The Way We Work
Priyanka Jain: How to make applying for jobs less painful
بريانكا جاين: كيفية جعل التقدم للوظائف أقل توترًا
Filmed:
Readability: 4.3
548,985 views
العثور على وظيفة تبدأ بتقديم سيرتك الذاتية إلى مليون قائمة ولا تسمع أبدًا من معظمها. لكن المزيد والمزيد من الشركات الان تستخدم أساليب التكنولوجيا المتقدمة لتحديد المرشحين. إذا كان الذكاء الاصطناعى هو مستقبل التوظيف، فماذا يعني ذلك بالنسبة لك؟ التقنية بريانكا جاين تسلط الضوء على مشهد التوظيف الجديد هذا.
Priyanka Jain - Technologist
Priyanka Jain heads up product for pymetrics, an NYC-based startup that uses neuroscience and AI to make hiring more diverse and effective. Full bio
Priyanka Jain heads up product for pymetrics, an NYC-based startup that uses neuroscience and AI to make hiring more diverse and effective. Full bio
Double-click the English transcript below to play the video.
00:00
Applying for jobs online
0
548
1416
التقدم للوظائف عبر الإنترنت
00:01
is one of the worst
digital experiences of our time.
digital experiences of our time.
1
1988
2616
هي واحدة من الأسوأ
الخبرات الرقمية في عصرنا.
الخبرات الرقمية في عصرنا.
00:04
And applying for jobs in person
really isn't much better.
really isn't much better.
2
4628
2696
حتى التقدم للوظائف شخصيًا
ليس أفضل بكثير في الواقع.
ليس أفضل بكثير في الواقع.
00:07
[The Way We Work]
3
7349
1720
[الطريقة التي نعمل بها]
00:11
Hiring as we know it
is broken on many fronts.
is broken on many fronts.
4
11588
2456
التوظيف كما نعرفه
لديه ثغرات على العديد من الجبهات.
لديه ثغرات على العديد من الجبهات.
00:14
It's a terrible experience for people.
5
14068
1856
أنه تجربة سيئة للأشخاص.
00:15
About 75 percent of people
6
15948
1816
حوالي 75% من الأشخاص
00:17
who applied to jobs
using various methods in the past year
using various methods in the past year
7
17788
2856
الذين تقدموا إلى الوظائف
باستخدام طرق مختلفة في العام الماضي
باستخدام طرق مختلفة في العام الماضي
00:20
said they never heard anything back
from the employer.
from the employer.
8
20668
2656
قال إنهم لم يتلقوا شيئًا أبدًا
من صاحب العمل.
من صاحب العمل.
00:23
And at the company level
it's not much better.
it's not much better.
9
23348
2176
وعلى مستوى الشركة ليس أفضل بكثير.
00:25
46 percent of people get fired or quit
10
25548
2776
46 في المئة من الأشخاص يتم إقالتهم
أو أنهم يقدمون استقالتهم
أو أنهم يقدمون استقالتهم
00:28
within the first year
of starting their jobs.
of starting their jobs.
11
28348
2176
في غضون العام الأول من بدء عملهم.
00:30
It's pretty mind-blowing.
12
30548
1216
أنه شيء مخيف.
00:31
It's also bad for the economy.
13
31788
1456
وسيء للاقتصاد أيضًا.
00:33
For the first time in history,
14
33268
1456
ولأول مرة في التاريخ،
لدينا من الوظائف الشاغرة أكثر
مما لدينا من أشخاص عاطلين،
مما لدينا من أشخاص عاطلين،
00:34
we have more open jobs
than we have unemployed people,
than we have unemployed people,
15
34748
2856
00:37
and to me that screams
that we have a problem.
that we have a problem.
16
37628
2176
وهذا بالنسبة لي جرس إنذار بوجود مشكلة.
00:39
I believe that at the crux of all of this
is a single piece of paper: the résumé.
is a single piece of paper: the résumé.
17
39828
3976
أعتقد أنه في صميم كل هذا
هي ورقة واحدة: السيرة الذاتية.
هي ورقة واحدة: السيرة الذاتية.
