專利名稱：用于候選人評估的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于評估工作候選人、升職或培訓候選人和商業(yè)合伙人的計算機化的裝置和方法。更具體而言，本發(fā)明涉及用于收集和處理關(guān)于個人(或企業(yè))的數(shù)據(jù)以便評估他們對于由雇傭方指定的特定工作或?qū)τ谏殹⑴嘤柣蛏虡I(yè)合伙而言的適宜性。
背景技術(shù)：
可能難以對要雇傭的個人進行評估。候選人的人數(shù)在其特征之間通常非常不同。雇傭方對特定職別的最佳資格可能不具有相同的觀點。如果涉及到多個面試官，他們各自可能在頭腦中有不同的一組準則、從候選人中得出信息的不同方式以及評估候選人提供的信息的不同方式。某些面試官或簡歷評估者不具有良好判斷的足夠經(jīng)驗。因此，組織或雇傭顧問難以擁有系統(tǒng)且一致的方法來收集候選人信息并對其進行評估。當存在大量候選人時，這尤其困難，使得難以比較。
存在協(xié)助人事搜索的基于計算機的系統(tǒng)。一種已知的方法使用允許建立申請人特征表的、以從自動面試或其它類似來源獲得的簡介信息填充的傳統(tǒng)數(shù)據(jù)庫。使用SQL查詢來從保存在數(shù)據(jù)庫中的申請人池中選擇特定的申請人。系統(tǒng)可使用最初的“必須有”準則來選擇申請人的子集。這是使用傳統(tǒng)數(shù)據(jù)庫命令來完成的。在該點除去沒有完全滿足所有的“必須有”準則的任何申請人。潛在的雇傭方然后可應用帶有加權(quán)因子的一組“較好有”準則。對該子集中的申請人中的每一個測試“較好有”準則中的每一個。如果他們滿足一準則，則向他們分配該準則的加權(quán)分值。如果他們未完全或精確地滿足準則，則不向他們分配來自該準則的任何分值。這樣的系統(tǒng)無法確定申請人離所請求的準則有多遠。
當檢查了所有的子集申請人之后，可向雇傭方報告收到超過某一閾值的申請人。可能一個也沒有(如果準則太具有限制性)或過多(如果準則太寬松)。這完全取決于雇傭方來確定產(chǎn)生有用選擇的準則。所選擇的申請人是那些收到最高分值的，但未必在總體意義上是“最佳的”。實際上是良好候選人的某些人可能會被過于限制性的準則去除。也可能沒有足夠好地校準的計分方案來反映候選人的特征相對于雇傭方認為理想的特征的真實值。
因此，存在對協(xié)助雇傭方找到最佳候選人的改進的工作候選人評估系統(tǒng)和方法的需求。對升職或?qū)ｉT培訓評估大量候選人或?qū)χT如分銷關(guān)系等某些商業(yè)合伙評估企業(yè)，提出了與雇傭評估相同的問題。此處，該評估系統(tǒng)和方法也需要改進。

發(fā)明內(nèi)容
在一個實施例中，本發(fā)明是用于協(xié)助評估候選人的計算機實現(xiàn)的系統(tǒng)，包括定義多個選擇簡介因素的程序組件，每一因素具有與候選人相關(guān)聯(lián)的一組兩個或多個回答特征；定義與每一組兩個或多個回答特征相關(guān)聯(lián)的計分方案的程序組件，每一回答特征具有基于固有知識的相關(guān)聯(lián)的計分值Sij；用于定義包含對多個選擇簡介因素中的一個或多個的加權(quán)值Wi的加權(quán)向量的程序組件；用于訪問表示一個或多個候選人對多個選擇簡介因素的回答特征的數(shù)據(jù)的程序組件；以及用于形成與選擇簡介因素有關(guān)的每一候選人的回答特征的評估的程序組件，所述評估包括確定與候選人回答特征相關(guān)聯(lián)的計分值，并對所確定的計分值應用對應于該選擇簡介因素的加權(quán)值，然后為每一候選人聚集這樣的候選人的每一回答特征的結(jié)果加權(quán)計分值。另一實施例包含由前述系統(tǒng)執(zhí)行的方法。
在又一實施例中，本發(fā)明是一種帶有可實現(xiàn)前述系統(tǒng)和方法的計算機程序的計算機可讀介質(zhì)。
盡管公開了多個實施例，但通過閱讀示出和描述了本發(fā)明的說明性實施例的以下詳細描述，本發(fā)明的其它實施例對本領(lǐng)域的技術(shù)人員是顯而易見的?？梢岳斫?，本發(fā)明能夠在各個方面進行修改，而不背離本發(fā)明的精神和范圍。從而，附圖及詳細描述應被認為在本質(zhì)上是說明性而非限制性的。


圖1是用于為雇傭評估候選人的系統(tǒng)的示意性框圖。
圖2是特定工作的選擇簡介因素或準則以及對這樣的因素可用的候選人回答的示例清單。
圖3是示出圖2的示例性選擇簡介因素的表，該表帶有包含固有知識的相關(guān)聯(lián)的通用計分方案和權(quán)重。
圖4是示出用于使用本系統(tǒng)來為特定工作評估候選人池的步驟的流程圖。
圖5是示出示例計分方案的一部分的表。
圖6是在計分和加權(quán)方案下進行候選人評估之后的輸出的示例。
圖7是示出對可用于多個工作的一組給定雇主要求如何輸入和組織固有知識的屏幕截圖。
圖8是示出用于選擇或校正評估參數(shù)的控制面板的部分屏幕截圖。
