Wawancara teknis modern adalah ritual untuk insinyur perangkat lunak yang (semoga!) Mendahului mendapatkan pekerjaan yang sangat baik. Tetapi juga sumber stres yang sangat besar, pertanyaan yang tak ada habisnya bagi kandidat. Sebuah pencarian sederhana, "Cara Bersiap untuk Wawancara Teknis," mengeluarkan jutaan posting di Medium, pemrograman blog pelatihan, diskusi Quora, dan bahkan seluruh buku.

Terlepas dari semua informasi ini, orang masih berjuang untuk mencari tahu bagaimana berperilaku dalam sebuah wawancara. Dalam artikel sebelumnya, kami menemukan bahwa sejumlah besar pengguna yang melakukan interview.io terlalu meremehkan kemampuan mereka, yang meningkatkan kemungkinan hasil wawancara negatif. Sekarang kami telah menerima lebih banyak data (lebih dari 10.000 wawancara dengan insinyur perangkat lunak nyata), jadi kami ingin menggali lebih dalam: apa yang membuat para kandidat menurunkan harga diri mereka?

Dari penelitian ilmiah, beberapa fakta umum diketahui yang mengganggu harga diri yang tepat: misalnya, orang tidak selalu mengevaluasi atau bahkan mengingat kinerja mereka dalam tugas-tugas kognitif yang kompleks, seperti menulis kode ¹ . Wawancara teknis sangat sulit untuk dievaluasi jika kandidat tidak memiliki banyak pengalaman bekerja dengan pertanyaan tanpa satu jawaban yang benar. Karena banyak perusahaan tidak membahas hasil wawancara dengan kandidat, banyak yang tidak akan pernah mengerti apa yang mereka lakukan dengan baik atau apa yang bisa lebih baik ^{2 3} . Pada akhirnya, menghilangkan tirai kerahasiaan seputar wawancara kerja di seluruh industri telah menjadi salah satu alasan utama untuk menciptakan wawancara .

Hingga saat ini, hanya ada sedikit data tentang bagaimana perasaan orang setelah wawancara nyata di berbagai perusahaan IT. Oleh karena itu, kami mengumpulkan data ini dalam skala besar, yang memungkinkan kami menguji teori menarik tentang pengembang dan kepercayaan mereka pada keterampilan pemrograman mereka.

Salah satu faktor utama yang menarik bagi kami adalah sindrom penipu . Diketahui bahwa banyak programmer menderita karenanya ⁴ . Banyak orang bertanya-tanya apakah mereka benar-benar sesuai tingkatnya dengan rekan mereka, dan menganggap bukti meyakinkan kompetensi mereka sebagai kecelakaan. Sindrom Imposter membuat Anda bertanya-tanya sejauh mana Anda bisa mengandalkan ulasan positif tentang kinerja dan berapa banyak peluang yang berasal dari upaya kandidat sendiri, dibandingkan dengan keberuntungan. Yang menarik bagi kami adalah seberapa banyak wanita menderita sindrom ini. Ada banyak penelitian yang menunjukkan bahwa para kandidat dari sektor-sektor populasi yang kurang terwakili lebih cenderung kurang memiliki rasa kebersamaan, yang memicu sindrom penipu. , dan ini dapat merusak penilaian kemampuan mereka sendiri dalam wawancara.

Organisasi penelitian

Interviewing.io adalah sebuah platform di mana orang secara anonim melalui wawancara teknis, dan jika semuanya berjalan dengan baik, mereka mendapatkan pekerjaan di perusahaan-perusahaan terkemuka. Kami meluncurkan proyek karena resume tidak memberikan gambaran lengkap dan karena kami percaya bahwa siapa pun, terlepas dari resume, harus dapat mengekspresikan diri.

Ketika pewawancara dan kandidat bertepatan, mereka bertemu dalam lingkungan pengkodean bersama dengan komunikasi suara, obrolan teks, "papan tulis" dan dibenamkan dalam tugas teknis (Anda dapat melihat proses ini beraksi di halaman dengan catatan wawancara ). Setelah setiap wawancara, mereka meninggalkan umpan balik satu sama lain, dan masing-masing pihak melihat apa yang dikatakan orang lain tentang dia segera setelah keduanya mengirim umpan balik.

