贝叶斯分层Probit模型在面试等级评价中的应用

工作面试是大多数企业获取潜在候选人、以及求职者获得高回报和满意职业机会的基本活动。在许多情况下，面试以多个流程进行，如电话面试和若干面对面面试。在每个阶段，候选人从多方面被评价。其中，等级评价（如1–4分的评分）可能被用作评价候选人的合理方法。然而，由于每次评价基于面试官的主观判断，若未考察面试官严格程度的差异，汇总评价可能存在偏倚。此外值得注意的是，面试官的严格程度可能随面试轮次不同而变化。如前所述，我们提出一种同时估计候选人真实潜力与面试官评判严格程度（考虑面试轮次）的分析框架，并给出通过面试等级数据分析将候选人真实潜力与面试官严格程度作为潜变量提取未知知识的算法。我们将贝叶斯分层有序Probit模型应用于HRMOS的等级数据，HRMOS是由BizReach, Inc.（一家特别解决日本人力资源需求的IT初创公司）运营的基于云的申请者跟踪系统（ATS）。我们的模型成功量化了候选人潜力与面试官严格程度。给出了模型的解读与应用，并讨论了其在真实招聘流程中的地位。参数通过马尔可夫链蒙特卡洛（MCMC）估计。分析同时提供了由参数后验分布给出的不确定性讨论。