具體實施例方式
概觀。本發(fā)明使用依賴于底層推理機和啟發(fā)式規(guī)則的專家系統(tǒng)方法來為工作、升職或培訓或為諸如分銷商或渠道合伙人等某種形式的商業(yè)合伙從候選人池中作出選擇。以下描述集中于工作候選人選擇，但示出了可用于其它的、具有可比性的多因素選擇活動的系統(tǒng)。
本系統(tǒng)的方法與傳統(tǒng)數(shù)據(jù)庫方法大不相同。首先由對特定雇傭類別(例如，電信產(chǎn)品的銷售)選擇雇員和/或關(guān)于公司的雇傭政策的知識的領(lǐng)域中的專家建立系統(tǒng)邏輯和規(guī)則。該邏輯是使用“如果/則”規(guī)則和專家系統(tǒng)開發(fā)工具所需的其它邏輯圖來定義的。結(jié)果是具有允許確定申請人與特定的目標準則有多緊密匹配的固有知識和規(guī)則的專家系統(tǒng)。作為一個簡單的例子，如果一條準則是申請人居住在辦公室半徑30英里內(nèi)，而候選人實際居住在31英里外，則系統(tǒng)被配置成具有知識和能力來識別31是非常接近于30的。(在硬性的評估中，如果未滿足30英里的準則，則不論實際值如何輕微地超過30，申請人都將被去除或被懲罰。)同樣，在本系統(tǒng)中，如果雇主指定特定期望類型的經(jīng)驗、培訓或認證，則專家系統(tǒng)能夠檢查該申請人的經(jīng)驗、培訓或認證數(shù)據(jù)來找出與該準則相關(guān)的特征，并根據(jù)它們有多么緊密地匹配理想候選人特征來對其分級。
該專家系統(tǒng)被設計成具體化對特定工作類型的申請人選擇過程的廣泛知識。它不限于特定的工作選擇，且由對其提供的特定職位具有不同準則的眾多不同的雇主使用，只要這些準則處于由專家系統(tǒng)的規(guī)則和知識覆蓋的范圍之內(nèi)。它向雇主提供了選擇對特定工作的雇主而言至關(guān)重要的特定準則和權(quán)重的界面。如此處所使用的，“工作”可意味著所聘請的(或與其簽訂合同的)個人或企業(yè)的特征足夠重要來以合理的關(guān)注從申請人中選出的任何形式的聘用。這包括專職或兼職雇傭職位、咨詢聘用、分銷商或其它商業(yè)合伙、志愿者委托、以及其中雇傭或選擇方需要對工作要求的良好或可能的最佳匹配的其它關(guān)系。
一旦定義了工作范圍的準則或選擇因素之后，雇傭方然后可使用專家系統(tǒng)來找出最佳的申請人。雇傭方定義了“理想”申請人的簡介。(這可以是非常精確的，因為系統(tǒng)規(guī)則中的知識將自動測量“最佳符合”而不是具有基于失敗的匹配去除的過度限制性的準則。)本系統(tǒng)然后采用雇主的“理想”簡介，并將它與數(shù)據(jù)庫中每一個申請人的特征進行比較。這是使用傳統(tǒng)的專家系統(tǒng)技術(shù)來完成的，它利用了使用系統(tǒng)中的知識和規(guī)則來對每一申請人如何良好地匹配理想簡介進行分級的底層推理機。對簡介中的每一準則，系統(tǒng)中的知識和規(guī)則提供基于專家針對候選人自身的特征或?qū)傩韵鄬τ谄谕?理想)的特征或?qū)傩缘闹档囊庖姷姆种?。對此的一種觀點是按照對理想特征的“接近程度”考慮。對每一準則的接近程度的測量是由計分方案形式的存儲領(lǐng)域(或固有)知識定義的。然后將對特定候選人和特征確定的“接近程度”分值乘以(一般而言)由雇主提供的指示該特定準則在此選擇中有多重要的加權(quán)因子。這種組合允許雇主指示偏好，但這由規(guī)則、計分方案中包含的專家知識來平衡。
當檢查了所有申請人時，系統(tǒng)將產(chǎn)生最佳滿足簡介的頂尖申請人的列表。系統(tǒng)設計者(或雇傭方)通過指定可調(diào)整報告限度來控制在評估候選人池之后呈現(xiàn)的申請人的精確個數(shù)。假定是足夠大的池，則系統(tǒng)總是會報告所選的個數(shù)。這與以往的方法不同，在后者中，稀疏數(shù)據(jù)庫或限制性準則將可能產(chǎn)生少量甚至不產(chǎn)生選擇。在本方法中，即使沒有申請人精確地滿足全部(或甚至任何)理想準則，但仍舊會選擇和顯示“最佳”匹配。此外，本系統(tǒng)可提供關(guān)于每一所選申請人的申請人專用報告，該報告詳細描述他/她有多匹配(或不匹配)所指定的“理想”。
系統(tǒng)的基本元素。圖1是用于實現(xiàn)以上原理的系統(tǒng)200的示意性框圖。該系統(tǒng)是建立在通用計算機上的，后者具有處理器硬件170以及各種存儲器形式的軟件組件，包括操作系統(tǒng)160和用于存儲評估系統(tǒng)中使用的候選人數(shù)據(jù)和其它數(shù)據(jù)的數(shù)據(jù)庫管理器150。存在用于實現(xiàn)該系統(tǒng)的各種其它的軟件組件。存在用于接收描述雇傭方希望雇傭的個人的簡介的信息的雇傭方界面210，這些信息包括對選擇簡介因素(或準則)的數(shù)據(jù)輸入110、因素權(quán)重120和其它用命令122。也存在可從面試222(這可在線交互式地完成)、之前存儲的人事記錄224或職業(yè)介紹源226(諸如代表候選人行動的就業(yè)指導辦公室或其它代理)中接收數(shù)據(jù)的候選人數(shù)據(jù)界面和數(shù)據(jù)文件220。