Berikut ini contoh formulir umpan balik pewawancara:


Formulir Umpan Balik Pewawancara

Segera setelah wawancara, para kandidat mengevaluasi pada skala yang sama dari 1 hingga 4 seberapa baik, menurut pendapat mereka, mereka berhasil:


Formulir umpan balik kandidat

Untuk artikel ini, kami memeriksa lebih dari 10 ribu wawancara teknis yang dilakukan oleh insinyur perangkat lunak nyata dari perusahaan terkemuka. Selama setiap wawancara, pewawancara mengevaluasi kandidat dengan kemampuannya untuk menyelesaikan masalah, keterampilan teknis dan komunikasi, dan apakah kandidat tersebut layak untuk pindah ke babak berikutnya. Ini memberi kita indikator betapa berbedanya harga diri para kandidat dari penilaian yang diberikan pewawancara sebenarnya, dan ke arah mana. Dengan kata lain, seberapa terdistorsi harga diri kandidat dibandingkan dengan kualitas sejatinya?

Awalnya, kami memiliki beberapa asumsi tentang apa yang mungkin mempengaruhi hasil:

• Paul Akankah lebih sulit bagi wanita untuk mengevaluasi kemampuan pemrograman mereka daripada untuk pria?
• Sebelumnya, dia melakukan wawancara . Tampaknya masuk akal bahwa setelah mengunjungi pihak lain, Anda akan menunjukkan harga diri yang lebih akurat pada saat wawancara.
• Dia bekerja di perusahaan papan atas . Mirip dengan paragraf sebelumnya.
• Dia menunjukkan hasil yang sangat baik di wawancara - orang yang menunjukkan hasil terbaik secara umum dapat memiliki lebih banyak kepercayaan dan kesadaran tentang ketika mereka melakukan segalanya dengan benar (atau salah!).
• Akomodasi di Bay Area atau tidak. Karena perusahaan IT masih terkonsentrasi secara geografis di wilayah Teluk, kami merasa bahwa orang yang tinggal di daerah dengan budaya rekayasa yang lebih jenuh lebih mengenal standar wawancara profesional.
• Kualitas pertanyaan dan kualifikasi pewawancara langsung di wawancara . Agaknya, pewawancara terbaik lebih baik dalam berkomunikasi, dan pewawancara bodoh dapat mengacaukan harga diri kandidat. Kami juga mempertimbangkan apakah ini wawancara pelatihan atau untuk posisi tertentu.
• Untuk beberapa kandidat, kita juga bisa melihat indikator merek pribadi mereka di industri, seperti jumlah pengikut di GitHub dan Twitter. Mungkin orang-orang dengan pengaruh kuat di Internet lebih percaya diri ketika mereka diwawancarai?

Apa yang kami temukan?

Wanita mengevaluasi kemampuan teknis mereka seperti halnya pria

Berlawanan dengan ekspektasi mengenai gender dan kepercayaan diri, kami tidak menemukan perbedaan gender yang signifikan secara statistik. Pada awalnya, tampaknya kandidat perempuan sering meremehkan hasil mereka, tetapi ketika kami menormalkan hasil untuk variabel lain, seperti pengalaman dan kemampuan teknis, ternyata perbedaan utama adalah pengalaman . Insinyur yang lebih berpengalaman lebih akurat mengevaluasi hasil wawancara mereka, dan rata-rata pria lebih berpengalaman. Namun, insinyur wanita yang berpengalaman sama akuratnya dalam mengevaluasi kemampuan teknis mereka.

