commission, Department of Labor & Department of Justice (1978). Uniform Guidelines on Employee Selection Procedures, 29 CFR Part 1607. eCFR.
- US Department of Justice, Office of Legal Counsel (2026). Constitutionality of disparate-impact liability under Title VII. DOJ.
- US Office of Personnel Management (2026). Removal of references to the Uniform Guidelines on Employee Selection Procedures in federal personnel regulations. Federal Register.