其它的軟件組件實現(xiàn)了系統(tǒng)200的其它專門的功能。使用專家系統(tǒng)190作為構(gòu)造評估邏輯的平臺。例如，新墨西哥州阿爾伯克基市的Exsys有限公司所產(chǎn)的Exsys知識自動化專家系統(tǒng)是一個合適的平臺，可對其加載關(guān)于工作/職位領(lǐng)域以及關(guān)于公司政策上的領(lǐng)域知識或用于候選人評估的其它知識。使用專家領(lǐng)域輸入界面242，系統(tǒng)創(chuàng)建了可由評估和報告軟件組件230訪問的固有知識的數(shù)據(jù)結(jié)構(gòu)或數(shù)據(jù)庫文件240。除控制評估以外，這些組件還產(chǎn)生反映評估處理的結(jié)果。例如，它們可輸出經(jīng)分級的候選人列表250和/或候選人評論252。
評估規(guī)則/固有知識。為開始候選人評估過程，雇傭方首選必須形成選擇簡介因素(或準則)的列表。圖2示出了可用作對系統(tǒng)的輸入的這樣的列表的示例。圖2的圖表在前6行示出了某些串數(shù)據(jù)的字段。在第一列(“名稱”)的這些行下面顯示了雇傭方觀點中與特定工作有關(guān)的因素。這些包括調(diào)動的意愿；候選人可接受的最大通勤路程；當前雇傭狀況；候選人可接受的出差量；最近的年薪；最近的工作職能；電信行業(yè)中的經(jīng)驗；忠誠調(diào)查(security clearance)；最高學位；一個或多個認證等。
第二列中是數(shù)據(jù)“類型”。第三列中是可由候選人響應于關(guān)于因素中的每一個的查詢選擇的兩個或多個可能的候選人回答特征(屬性)(或在可訪問的記錄中預先存在)。如上所述，系統(tǒng)200使用了一種專家系統(tǒng)，對該專家系統(tǒng)加載允許其確定申請人如何緊密地匹配特定的選擇簡介因素的固有知識和規(guī)則。設置接近程度測量的一個方面是，在可用于選擇的一組回答特征(或?qū)傩?中不僅定義精確的期望簡介準則，還定義表示候選人可能具有的備選特征的某些回答。為可能的選擇定義的該組回答被設計成提供可在其上測量對(對該工作定義的)理想特征的接近程度的尺度。因此，某些回答可表示相對于理想特征接近和有用的備選，而其它回答可表示距離較遠和/或無用的備選。使用專家意見來定義對分類區(qū)分特征/屬性有用的回答備選是允許在候選人中進行有效的接近程度測量的一部分。
表示任何特定候選人的特征的這些回答能以各種方式從候選人中接收。對此的一種方式是向候選人提供交互式屏幕，該屏幕呈現(xiàn)各種因素，并提示對每一因素使用下拉式菜單來查看和選擇作為候選人的回答且最終將用于接近程度測量的備選。因此，參考圖2，響應于“最大通勤路程”，候選人將選擇列在第三列中的六個備選之一，并且，例如，響應于“當前雇傭”可選擇是或者非，如該行中所列出的。圖2示出了一組大約20個選擇簡介因素。如可以理解的，該組選擇簡介因素可以如需要的一般長，且僅受從候選人中收集回答的實際考慮限制。同樣，對一因素的一組回答可具有2個、3個、4個、8個等選擇，且可如需要的一般多來制訂可能的候選人特征，盡管對制成用于得出候選人回答的可用工具也存在實際限制。
候選人回答特征也可從熟悉候選人背景的就業(yè)指導代理處獲得，或者在內(nèi)部或之前已了解的候選人的情況下，可從組織對雇員、前雇員以及顧問保存的記錄中獲得。因此，回答特征指的是對選擇簡介因素的回答，無論候選人是否是自己直接向系統(tǒng)提供了回答。
圖3在前兩列示出了與圖2中的前兩行相同的選擇簡介因素和回答。此處，每一因素具有一組相關(guān)聯(lián)的回答Rij。例如，因素0(愿意調(diào)動)具有回答集R01＝是、R02＝否，而因素1(最大通勤路程)具有R11＝0-5英里、R12＝5-10英里等。然后，圖3也引入了以上討論的靈活計分方案和加權(quán)。如在第三列中可見，系統(tǒng)使選擇因素編號1的每一回答與計分值S1j相關(guān)聯(lián)，其中j的范圍是1到6，每一R1j具有相關(guān)聯(lián)的計分值S1j。對“最大通勤路程”因素，可選擇值集合{S11，S12，S13，S14，S15，S16}使得它基本上是線性的，對示出的越大的靈活性給出遞增的分值，例如{S11＝1，S12＝2，S13＝3，S14＝4，S15＝5，S16＝6}。這可以基于具體化成可在與該組可能的回答同時準備的來自界面242的專家輸入的判斷。然而，可見，如果研究(或不同的專家的判斷)確定，較大的靈活性僅在某點以下有遞增的價值，則從專家輸入輸入或得到的一組值可以是{S11＝1，S12＝2，S13＝3，S14＝3，S15＝3，S16＝3}。因此，此類固有知識可以對為此因素的接近程度測量形成計分方案。