Berdasarkan studi sebelumnya, kami berhipotesis bahwa sindrom penipu dan defisit yang lebih besar dalam perasaan menjadi bagian dari komunitas TI dapat menyebabkan kandidat wanita meremehkan penilaian mereka pada saat wawancara, tetapi kami tidak menemukan pola seperti itu ⁶ . Kesimpulan kami menggemakan proyek penelitian Institut Studi Gender Stanford Clayman , yang dihadiri oleh 1.795 pekerja teknis tingkat menengah dari perusahaan teknologi tinggi. Mereka menemukan bahwa wanita dalam IT tidak selalu kurang akurat dalam menilai kemampuan mereka sendiri, tetapi sangat berbeda dengan pria dalam ide-ide mereka tentang apa yang diperlukan untuk sukses (misalnya, hari kerja yang panjang dan mengambil risiko). Dengan kata lain, wanita dalam IT mungkin tidak meragukan kemampuan mereka sendiri, tetapi sebaliknya bayangkan apa yang diharapkan dari mereka . Dan survei Harvard Business Review , di mana lebih dari seribu profesional bertanya tentang keputusan perekrutan mereka, juga menegaskan hal ini. Hasilnya menekankan bahwa perbedaan gender dalam proses penilaian kandidat lebih didasarkan pada harapan yang berbeda tentang bagaimana proses seperti wawancara dipertimbangkan .

Namun, kami menemukan satu perbedaan yang menarik: wanita menjalani wawancara pelatihan kurang dari pria. Perbedaannya kecil, tetapi signifikan secara statistik, dan itu membawa kita kembali ke kesimpulan sebelumnya bahwa setelah wawancara yang buruk perempuan meninggalkan wawancara. Sekitar 7 kali lebih sering daripada pria .

Namun dalam artikel sebelumnya yang sama, kami juga menemukan bahwa menyamar suara berdasarkan jenis kelamin tidak mempengaruhi hasil wawancara. Seluruh kumpulan hasil ini mengkonfirmasi apa yang kami duga, dan apa yang dilakukan oleh para ahli yang melakukan studi mendalam tentang perbedaan gender dalam TI : semuanya rumit . Kurangnya kegigihan pada wanita dalam wawancara tidak dapat dijelaskan hanya dengan sindrom palsu dan meremehkan kemampuan mereka sendiri. Tetapi masih ada kemungkinan bahwa mereka mengambil umpan balik negatif dengan lebih serius dan lebih cenderung membuat asumsi dan kesimpulan yang berbeda setelah wawancara.

Diagram di bawah ini menunjukkan distribusi jarak akurasi harga diri untuk kandidat perempuan dan laki-laki pada platform kami (nol menunjukkan peringkat yang sesuai dengan skor pewawancara, sementara nilai negatif menunjukkan skor rendah, dan nilai positif menunjukkan overstate). Dua kelompok terlihat hampir sama:

Apa lagi yang penting?

Kejutan lain: pengalaman pewawancara tidak membantu . Bahkan mantan pewawancara sepertinya tidak menunjukkan harga diri yang lebih akurat karena hal ini. Merek pribadi juga tidak berpengaruh . Orang dengan lebih banyak pengikut di GitHub belum lebih akurat daripada orang dengan banyak pengikut. Peringkat pewawancara juga tidak masalah (mis. Seberapa baik kandidat lain menilai pewawancara), meskipun, untuk bersikap adil, pewawancara biasanya dinilai cukup tinggi di situs.

Jadi, apa yang menjadi insentif yang signifikan secara statistik untuk penilaian yang akurat tentang efektivitas wawancara? Sebagian besar pengalaman

Spesialis berpengalaman lebih memahami seberapa baik mereka menjalani wawancara dibandingkan dengan insinyur pada awal karir mereka ⁷ . Dan sepertinya intinya bukan hanya keterampilan pemrograman terbaik yang memungkinkan Anda untuk mengevaluasi efektivitas Anda dengan lebih baik; walaupun ada sedikit korelasi: insinyur yang lebih akurat mengevaluasi efektivitasnya memiliki tingkat pemrograman yang sangat tinggi. Tetapi jika Anda melihat programmer pemula, maka bahkan yang terbaik dari mereka sering meremehkan keterampilan mereka ⁸ .



