Выбор между двумя претендентами на работу с помощью эвристики дельта-вывода
Эвристика Маска и Безоса была предназначена для принятия решения по одному кандидату за раз. В других ситуациях организации пытаются определить, кто лучше из двух претендентов. Для этого они могут использовать эвристику дельта-инференции. Возможно, вы помните из главы 3, что дельта-инференция позволяет принимать решения между двумя альтернативами путем перебора признаков в порядке их валидности и прекращения поиска, когда первый признак различает два варианта. Например, при приеме на работу организация может использовать следующие три признака в последовательности: общие умственные способности соискателей, их добросовестность и оценки, полученные в ходе структурированного интервью. Сообщалось, что эти признаки являются одними из лучших предикторов будущей работы в широком диапазоне профессий. 8 Если два кандидата отличаются по общим умственным способностям по крайней мере на определенную величину (т. е. порог дельты), то работу предлагают тому, кто набрал больше баллов; если нет (т. е. ≤ дельты), то следующим рассматривают добросовестность и так далее.
Используя реальные данные о 236 кандидатах, принятых на работу в авиакомпанию, мы изучили, насколько хорошо менеджеры могут выбрать лучшего кандидата из пары, полагаясь на дельта-умозаключение. Каждый претендент оценивался по трем упомянутым здесь признакам; кроме того, поскольку все они были приняты на работу, мы знали их результаты работы через три месяца, оцененные их начальством. 9 Было получено 50 334 пары претендентов, которые имели разные оценки за работу. Из этих пар мы составили малую, умеренную и большую случайные выборки, чтобы смоделировать условия скудных, умеренных и широких возможностей для менеджера узнать параметры эвристики: порядок подсказок и дельту каждой подсказки. Мы сравнили точность дельта-вывода с точностью логистической регрессии - стандартной техники, которая всегда использует все три признака для принятия решения о выборе.
На рисунке 4.4 показано, что если менеджеры используют дельта-индукцию, они могут выбрать лучшего кандидата чаще, чем если бы они использовали логистическую регрессию. Этот эффект "меньше-больше" проявлялся во всех условиях обучения, особенно когда возможности обучения были скудными. Более того, использование дельта-анализа позволяет принимать решения довольно экономно, используя в среднем менее половины доступных подсказок. Помимо иллюстрации практической пользы дельта-инференции, эти результаты еще раз демонстрируют, что предполагаемые компромиссы "скорость-точность", "усилия-точность" и "прозрачность-точность" в условиях неопределенности обычно не работают (см. главу 2): опираясь на эвристику дельта-инференции, менеджеры могут принимать решения быстрее, экономнее и прозрачнее, одновременно повышая точность.
Рисунок 4.4
Принятие решений по одной причине (дельта-вывод) позволило выбрать кандидатов на работу лучше, чем принятие решений по многим причинам (логистическая регрессия). Это преимущество сохранялось независимо от того, были ли возможности обучения скудными, умеренными или широкими (случайные выборки размером 30, 100 и 1 000 соответственно). По материалам Luan, Reb, and Gigerenzer (2019).
Как видно из рисунка 4.4, производительность растет с увеличением возможностей обучения. Однако даже при наличии широких возможностей и использовании дельта-индукции менеджеры смогут выбрать лучшего кандидата только в 63 % случаев. Предсказать будущую производительность соискателей сложно, и, несмотря на использование умной эвристики, ошибки остаются частыми. 10
Установив ее эффективность, мы хотели выяснить, используют ли менеджеры дельта-индукцию при принятии решений об отборе и адаптируют ли они эту эвристику. Мы набрали менеджеров по персоналу и студентов-бизнесменов с разным уровнем опыта в принятии кадровых решений для участия в эксперименте с двумя задачами: нанять секретаря и нанять аналитика данных. Как показано на рисунке 4.5 , и менее, и более опытные менеджеры часто принимали решения с помощью дельта-инференции, но последние делали это чаще. В качестве признака адаптивности можно отметить, что использование дельта-умозаключения возрастало, когда один из признаков считался гораздо более важным, чем другие, то есть когда действовало условие доминирующего признака, описанное в главе 3. Такое понимание экологической рациональности было особенно сильным для более опытных менеджеров. Таким образом, в соответствии с результатами, полученными в других областях, 11 опытные менеджеры с большей вероятностью будут использовать эвристику и делать это адаптивно.