最近年薪因素可利用帶有負計分值的某些候選人回答的關(guān)聯(lián)。例如，當一份工作年薪$50,000時，專家可斷定最近掙明顯更多的錢的個人可能接受該工作，但一般會繼續(xù)尋找更高薪的職位，因此對所提供的職位提供了較差的穩(wěn)定性。因此，對年薪$30,000到$45,000的給定工作，回答位于最高兩個薪水等級的候選人可能得到帶有一組相關(guān)聯(lián)回答值的負分值，諸如{S41＝1，S42＝2，S42＝3，S44＝4，S45＝(-2)，S46＝(-5)}。因此，特定類型的固有知識也可為該因素形成計分方案。
“最近工作職能”是其中固有或?qū)＜抑R有用的一個因素，因為對理想的最近工作職能的接近程度可能是難以判斷或測量的。此處，有經(jīng)驗的人事判斷和/或研究可為沒有純粹數(shù)學或邏輯模式的計分方案定義一組回答以及相應的一組計分值?？赡艽嬖谂c不同回答相關(guān)聯(lián)的同一計分值；可能存在負的分值；在該計分方案上可能存在非常非線性的一組值，例如{S51＝2，S52＝2，S53＝3，S54＝(-4)，S55＝(-2)，S56＝5，S57＝4，S58＝7}(假定有8個可能的回答)。盡管本示例僅示出工作職能的一個等級，但也有可能通過關(guān)注于不同的行業(yè)子類別和任何給定工作的多個、更具體的職能使得該詢問粒度更細。然后可經(jīng)由多個因素評估該準則，每一因素具有其自己的計分方案。
因此，計分方案可被設計成對其特征在每一因素上都精確符合理想候選人的簡介的個人在每一因素上產(chǎn)生最高的分值。其它候選人特征將得到較少的分值，這些分值被校準來反應可應用于計分方案的盡可能多的固有知識。某些回答可與負分值相關(guān)聯(lián)，這將導致有效的懲罰，降低其它因素上良好分值的值。
作為示例，圖7示出了允許在選擇簡介因素“最近工作職能”上收集固有知識的矩陣的屏幕截圖。圖7中，最左的一列列出了可能雇傭方的要求，即可能選擇為對某些電信行業(yè)工作的理想的特征(此處為工作職能)。最上方的一行列出了與對詢問的可能候選人回答相同的這些特征。因此，矩陣的對角線表示精確匹配，這些匹配總是被評估為可用尺度上的最高等級(此處，范圍為“非常好(Very Good)”到“無意義(No Significance)到“非常差(Very Bad)”)。為該評估方案提供(經(jīng)由圖1的專家領(lǐng)域界面242)專家/固有知識的個人將選擇由下拉式菜單(見圖7，列3)所呈現(xiàn)的7個可能的類別之一。對選擇的這種判斷進行了關(guān)于候選人基于該選擇因素的合適程度的重要的接近程度或值判斷。例如，如理想為“電信產(chǎn)品的顧客服務代表(Customer Service Representative for telcom products)”，則“電信產(chǎn)品的外部銷售(outside sales fortelecom products)”和“電話銷售(電信產(chǎn)品)(telephone sales(telecom products))”均可分級為“良好(good)”。其它可能的候選人回答(特征)分級為“可以(fair)”、“較差(poor)”或“差(bad)”。
圖7中這樣的矩陣是自動將固有知識的文檔轉(zhuǎn)化為成為執(zhí)行評估的軟件組件的邏輯的所存儲的數(shù)據(jù)結(jié)構(gòu)的一個步驟?？梢姡仃嚥蹲脚c列在最左一列的職位中的每一個有關(guān)的固有知識。因此，這對多個工作選擇而言是有用的。
使用圖7的矩陣中所捕捉的定性分級，系統(tǒng)構(gòu)造器現(xiàn)在可關(guān)聯(lián)任何合適的定性分值Sij。如上所述，它們可以是正的或是負的，且線性或非線性地從最高到最低。所選的特定數(shù)值反應了其它固有知識。
圖5是示意性描述了圖3中概括示出的計分方案中的一組簡化的因素和回答特征的表。在圖5的表中可見，該計分方案允許在范圍{-7，+7}上的分值。對表{因素0，…因素6}中的每一因素，可能回答{Ri1，Ri2，Ri3，…}中的每一個被置于與尺度{-7，+7}上的分值相關(guān)聯(lián)的單元中。各種因素演示了基于特定工作領(lǐng)域中的因素的固有知識的若干可能的計分方案。因素0簡單的是/否備選，僅其中之一向候選人提供了任何計分值；因素1回答范圍上的分值的簡單線性增長，除非兩個回答的中的任何一個都可產(chǎn)生最高可能分值4；因素2簡單的是/否備選，但所計分的值與因素0相比可以相反；因素3范圍為0到正值的一般線性計分范圍；因素4高度非線性計分范圍，帶有負或正值；因素5另一高度非線性計分范圍，帶有正或負值，且兩個回答與同一分值相關(guān)聯(lián)。