00:43
A résumé definitely has
some useful pieces in it:
some useful pieces in it:
18
43828
2336
السيرة ذاتية لها بالتأكيد
بعض القطع المفيدة فيها:
بعض القطع المفيدة فيها:
ما الأدوار التي قام بها الشخص،
مهارات الحاسوب،
مهارات الحاسوب،
00:46
what roles people have had,
computer skills,
computer skills,
19
46188
2096
00:48
what languages they speak,
20
48308
1256
ما اللغات التي يتحدثها،
00:49
but what it misses is
what they have the potential to do
what they have the potential to do
21
49588
3056
لكن ما تفتقده هو
وجود القدرة على القيام بشيء
وجود القدرة على القيام بشيء
00:52
that they might not have had
the opportunity to do in the past.
the opportunity to do in the past.
22
52668
2976
لم تكن الفرصة مواتية للقيام به في الماضي.
00:55
And with such a quickly changing economy
where jobs are coming online
where jobs are coming online
23
55668
3256
ومع مثل هذا الاقتصاد المتغير بسرعة
حيث الوظائف تأتي عبر الإنترنت
حيث الوظائف تأتي عبر الإنترنت
00:58
that might require skills that nobody has,
24
58948
2056
والتي قد تتطلب مهارات لا يملكها أحد،
01:01
if we only look at what someone
has done in the past,
has done in the past,
25
61028
2776
وإذا نظرنا فقط إلى ما الذي قام به
شخص ما في الماضي،
شخص ما في الماضي،
01:03
we're not going to be able
to match people to the jobs of the future.
to match people to the jobs of the future.
26
63828
3256
لن نكون قادرين على مطابقة الناس
مع وظائف المستقبل المناسبة.
مع وظائف المستقبل المناسبة.
01:07
So this is where I think technology
can be really helpful.
can be really helpful.
27
67108
2736
لذلك أعتقد أن هنا يأتي دور
التكنولوجيا المفيد حقًا.
التكنولوجيا المفيد حقًا.
01:09
You've probably seen
that algorithms have gotten pretty good
that algorithms have gotten pretty good
28
69868
2856
ربما كنتم قد رأيتم
أن الخوارزميات تقوم بدور جيد جدًا
أن الخوارزميات تقوم بدور جيد جدًا
في مطابقة الأشخاص مع الأشياء،
01:12
at matching people to things,
29
72748
1536
ولكن ماذا لو استطعنا استخدامها
تلك التكنولوجيا نفسها
تلك التكنولوجيا نفسها
01:14
but what if we could use
that same technology
that same technology
30
74308
2256
01:16
to actually help us find jobs
that we're really well-suited for?
that we're really well-suited for?
31
76588
3096
لمساعدتنا فعلا في العثور على وظائف
المناسبة تمامًا لنا؟
المناسبة تمامًا لنا؟
01:19
But I know what you're thinking.
32
79708
1576
لكنني أعرف ما تفكرون فيه.
01:21
Algorithms picking your next job
sounds a little bit scary,
sounds a little bit scary,
33
81308
2776
أن تختار الخوارزميات عملك المقبل
يبدو مخيفًا بعض الشيء،
يبدو مخيفًا بعض الشيء،
01:24
but there is one thing that has been shown
34
84108
2056
ولكن تبين أن هناك شيء واحد
01:26
to be really predictive
of someone's future success in a job,
of someone's future success in a job,
35
86188
2896
يتنبأ حقًا
بنجاح شخص ما في المستقبل في وظيفة،
بنجاح شخص ما في المستقبل في وظيفة،
01:29
and that's what's called
a multimeasure test.
a multimeasure test.
36
89108
2136
وهذا ما يسمى اختبار متعدد المقاييس.
01:31
Multimeasure tests
really aren't anything new,
really aren't anything new,
37
91268
2176
الاختبارات المتعددة
ليست شيئًا جديدًا حقًا،
ليست شيئًا جديدًا حقًا،
ولكنها باهظة الثمن جدًا
01:33
but they used to be really expensive
38
93468
1736
وتتطلب ما يعادل درجة الدكتوراه
01:35
and required a PhD sitting across from you
39
95228
2016
01:37
and answering lots of questions
and writing reports.
and writing reports.
40
97268
2456
والإجابة على كثير
من الأسئلة وكتابة التقارير.
من الأسئلة وكتابة التقارير.
