論文の概要: Towards Evidence-Based Tech Hiring Pipelines
- arxiv url: http://arxiv.org/abs/2504.06387v1
- Date: Tue, 08 Apr 2025 19:13:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-10 13:07:14.710003
- Title: Towards Evidence-Based Tech Hiring Pipelines
- Title（参考訳）: エビデンスに基づく技術採用パイプラインを目指して
- Authors: Chris Brown, Swanand Vaishampayan,
- Abstract要約: 本稿では、現在の採用実践における課題と、技術採用パイプラインにおける公正かつエビデンスに基づく評価を促進するための今後の方向性について概説する。
我々のビジョンは、IT業界の労働力を強化するために、雇用主の候補者と評価の結果を強化することを目的としています。
- 参考スコア（独自算出の注目度）: 4.991581599091051
- License:
- Abstract: Software engineers are responsible for developing, maintaining, and innovating software. To hire software engineers, organizations employ a tech hiring pipeline. This process typically consists of a series of steps to evaluate the extent to which applicants meet job requirements and can effectively contribute to a development team -- such as resume screenings and technical interviews. However, research highlights substantial flaws with current tech hiring practices -- such as bias from stress-inducing assessments. As the landscape of software engineering (SE) is dramatically changing, assessing the technical proficiency and abilities of software engineers is an increasingly crucial task to meet technological needs and demands. In this paper, we outline challenges in current hiring practices and present future directions to promote fair and evidence-based evaluations in tech hiring pipelines. Our vision aims to enhance outcomes for candidates and assessments for employers to enhance the workforce in the tech industry.
- Abstract（参考訳）: ソフトウェアエンジニアはソフトウェアを開発し、保守し、革新する責任がある。
ソフトウェアエンジニアを雇用するために、組織は技術採用パイプラインを採用している。
このプロセスは典型的には、応募者が求職要件を満たす程度を評価し、履歴書の審査や技術インタビューなど開発チームに効果的に貢献できる一連のステップから構成される。しかしながら、調査では、ストレス誘発評価からの偏見など、現在の技術雇用慣行の重大な欠陥が強調されている。
ソフトウェアエンジニアリング(SE)の状況が劇的に変化しているため、ソフトウェアエンジニアの技術的能力と能力を評価することは、技術的ニーズと要求を満たすためにますます重要なタスクである。
本稿では,現在の採用実践における課題と,技術採用パイプラインにおける公正かつエビデンスに基づく評価を促進するための今後の方向性について概説する。
我々のビジョンは、IT業界の労働力を強化するために、雇用主の候補者と評価の結果を強化することを目的としています。
関連論文リスト
- Deep Learning-based Software Engineering: Progress, Challenges, and Opportunities [29.934835831037347]
ディープラーニングベースのソフトウェアエンジニアリングに関する最初のタスク指向調査を示す。
ディープラーニングのテクニックに大きく影響された、12のソフトウェアエンジニアリングサブ領域をカバーする。
論文 参考訳（メタデータ） (2024-10-17T00:46:00Z) - Please do not go: understanding turnover of software engineers from different perspectives [5.959478613390186]
我々は、ソフトウェアエンジニアの離職の理由を19の異なる理由と、それを減らすためにソフトウェア開発業界で使用される18のより効率的な戦略を特定します。
本研究は,今後の研究を推し進める産業とアカデミックにいくつかの意味を与えている。
論文 参考訳（メタデータ） (2024-06-29T01:31:06Z) - Making Software Development More Diverse and Inclusive: Key Themes, Challenges, and Future Directions [50.545824691484796]
ソフトウェア開発者の多様性と包摂性(SDDI)を改善するための課題と機会に関する6つのテーマを特定します。
4つのテーマの利点、害、今後の研究の方向性を特定します。
残りの2つのテーマ、人工知能とSDDIとAIとコンピュータサイエンスの教育について論じる。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - Charting a Path to Efficient Onboarding: The Role of Software
Visualization [49.1574468325115]
本研究は,ソフトウェアビジュアライゼーションツールを用いたマネージャ,リーダ,開発者の親しみやすさを探求することを目的としている。
本手法は, 質問紙調査と半構造化面接を用いて, 実践者から収集したデータの量的, 質的分析を取り入れた。
論文 参考訳（メタデータ） (2024-01-17T21:30:45Z) - Toward Optimal Psychological Functioning in AI-driven Software
Engineering Tasks: The SEWELL-CARE Assessment Framework [0.9208007322096533]
SEWELL-CAREは、AI駆動のソフトウェアエンジニアリングタスクを複数の視点から評価するために設計された概念的なフレームワークである。
技術的側面と人的側面の両方を強調することで、私たちのフレームワークは、従来の技術メトリクスを超えて、微妙な評価を提供します。
論文 参考訳（メタデータ） (2023-11-13T15:44:07Z) - Reusability Challenges of Scientific Workflows: A Case Study for Galaxy [56.78572674167333]
本研究では,既存の再使用可能性について検討し,いくつかの課題を明らかにした。
再利用性防止の課題には、ツールのアップグレード、ツールのサポート、設計上の欠陥、不完全性、ワークフローのロードの失敗などが含まれる。
論文 参考訳（メタデータ） (2023-09-13T20:17:43Z) - Artificial Intelligence Impact On The Labour Force -- Searching For The
Analytical Skills Of The Future Software Engineers [0.0]
この体系的な文献レビューは、人工知能がソフトウェア工学における労働力に与える影響を調査することを目的としている。
それは、将来のソフトウェアエンジニアに必要なスキル、ソフトウェアエンジニアリングスキルの需要に対するAIの影響、そしてソフトウェアエンジニアの仕事の未来に焦点を当てている。
論文 参考訳（メタデータ） (2023-02-26T03:49:53Z) - Empowered and Embedded: Ethics and Agile Processes [60.63670249088117]
私たちは倫理的考慮事項を(アジャイル)ソフトウェア開発プロセスに組み込む必要があると論じています。
私たちは、すでに存在しており、確立されたアジャイルソフトウェア開発プロセスで倫理的な議論を実施する可能性を強調しました。
論文 参考訳（メタデータ） (2021-07-15T11:14:03Z) - Data-Driven Aerospace Engineering: Reframing the Industry with Machine
Learning [49.367020832638794]
航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。
最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
論文 参考訳（メタデータ） (2020-08-24T22:40:26Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z) - Understanding What Software Engineers Are Working on -- The Work-Item
Prediction Challenge [0.0]
ソフトウェアエンジニア(開発者、インシデント対応者、プロダクションエンジニアなど)が何に取り組んでいるのかを理解することは、難しい問題です。
本稿では,代表的シナリオを前提として,それに対応する「ワーク・イテム予測問題」について説明する。
論文 参考訳（メタデータ） (2020-04-13T19:59:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。