Data kami mencerminkan tren yang diamati dalam survei pengembang Stack Overflow 2018 . Mereka mengajukan beberapa pertanyaan kepada responden tentang kepercayaan diri dan persaingan dengan pengembang lain dan mencatat bahwa insinyur yang lebih berpengalaman merasa lebih kompetitif dan lebih percaya diri . Ini tidak mengejutkan: pada akhirnya, pengalaman berkorelasi dengan tingkat keterampilan, dan orang-orang yang sangat terampil cenderung lebih percaya diri. Tetapi analisis kami memungkinkan kami untuk menormalisasi keefektifan wawancara dan keterampilan pemrograman oleh kelompok-kelompok karier - dan kami masih menemukan bahwa insinyur yang berpengalaman memprediksi hasil wawancara mereka dengan lebih baik, terlepas dari kualifikasi dan hasil wawancara aktual. Mungkin, beberapa faktor terpengaruh di sini: insinyur yang berpengalaman telah diwawancarai, dilakukan sendiri, dan memiliki rasa komunitas yang lebih kuat, yang membantu memerangi sindrom penipu.

Tampaknya pengetahuan dan konteks orang dalam juga membantu : penduduk di Area Teluk dan karyawan perusahaan terkemuka membuat penilaian yang lebih akurat. Seperti pengalaman, pengetahuan tentang konteks industri memungkinkan penilaian situasi yang lebih memadai. Kami menemukan perbedaan kecil tetapi signifikan secara statistik dari faktor-faktor seperti tinggal di Teluk dan bekerja di perusahaan terkemuka. Namun demikian, bonus dari bekerja di perusahaan terkemuka, tampaknya, pada dasarnya sesuai dengan bonus dari keterampilan teknis umum: berada di perusahaan teratas pada dasarnya adalah parameter proksi, menunjukkan insinyur yang lebih berpengalaman dengan keterampilan yang lebih maju.

Akhirnya, ketika Anda meningkatkan hasil wawancara Anda dan bergerak ke arah wawancara kehidupan nyata di perusahaan, Anda meningkatkan akurasi harga diri Anda. Orang-orang menunjukkan harga diri yang lebih akurat dalam wawancara kehidupan nyata dibandingkan dengan wawancara pelatihan, dan peringkat keseluruhan mereka di situs juga berkorelasi dengan keakuratan harga diri: interviewing.io menghitung peringkat keseluruhan untuk pengguna berdasarkan keefektifan mereka dalam semua wawancara dan berbobot relatif terhadap indikator selanjutnya. . Orang-orang di 25% peringkat teratas lebih cenderung akurat dalam mengevaluasi hasil mereka dalam sebuah wawancara.

Bagaimana orang umumnya mengevaluasi efektivitas mereka dalam sebuah wawancara? Kami mempelajari ini sebelumnya , dalam sekitar seribu wawancara, dan sekarang, dengan peningkatan sepuluh kali lipat dalam sampel, kesimpulannya sama. Para kandidat secara akurat mengevaluasi hasil mereka hanya dalam 46% wawancara, meremehkan diri mereka sendiri dalam 35% (dan sisanya 19% mereka melebih-lebihkan hasilnya). Namun, biasanya para kandidat menebak tentang sesuatu: tidak terjadi bahwa orang dengan bintang empat selalu menilai diri mereka sebagai satu bintang ¹⁰ . Penilaian diri secara statistik secara signifikan memprediksi hasil aktual dari wawancara (dan berkorelasi positif dengan itu), tetapi ada banyak kebisingan dalam hal ini.

Nilai

Penilaian yang akurat tentang hasil wawancara Anda adalah keterampilan khusus yang disertai dengan pengalaman dan pengetahuan tentang industri TI. Tetapi ternyata banyak asumsi yang kami buat tentang keakuratan penilaian tidak bertahan: para insinyur wanita memiliki gagasan yang sama persis tentang keterampilan mereka dengan pria, dan insinyur yang melakukan lebih banyak wawancara atau terwakili dengan baik di GitHub tidak jauh lebih baik mengevaluasi hasilnya.

