AfrexAI Hiring Scorecard

📊 结构化招聘评分,告别直觉选人

用加权评分体系客观评估候选人,消除招聘直觉偏差,提升团队招聘决策一致性。

收藏
2.8k
安装
1.1k
版本
1.0.0
CLS 安全扫描中
预计需要 3 分钟...

使用说明

核心用法

Hiring Scorecard Skill 是一套结构化的候选人评估工具,通过预设的六维评分体系(技术技能25%、相关经验20%、文化契合15%、沟通能力15%、问题解决15%、成长潜力10%)将主观印象转化为可量化的数据。用户可通过自然语言指令启动评分流程,支持单候选人深度评估与多候选人横向对比两种模式。

操作路径清晰:定义岗位 → 设定/调整评分维度权重 → 基于面试表现逐项打分(1-5分制)→ 生成加权总分与雇佣建议。系统提供标准化评分卡模板,包含评分指南、优势/顾虑记录区及最终推荐结论(雇佣/不雇佣/待定)。

显著优点

1. 决策去偏见化:将"直觉不错"转化为可验证的分数,显著降低同质化招聘与光环效应风险
2. 团队协作透明:支持多面试官独立评分后交叉比对,暴露评估分歧点

3. 权重灵活配置:可根据岗位特性动态调整维度权重(如技术岗提升技术占比至40%)

4. 历史数据积累:长期追踪分数分布,帮助团队校准招聘标准线

潜在局限

  • 评分仍依赖面试官主观判断,1-5分刻度可能存在个体差异
  • 文化契合等软性维度难以标准化,不同面试官理解可能偏差较大
  • 模板未强制要求证据锚定,低质量评分可能流于形式
  • 缺乏与ATS(申请人追踪系统)的集成能力,数据孤岛风险

适合人群

  • 快速扩张期的初创公司HR/招聘负责人
  • 缺乏结构化面试经验的工程经理
  • 希望统一多轮面试官评估标准的招聘团队
  • 需要向高层汇报招聘决策依据的HRBP

常规风险

1. 过度量化风险:将复杂的人格特质压缩为数字可能丢失关键信号
2. 权重设定博弈:用人部门可能事后调整权重以合理化偏好人选

3. 模板依赖:机械填表可能替代深度追问,削弱面试质量

建议配合行为面试法(STAR原则)使用,并在"Notes"栏强制要求记录具体事例支撑分数。

AfrexAI Hiring Scorecard 内容

手动下载zip · 3.5 kB
README.mdtext/markdown
请选择文件