在一種可能的計分方案中，與特定特征相關(guān)聯(lián)的計分值不是從范圍{-7，+7}中取出的常數(shù)，而是可使之成為另一候選人特征的函數(shù)。即，例如，如果注意圖3中的一個或多個回答，因素1(最大通勤路程)應鏈接至因素行4(最近年薪)中的一個或多個回答，值S4j可響應于或是值S1j的函數(shù)。在圖3的表中可見該方法，其中S46被記錄為取決于為S1j所選的特征而計分不同。例如，S46可減少(或增加)值S1j。
另一個示例可以是一種形式的心理測量調(diào)整，其中與候選人的回答相關(guān)聯(lián)的值可被調(diào)整來考慮可辨別的報告偏差。由系統(tǒng)評估的候選人特征必然是由候選人或另一信息源向系統(tǒng)報告的那些。使用對候選人和源的合適的心理測量分析，可發(fā)現(xiàn)，由于某些回答數(shù)據(jù)可能被候選人或源“夸大”，因此需要折扣，這些回答數(shù)據(jù)可從另一回答或回答模式中檢測出。相反，過分的謙虛也可從一個或多個回答中辨別出。作為反應，尺度上的一個或多個分值由于暗示謙虛偏差的另一尺度上的回答而受到向上調(diào)整。圖5的因素6示出了可如何使用計分表中的單元來引起對條件基礎(chǔ)的這一校正。此處，三個單元以1分的條件應用調(diào)整來注釋。對兩個單元，未指示調(diào)整。這是可在計分方案中實現(xiàn)圍繞一個特定工作或多個工作的固有知識以及領(lǐng)域內(nèi)申請過程的知識的另一方法。使用復雜的專家系統(tǒng)允許通過計分方案中操作的合適的“如果/則”或其它邏輯來實現(xiàn)這樣的依存關(guān)系。圖5僅是可如何組織和實現(xiàn)計分方案的一個示例。它給予用于實現(xiàn)供比較特定候選人特征使用的有用度量的固有知識的相當?shù)撵`活性和復雜性。
也可能允許對任何給定因素有兩個或多個回答，并對某些回答中的每一個應用一個分值。例如，在一個基于教育(不僅是最高學位)的因素中，候選人可能回答他/她既有大專學位(associate degree)又有學士學位?？捎蛇m當?shù)挠嫹址桨高壿嫗檫@兩個回答向該候選人獎勵分數(shù)。
盡管使雇傭方參與對計分方案的設計可能有用，但計分方案的復雜設計可僅牽涉最復雜的人力資源部分的可用專家。因此，在眾多情況中，計分方案中的固有知識可完全來自領(lǐng)域?qū)＜?，且用戶將信任這些方案是良好構(gòu)造的。然而，雇傭方仍需要具有在評估過程中包含其偏好的機會。
從而，再次參考圖3，除用于指導回答計分的固有知識以外，該系統(tǒng)允許雇傭方在評估中相比其它因素更強調(diào)某些因素。因此，“最近工作職能”可視為遠重要于“最大通勤路程”。該系統(tǒng)允許雇傭方對一行或多行分配加權(quán)因子Wi(在圖3的第四列示出)。對某些因素，將加權(quán)值固定為單位元素(“1”)可能是有用的，使得不分配特殊權(quán)重。在其它應用中，所有的行/因素可具有可選擇的權(quán)重。如在第五列可見，然后將從計分方案中得到的所計分的值使用應用于由應用計分方案所形成的分值的加權(quán)因子來加權(quán)。例如，權(quán)重可應用為簡單的乘數(shù)，Wi×Sij，盡管對值加權(quán)的其它數(shù)學方法也是可能的，且可從理論或從經(jīng)驗工作中得到。使用加權(quán)的示例性乘數(shù)形式，候選人的一組回答的總分值可如下計算分級分值＝加權(quán)的單個因素分值的總和＝(S1j×W1)+(S2j×W2)+…+(Sij×Wi)…，其中S1j、S2j等是根據(jù)候選人的特征和包含固有知識的計分方案對每一簡介選擇因素分配的分值。統(tǒng)計員已知的聚集加權(quán)分值的其它方法也是可能的。
圖8示出了用于對給定的一組選擇簡介因素選擇和設定理想簡介特征的“儀表板”或控制面板的一部分的屏幕截圖。該面板作為允許輸入選擇簡介因素110、因素權(quán)重和其它用戶命令122的用戶界面(圖1，210)的一部分向用戶呈現(xiàn)。如圖8中所見，首先，用戶標識職位和薪水，然后對每一簡介選擇因素從下拉式列表選擇理想特征/屬性。接著，對每一簡介因素，用戶可選擇分值的低、中或高權(quán)重?？蓪訖?quán)因數(shù)分配任何合適的值，諸如低＝0.5、中＝1.0、高＝2.0或低＝0.25、中＝1.0、高＝3.0。為作出權(quán)重選擇，用戶僅需理解一個因素將具有另一因素的權(quán)重的倍數(shù)。
方法和相互作用。設置特定工作職位的候選人的評估的過程一般遵循圖4中所示的步驟。首先，雇傭方和/或個人協(xié)助系統(tǒng)構(gòu)件為至少一個工作領(lǐng)域收集固有知識410，包括特定的候選人選擇簡介因素、每一因素一般會遇到的候選人特征的范圍、以及其在會發(fā)生候選人評估的一個或多個工作中的值。為設置工作領(lǐng)域中特定工作的候選人評估，雇傭方/系統(tǒng)構(gòu)造者定義了一組選擇簡介因素412。對每一特定的選擇簡介因素，雇傭方/系統(tǒng)構(gòu)造者定義了包括理想和非理想的、接近的特征的一組回答414。對特定的一組回答，然后必須定義將計分值與理想和接近特征相關(guān)聯(lián)的計分方案416。注意到，這之中的許多都可由專家在任何特定工作定義和向候選人提供工作之前完成。對每一特定的選擇簡介因素，也必須定義加權(quán)因數(shù)418。然后，對特定工作，雇傭方從最高分級的候選人往下到報告限度確定要查看的候選人結(jié)果的個數(shù)420。報告限度(可作為圖8的控制面板上的選擇提供)可以如3個或4個那樣少，或如果候選人池較大且審閱者有時間和資源來審閱眾多候選人，則可包括10個或15個或甚至更多。