Apa artinya ini bagi industri secara keseluruhan? Pertama, sindrom penipu tampaknya monster yang suram yang menyerang insinyur dari jenis kelamin apa pun, keterampilan apa pun, apa pun ketenaran dan tempat tinggal mereka. Pengalaman sedikit membantu meringankan rasa sakit, tetapi sindrom penipu memengaruhi semua orang, terlepas dari siapa mereka atau dari mana mereka berasal. Jadi mungkin sudah tiba saatnya untuk budaya wawancara yang lebih baik dan lebih responsif. Sebuah budaya yang lebih baik bagi semua orang. Meskipun beberapa kelompok, yang kurang berpengalaman dalam wawancara teknis, paling menderita dari kekurangan proses wawancara , tidak ada yang kebal dari keraguan diri.

Sebelumnya kami membahas kualitas pewawancara yang baik, dan empati memainkan peran besar yang tidak proporsional . Dan kami melihat bahwa untuk mencegah kehilangan kandidat, sangat penting untuk memberikan umpan balik segera setelah wawancara . Jadi, terlepas dari apakah Anda termotivasi oleh kebaikan dan prinsip, atau dingin, pragmatisme keras, sedikit lebih banyak kebaikan dan pengertian terhadap para kandidat tidak akan ada salahnya.

Catatan

1. Penilaian diri telah dipelajari di sejumlah bidang dan telah sering digunakan untuk menilai tingkat pelatihan. Satu kritik penting adalah bahwa hal itu sangat dipengaruhi oleh motivasi dan keadaan emosi orang selama survei. - Sitzmann, Eli, Brown, Bauer. (2010). Penilaian diri pengetahuan: pembelajaran kognitif atau pengukuran afektif? .. Academy of Management Learning & Education , 9 (2), 169-191. ↑

2. Mengembangkan wawancara teknis yang baik bukanlah tugas yang mudah bagi pewawancara. Diskusi informal tentang topik ini tersedia di sini . ↑

3. Alasan tentang harga diri dalam sebuah wawancara . ↑

4. Misalnya artikel ini dan ini . ↑

5. Beberapa literatur tambahan tentang penelitian di bidang ilmu sosial:

• Kap, Rotan, Dweck. (2012). Mengapa perempuan pergi? Rasa memiliki dan representasi perempuan dalam matematika. Jurnal kepribadian dan psikologi sosial , 102 (4), 700.
• Tuan, Cheryan, Meltzoff. (2016). Milik TI: stereotip merusak minat dan rasa keterlibatan anak perempuan dalam ilmu komputer. Jurnal Psikologi Pendidikan , 108 (3), 424. ↑

6. Satu masalah untuk kumpulan data kami bukanlah sampel besar insinyur wanita berpengalaman: ini sesuai dengan demografi nyata industri TI, tetapi juga berarti kemungkinan bias dalam hasil statistik ketika menilai perbedaan antarkelompok. Kami ingin terus mengumpulkan statistik dengan wanita untuk mengeksplorasi topik sepenuhnya. ↑

7. Efek ini dan kurangnya korelasi sebelumnya dipelajari dalam model linier campuran. Semua hasil yang signifikan untuk efek individu memiliki p <0,05. ↑

8. Untuk insinyur yang berpengalaman, penyimpangan rata-rata adalah .10.14; di antara junior –0.22, di antara lulusan –0.25. ↑

9. Lihat juga di sini . ↑

10. Kelemahan lain dari kumpulan data kami adalah bahwa ada peringkat maksimum dan minimum: misalnya, ketika menerima peringkat nyata dari 4 orang tidak dapat melebih-lebihkan diri mereka sendiri dengan cara apa pun , karena mereka sudah berada di puncak skala. Kami memperbaikinya dalam beberapa cara: dengan mengecualikan orang dengan hasil maksimum dan minimum dan menganalisis kembali pada bagian rata-rata, serta dengan membaginya menjadi yang tepat atau tidak akurat. Hasilnya tidak berubah. ↑