北京
一份標著“入門級”的職位描述，要求卻是“利用跨職能范式優(yōu)化協(xié)同效應(yīng)”。這類表述不僅讓人讀不懂，還可能直接勸退有能力的求職者。既然包容性的第一步是可訪問性，為什么不在職位描述發(fā)布前，先做一輪文本審計呢？
答案是：可以。用Python和它的Textstat自然語言處理庫這類免費開源工具，就能搭出一個自動抓取“守門語言”的腳本。
核心指標是Gunning Fog指數(shù)。它在Textstat里通過textstat.gunning_fog調(diào)用。這個指數(shù)估算的是一個人首次閱讀時需要多少年正規(guī)教育才能理解文本。計算依據(jù)兩個變量：平均句長和復(fù)雜詞占比。復(fù)雜詞通常指三個音節(jié)以上的單詞。商業(yè)術(shù)語里大量出現(xiàn)“操作化”“方法論”這類多音節(jié)詞，所以Gunning Fog指數(shù)很適合用來審計職位描述——看它對應(yīng)聘者而言，是不是過于復(fù)雜。
數(shù)值越低，清晰度和可訪問性越高。具體怎么用？先安裝Textstat：pip install textstat。
腳本核心是一個可復(fù)用函數(shù)，職責(zé)是審計輸入文本，比如一份入門級職位描述。代碼邏輯很直接：先算Gunning Fog分數(shù)，再根據(jù)分數(shù)給結(jié)論。分數(shù)低于10，判為“可訪問且包容，適合入門級”。在10到14之間，提示“注意：接近守門區(qū)域，簡化一些術(shù)語”。超過14，直接亮紅牌——“守門警告：術(shù)語密度高，重寫以求清晰”。最后返回格式化報告，包含分數(shù)和判斷結(jié)果。
這個方法的價值在于，它把“感覺這份描述不好讀”變成了一個可量化、可自動化的審計過程。HR團隊或招聘負責(zé)人能在發(fā)布前就用腳本跑一遍，把那些無意中壘起來的術(shù)語高墻推倒。說到底，職位描述是給求職者的第一份說明書。如果連這份說明書都用“協(xié)同效應(yīng)”和“范式”層層加密，那公司聲稱的“歡迎新人”就只是一句空話。
推動語言包容性，不需要等一場全公司的大變革。從一行pip install textstat開始，就是一種可行的改變。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