在此基礎(chǔ)之上，可以開始招攬候選人(或訪問已經(jīng)接收的一列候選人)。為提供作為有用輸入的數(shù)據(jù)，候選人必須提交對應于所定義的評估方案的數(shù)據(jù)。使用所定義的一組可能的回答，包括理想和接近特征，雇傭方收集候選人數(shù)據(jù)422。對回答的電子招攬是高效的，且可使用適當?shù)暮蜻x人數(shù)據(jù)界面220(圖1)實現(xiàn)。(例如，可使用經(jīng)由在線形式的面試。)電子數(shù)據(jù)立即可供分析；然而也可使用紙件工具(通過掃描或其它合適的輸入手段捕捉的數(shù)據(jù))來收集候選人信息用于評估。一旦充分填充了候選人池(可關(guān)閉)之后，對每一候選人，系統(tǒng)訪問候選人數(shù)據(jù)，并對候選人回答特征應用計分方案，并應用加權(quán)值來獲得候選人總分424。這可被表達為原始數(shù)字或作為對理想候選人的最大可能分值的百分比。當計算出多個候選人總分值時，系統(tǒng)可按照總分值對候選人分級，并應用報告限度來選擇要審閱的那些候選人。系統(tǒng)然后以堆棧列表或有序列表輸出這些候選人，以及分值和任何評論426。報告限度可以是可調(diào)整的參數(shù)，可由用戶在查看任何輸出之前或之后選擇。
如果用戶感到結(jié)果不令人滿意428，則用戶可考慮是否可重置選擇簡介中的參數(shù)和/或權(quán)重來產(chǎn)生更好的結(jié)果。如果結(jié)果令人滿意，則評估結(jié)束430。如果否，則用戶返回至控制面板(圖8)來重置期望的參數(shù)432(包括理想特征、權(quán)重)，并啟動對候選人數(shù)據(jù)的經(jīng)修改的計分方案的新應用424。這可以重復直到獲得滿意的結(jié)果。
數(shù)據(jù)結(jié)構(gòu)。對本發(fā)明的系統(tǒng)和方法的使用引起對某些數(shù)據(jù)結(jié)構(gòu)的構(gòu)造來捕捉確定評估的固有知識。使用如圖7中的選擇矩陣，這些可由專家領(lǐng)域輸入界面242來簡化。對本系統(tǒng)的使用也引起對具體化圖3和5的計分方案的數(shù)據(jù)結(jié)構(gòu)的構(gòu)造。這些歸檔了固有知識，并提供了對候選人數(shù)據(jù)的數(shù)學和邏輯評估以及計分的基礎(chǔ)。
輸出。評估過程的典型輸出在圖6中示出。這種形式的輸出顯示了帶有百分值的經(jīng)分級的候選人列表250(圖1)，這些值是基于在選擇簡介因素的每一元素上得到最高分的候選人將獲得的分值的百分比來計算的。所示的報告的特定形式也包括簡要的文本候選人評論252(圖1)，這有助于解釋可能最重要的接近程度度量。例如，報告可對其中候選人的回答匹配計分方案中理想回答的那些情況作出注釋。它也可提及值得面試官在與候選人的任何隨后接觸中了解的因素。該報告也可提供實際回答的概述。
其它應用。以上的系統(tǒng)和方法也可應用于評估其它候選人池，諸如已經(jīng)雇傭的雇員的池，來自該池的雇傭雇員希望選擇個人來調(diào)動或升職到新的職位或選擇將對其提供額外培訓的個人。在這種情況中，人事記錄可提供候選人數(shù)據(jù)220(圖1)的許多相關(guān)候選人屬性/特征，進行任何在線面試來收集不必要或簡略的其它屬性/特征。此處，包含嵌入計分方案內(nèi)部的固有知識的選擇簡介因素和相應的特征的焦點可更多地集中于來自工作評估的數(shù)據(jù)，或可能由內(nèi)部管理的評定工具產(chǎn)生。評定結(jié)果可就團隊工作傾向或與評估和最終選擇有關(guān)的現(xiàn)有技術(shù)的度量進行報告。選擇簡介因素和計分方案被配置成選擇最佳候選人來升職或培訓。
以上的系統(tǒng)和方法也可應用于評估其它候選人池，其中候選人不是個人而是諸如可能的分銷商、銷售代表或其它商業(yè)合伙人等企業(yè)。此處，包含嵌入計分方案內(nèi)部的固有知識的選擇簡介因素和相應的特征的焦點將是組織特征，諸如規(guī)模、位置、生產(chǎn)線經(jīng)驗、技術(shù)人員的認證、與可能有競爭性或補充產(chǎn)品的牽連。再一次，由于這樣的實體的評估的多維本質(zhì)，本系統(tǒng)可提供好處。
盡管參考較佳實施例描述了本發(fā)明，但本領(lǐng)域的技術(shù)人員可以認識，可在形式或細節(jié)上進行改變，而不背離本發(fā)明的精神和范圍。