01:39
Multimeasure tests are a way
41
99748
1696
الاختبارات المتعددة هي وسيلة
01:41
to understand someone's inherent traits --
42
101468
2456
لفهم السمات الكامنة لشخص ما -
01:43
your memory, your attentiveness.
43
103948
1776
ذاكرتكم، انتباهكم.
ماذا لو قمنا بإجراء اختبارات
متعددة المقاييس
متعددة المقاييس
01:46
What if we could take multimeasure tests
44
106662
1942
01:48
and make them scalable and accessible,
45
108628
2536
وجعلها قابلة للتطوير ويمكن الوصول إليها،
01:51
and provide data to employers
about really what the traits are
about really what the traits are
46
111188
3376
وتقديم البيانات لأصحاب العمل
حول حقا ما هي الصفات
حول حقا ما هي الصفات
01:54
of someone who can make
them a good fit for a job?
them a good fit for a job?
47
114588
2896
الشخص الذي سيؤدي العمل بشكل جيد؟
01:57
This all sounds abstract.
48
117508
1296
يبدو كل هذا تجريديًا.
01:58
Let's try one of the games together.
49
118828
1735
لنجرب إحدى الألعاب معًا.
02:00
You're about to see a flashing circle,
50
120587
1857
أنتم على وشك رؤية دائرة تومض،
02:02
and your job is going to be
to clap when the circle is red
to clap when the circle is red
51
122468
2960
وستقومون بالتصفيق عندما تكون الدائرة حمراء
ولا تفعلون شيئًا عندما تكون الدائرة خضراء.
02:06
and do nothing when it's green.
52
126285
1496
02:07
[Ready?]
53
127806
1376
[مستعدون؟]
02:09
[Begin!]
54
129207
1360
[نبدأ!]
02:11
[Green circle]
55
131708
1000
[دائرة خضراء]
02:13
[Green circle]
56
133708
1040
[دائرة خضراء]
02:15
[Red circle]
57
135708
1000
[دائرة حمراء]
02:17
[Green circle]
58
137708
1080
[دائرة خضراء]
02:19
[Red circle]
59
139708
1000
[دائرة حمراء]
02:21
Maybe you're the type of person
60
141928
1596
ربما أنت ذلك النوع من الأشخاص
02:23
who claps the millisecond
after a red circle appears.
after a red circle appears.
61
143548
2496
الذي يصفق بعد ميلي ثانية واحدة
من ظهور دائرة حمراء.
من ظهور دائرة حمراء.
02:26
Or maybe you're the type of person
62
146068
1656
أو ربما أنت ذلك النوع من الأشخاص
02:27
who takes just a little bit longer
to be 100 percent sure.
to be 100 percent sure.
63
147748
2735
الذي يأخذ فقط فترة أطول قليلًا
ليكون متأكدًا 100 في المئة.
ليكون متأكدًا 100 في المئة.
أو ربما كنت تصفق على الأخضر
رغم أنه ليس من المفترض أن تفعل ذلك.
رغم أنه ليس من المفترض أن تفعل ذلك.
02:30
Or maybe you clap on green
even though you're not supposed to.
even though you're not supposed to.
64
150508
2936
02:33
The cool thing here is that
this isn't like a standardized test
this isn't like a standardized test
65
153468
2976
الشيء الرائع هنا هو أن
هذا ليس مثل اختبار موحد
هذا ليس مثل اختبار موحد
02:36
where some people are employable
and some people aren't.
and some people aren't.
66
156468
2656
حيث يمكن قبول بعض الأشخاص في العمل
والبعض لا يمكنهم.
والبعض لا يمكنهم.
02:39
Instead it's about understanding
the fit between your characteristics
the fit between your characteristics
67
159148
3256
بدلًا من ذلك فهو يتعلق بفهم
الملاءمة بين الخصائص الخاصة بك
الملاءمة بين الخصائص الخاصة بك
02:42
and what would make you
good a certain job.
good a certain job.
68
162428
2016
وما الذي يجعلك ملائمًا لوظيفة معينة.
02:44
We found that if you clap late on red
and you never clap on the green,
and you never clap on the green,
69
164468
3736
وجدنا أنه إن صفقت في وقت متأخر
للون الأحمر، فلن تصفق للأخضر أبدًا،
للون الأحمر، فلن تصفق للأخضر أبدًا،
02:48
you might be high in attentiveness
and high in restraint.
and high in restraint.