權(quán)利要求
1.一種用于協(xié)助評估候選人的計算機實現(xiàn)的系統(tǒng)，包括定義多個選擇簡介因素的程序組件，每一因素具有可適用于候選人的一組兩個或多個回答特征；定義與每一組兩個或多個回答特征相關(guān)聯(lián)的計分方案的程序組件，每一回答特征具有基于固有知識的相關(guān)聯(lián)的計分值Sij；用于定義包含對所述多個選擇簡介因素的一個或多個的加權(quán)值Wi的加權(quán)向量的程序組件；用于訪問表示一個或多個候選人對所述多個選擇簡介因素的回答特征的數(shù)據(jù)的程序組件；以及用于形成每一候選人與所述選擇簡介因素有關(guān)的回答特征的評估的程序組件，所述評估包括確定與所述候選人回答特征相關(guān)聯(lián)的計分值，并對所確定的計分值應用對應于所述選擇簡介因素的加權(quán)值，然后為每一候選人聚集這一候選人的回答特征的所得的加權(quán)計分值。
2.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述用于為候選人聚集所得的加權(quán)計分值的程序組件包括，用于計算這樣的加權(quán)計分值的總和的程序組件，并且還包括，用于基于對每一候選人所得的加權(quán)分值的總和對所述一個或多個候選人分級的程序組件。
3.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述用于定義加權(quán)向量的程序組件基于用戶的權(quán)重選擇定義加權(quán)值。
4.如權(quán)利要求1所述的系統(tǒng)，其特征在于，與至少一個選擇簡介因素相關(guān)聯(lián)的計分方案具有非線性的值范圍。
5.如權(quán)利要求1所述的系統(tǒng)，其特征在于，與至少一個選擇簡介因素相關(guān)聯(lián)的計分方案包含響應于另一選擇簡介因素的所選回答的依存關(guān)系。
6.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述定義計分方案的程序組件具有用于接收專家輸入來確定所述計分方案中的計分值的相關(guān)聯(lián)的專家領(lǐng)域輸入界面。
7.如權(quán)利要求1所述的系統(tǒng)，其特征在于，還包括，用于從一個或多個候選人中招攬回答的程序組件，所述候選人選擇與所述選擇簡介因素有關(guān)的回答特征。
8.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述候選人是從由工作候選人、升職候選人、培訓候選人和商業(yè)合伙人候選人構(gòu)成的組中選擇的候選人。
9.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述固有知識具體化為定義相對于理想的回答特征的接近程度度量的矩陣的形式。
10.如權(quán)利要求1所述的系統(tǒng)，其特征在于，還包括，用于在計分方案中選擇和再次選擇元素的程序組件，所述計分方案由所述程序組件為形成評估而應用。
11.一種用于協(xié)助評估候選人的計算機實現(xiàn)的方法，包括定義多個選擇簡介因素，每一因素具有適用于候選人的一組兩個或多個回答特征；定義與每一組兩個或多個回答特征相關(guān)聯(lián)的計分方案，每一回答特征具有基于固有知識的相關(guān)聯(lián)的計分值Sij；定義包含對所述多個選擇簡介因素的一個或多個的加權(quán)值Wi的加權(quán)向量；訪問表示一個或多個候選人對所述多個選擇簡介因素的回答特征的數(shù)據(jù)；以及形成每一候選人與選擇簡介因素有關(guān)的回答特征的評估，所述評估包括確定與候選人回答特征相關(guān)聯(lián)的計分值，并對所確定的計分值應用對應于該選擇簡介因素的加權(quán)值，然后為每一候選人聚集這一候選人的每一回答特征的所得的加權(quán)計分值。
12.如權(quán)利要求11所述的方法，其特征在于，所述為候選人聚集所得的加權(quán)計分值的步驟包括，計算這樣的加權(quán)計分值的總和，并且還包括，基于對每一候選人所得的加權(quán)分值的總和對所述一個或多個候選人分級。
13.如權(quán)利要求11所述的方法，其特征在于，所述定義加權(quán)向量的步驟基于用戶的權(quán)重選擇定義加權(quán)值。
14.如權(quán)利要求11所述的方法，其特征在于，與至少一個選擇簡介因素相關(guān)聯(lián)的計分方案具有非線性的值范圍。
15.如權(quán)利要求11所述的方法，其特征在于，與至少一個選擇簡介因素相關(guān)聯(lián)的計分方案包含響應于另一選擇簡介因素的所選回答的依存關(guān)系。
16.如權(quán)利要求11所述的方法，其特征在于，所述定義計分方案的步驟具有用于接收專家輸入來確定所述計分方案中的計分值的相關(guān)聯(lián)的專家領(lǐng)域輸入界面。