70
168228
3176
وقد تكون لديك مستوى عالٍ من الاهتمام
وضبط النفس.
وضبط النفس.
02:51
People in that quadrant tend to be
great students, great test-takers,
great students, great test-takers,
71
171428
3576
الأشخاص في هذا الربع عادة ما يكونوا
طلاب عظماء، أو ناجحين في أخذ الاختبارات،
طلاب عظماء، أو ناجحين في أخذ الاختبارات،
02:55
great at project management or accounting.
72
175028
2136
أو عظماء في إدارة المشاريع أو المحاسبة.
02:57
But if you clap immediately on red
and sometimes clap on green,
and sometimes clap on green,
73
177188
3336
ولكن إن صفقت فورًا للون الأحمر
وأحيانا للأخضر،
وأحيانا للأخضر،
03:00
that might mean that
you're more impulsive and creative,
you're more impulsive and creative,
74
180548
2656
هذا قد يعني أنك أكثر اندفاعًا وإبداعًا،
03:03
and we've found that top-performing
salespeople often embody these traits.
salespeople often embody these traits.
75
183228
3875
ووجدنا أن مندوبي المبيعات ذوي الأداء
العالي غالبًا ما يجسدون هذه الصفات.
العالي غالبًا ما يجسدون هذه الصفات.
03:07
The way we actually use this in hiring
76
187128
2016
الطريقة التي نستخدمها بالفعل في التوظيف
03:09
is we have top performers in a role
go through neuroscience exercises
go through neuroscience exercises
77
189168
3696
هي أنه لدينا أفضل أشخاص ذوي أداء عالي
يجتازون تمارين العلوم العصبية
يجتازون تمارين العلوم العصبية
03:12
like this one.
78
192888
1216
مثل هذه.
03:14
Then we develop an algorithm
79
194128
1376
ثم نطور خوارزمية
03:15
that understands what makes
those top performers unique.
those top performers unique.
80
195528
2656
قادرة فهم ما يجعل
هؤلاء ذوي الأداء العالي متميزين.
هؤلاء ذوي الأداء العالي متميزين.
03:18
And then when people apply to the job,
81
198208
1936
وعندما يتقدم الأشخاص للوظيفة،
03:20
we're able to surface the candidates
who might be best suited for that job.
who might be best suited for that job.
82
200168
4136
نحن قادرون على اختيار المرشحين
الذي قد يكونوا الأنسب لهذا المنصب.
الذي قد يكونوا الأنسب لهذا المنصب.
03:24
So you might be thinking
there's a danger in this.
there's a danger in this.
83
204328
2376
لذلك قد تفكرون أن هناك خطر في هذا.
03:26
The work world today
is not the most diverse
is not the most diverse
84
206728
2136
عالم العمل اليوم ليس الأكثر تنوعًا
03:28
and if we're building algorithms
based on current top performers,
based on current top performers,
85
208888
3096
وإذا كنا نبني الخوارزميات
بناء على ذوي الأداء الحالي الأفضل،
بناء على ذوي الأداء الحالي الأفضل،
03:32
how do we make sure
86
212008
1216
كيف نتأكد
03:33
that we're not just perpetuating
the biases that already exist?
the biases that already exist?
87
213248
2976
أننا لا نقوم بإدامة
التحيزات الموجودة بالفعل؟
التحيزات الموجودة بالفعل؟
03:36
For example, if we were building
an algorithm based on top performing CEOs
an algorithm based on top performing CEOs
88
216248
4056
مثلًا، إذا كنا نبني خوارزمية تستند
على المديرين التنفيذيين ذوي الأداء الأعلى
على المديرين التنفيذيين ذوي الأداء الأعلى
03:40
and use the S&P 500 as a training set,
89
220328
3216
واستخدمنا إس و بي 500 كمجموعة تدريب،
03:43
you would actually find
90
223568
1256
ستجد بأن
03:44
that you're more likely to hire
a white man named John than any woman.
a white man named John than any woman.
91
224848
3816
أنت أكثر عرضة لتوظيف
رجل أبيض يدعى جون من أي امرأة.
رجل أبيض يدعى جون من أي امرأة.
03:48
And that's the reality
of who's in those roles right now.
of who's in those roles right now.
92
228688
2696
وهذا هو الواقع الذي يقوم به
من هو في تلك الأدوار الآن.
من هو في تلك الأدوار الآن.
03:51
But technology actually poses
a really interesting opportunity.
a really interesting opportunity.
93
231408
3376
لكن التكنولوجيا تشكل في الواقع
فرصة مثيرة للاهتمام حقًا.
فرصة مثيرة للاهتمام حقًا.
03:54
We can create algorithms
that are more equitable
that are more equitable
94
234808
2256
يمكننا إنشاء خوارزميات أكثر إنصافًا
03:57
and more fair than human beings
have ever been.
have ever been.
95
237088
2256
وأكثر عدلًا من البشر من أي وقت مضى.
03:59
Every algorithm that we put
into production has been pretested
into production has been pretested
96
239368
3696
كل خوارزمية نستخدمها قد تم اختبارها من قبل
04:03
to ensure that it doesn't favor
any gender or ethnicity.
any gender or ethnicity.
97
243088
3096
لضمان بأنها لا تتحيز جنس أو عرق معين.
04:06
And if there's any population
that's being overfavored,
that's being overfavored,
98
246208
2736
وإذا جرى تفضيل أي فئة عن الأخرى،
04:08
we can actually alter the algorithm
until that's no longer true.
until that's no longer true.
99
248968
3120
يمكننا فعلًا تغيير الخوارزمية
التي لم تعد صحيحة.
التي لم تعد صحيحة.
04:12
When we focus on the inherent
characteristics
characteristics
100
252448
2216
عندما نركز على مميزات الأصلية
04:14
that can make somebody
a good fit for a job,
a good fit for a job,
101
254688
2096
التي يمكن أن تجعل شخص ما
مناسب جيد لوظيفة،
مناسب جيد لوظيفة،
04:16
we can transcend racism,
classism, sexism, ageism --
classism, sexism, ageism --
102
256808
3576
يمكننا تجاوز العنصرية، والكلاسيكية،
التمييز على أساس الجنس، والتحيز -
التمييز على أساس الجنس، والتحيز -
04:20
even good schoolism.
103
260408
1416
حتى التعليم الجيد.
04:21
Our best technology and algorithms
shouldn't just be used
shouldn't just be used
104
261848
2896
أفضل التكنولوجيا والخوارزميات
التي لدينا لا ينبغي أن تستخدم فقط
التي لدينا لا ينبغي أن تستخدم فقط
04:24
for helping us find our next movie binge
or new favorite Justin Bieber song.
or new favorite Justin Bieber song.
105
264768
3736
لمساعدتنا في إيجاد سهرة الفيلم المقبل
أو أغنية جاستن بيبر المفضلة الجديدة.
أو أغنية جاستن بيبر المفضلة الجديدة.
04:28
Imagine if we could harness
the power of technology
the power of technology
106
268528
2656
تخيل لو استطعنا تسخير قوة التكنولوجيا
04:31
to get real guidance
on what we should be doing
on what we should be doing
107
271208
2296
للحصول على توجيه حقيقي
على ما يجب أن نفعله
على ما يجب أن نفعله
04:33
based on who we are at a deeper level.
108
273528
1936
بناء على من نكون على مستوى أعمق.
ABOUT THE SPEAKER
Priyanka Jain - TechnologistPriyanka Jain heads up product for pymetrics, an NYC-based startup that uses neuroscience and AI to make hiring more diverse and effective.
Why you should listen
Passionate about using technology to create a fairer workplace and global economy, Priyanka Jain is a spokesperson for the United Nations Foundation's Girl Up Campaign, Chair of the Acumen Fund's Junior Council and on the Innovation Board for the XPrize Foundation. She received her B.S. from Stanford University, where she was President of Stanford Women in Business and one of 12 Mayfield Entrepreneurship Fellows. Her previous experience includes internships at IBM Watson, Shift Technologies, Canvas Ventures and the Institute for Learning and Brain Sciences. Outside of work, she loves playing tennis and eating anything covered in dark chocolate.
Priyanka Jain | Speaker | TED.com