17.如權(quán)利要求11所述的方法，其特征在于，還包括，從一個或多個候選人中招攬回答，所述候選人選擇與所述選擇簡介因素有關(guān)的回答特征。
18.如權(quán)利要求11所述的方法，其特征在于，所述候選人是從由工作候選人、升職候選人、培訓候選人和商業(yè)合伙人候選人構(gòu)成的組中選擇的候選人。
19.如權(quán)利要求11所述的方法，其特征在于，所述固有知識具體化為定義相對于理想的回答特征的接近程度度量的矩陣的形式。
20.如權(quán)利要求11所述的方法，其特征在于，還包括，在計分方案中選擇和再次選擇元素，所述計分方案由所述程序組件為形成評估而應用。
21.一種其中存儲用于協(xié)助評估候選人的計算機程序的計算機可讀介質(zhì)，所述計算機程序包括定義多個選擇簡介因素的程序組件，每一因素具有可適用于候選人的一組兩個或多個回答特征；定義與每一組兩個或多個回答特征相關(guān)聯(lián)的計分方案的程序組件，每一回答特征具有基于固有知識的相關(guān)聯(lián)的計分值Sij；用于定義包含對所述多個選擇簡介因素的一個或多個的加權(quán)值Wi的加權(quán)向量的程序組件；用于訪問表示一個或多個候選人對所述多個選擇簡介因素的回答特征的數(shù)據(jù)的程序組件；以及用于形成每一候選人與所述選擇簡介因素有關(guān)的回答特征的評估的程序組件，所述評估包括確定與所述候選人回答特征相關(guān)聯(lián)的計分值，并對所確定的計分值應用對應于所述選擇簡介因素的加權(quán)值，然后為每一候選人聚集這一候選人的每一回答特征的所得的加權(quán)計分值。
22.如權(quán)利要求21所述的介質(zhì)，其特征在于，所述用于為候選人聚集所得的加權(quán)計分值的程序組件包括，用于計算這樣的加權(quán)計分值的總和的程序組件，并且還包括，用于為基于對每一候選人所得的加權(quán)分值的總和對所述一個或多個候選人分級的程序組件。
23.如權(quán)利要求21所述的介質(zhì)，其特征在于，所述用于定義加權(quán)向量的程序組件基于用戶的權(quán)重選擇定義加權(quán)值。
24.如權(quán)利要求21所述的介質(zhì)，其特征在于，與至少一個選擇簡介因素相關(guān)聯(lián)的計分方案具有非線性的值范圍。
25.如權(quán)利要求21所述的介質(zhì)，其特征在于，與至少一個選擇簡介因素相關(guān)聯(lián)的計分方案包含響應于另一選擇簡介因素的所選回答的依存關(guān)系。
26.如權(quán)利要求21所述的介質(zhì)，其特征在于，所述定義計分方案的程序組件具有用于接收專家輸入來確定所述計分方案中的計分值的相關(guān)聯(lián)的專家領(lǐng)域輸入界面。
27.如權(quán)利要求21所述的介質(zhì)，其特征在于，還包括，用于從一個或多個候選人中招攬回答的程序組件，所述候選人選擇與所述選擇簡介因素有關(guān)的回答特征。
28.如權(quán)利要求21所述的介質(zhì)，其特征在于，所述候選人是從由工作候選人、升職候選人、培訓候選人和商業(yè)合伙人候選人構(gòu)成的組中選擇的候選人。
29.如權(quán)利要求21所述的介質(zhì)，其特征在于，所述固有知識是以定義相對于理想的回答特征的接近程度度量的矩陣的形式捕捉的。
30.如權(quán)利要求21所述的介質(zhì)，其特征在于，還包括，用于在計分方案中選擇和再次選擇元素的程序組件，所述計分方案由所述程序組件為形成評估而應用。
全文摘要
在一個實施例中，本發(fā)明是一種用于協(xié)助評估工作、升職、培訓或其它商業(yè)合伙的候選人的系統(tǒng)。該系統(tǒng)具有定義多個選擇簡介因素的程序組件，每一因素具有與候選人相關(guān)聯(lián)的一組兩個或多個回答特征；以及定義與每一組兩個或多個回答特征相關(guān)聯(lián)的計分方案的程序組件，每一回答特征具有基于固有知識的相關(guān)聯(lián)的計分值Sij。該系統(tǒng)還具有用于定義包含對多個選擇簡介因素的一個或多個的加權(quán)值Wi的加權(quán)向量的程序組件和用于訪問表示一個或多個候選人對多個選擇簡介因素的回答特征的數(shù)據(jù)的程序組件。此外，還存在用于形成每一候選人與選擇簡介因素有關(guān)的回答特征的評估的程序組件，所述評估包括確定與候選人回答特征相關(guān)聯(lián)的計分值，并對所確定的計分值應用對應于該選擇簡介因素的加權(quán)值，然后為每一候選人聚集這一候選人的每一回答特征的所得的加權(quán)計分值。
文檔編號G06Q10/00GK1873678SQ20061009153
公開日2006年12月6日 申請日期2006年6月5日 優(yōu)先權(quán)日2005年6月3日
發(fā)明者O·R·布洛博格 申請人:依康特能有限公司