Как найм сам отбирает мужчин — и теряет сильных кандидатов

Исследование компьютерного моделирования показывает: даже при одинаковых средних результатах мужчин и женщин тесты с жёсткими порогами могут приводить к тому, что среди нанятых оказывается больше мужчин. В некоторых схемах отбора при этом снижается и ожидаемая результативность сотрудников. Речь не о том, что мужчины в целом лучше справляются с работой, а о статистическом разбросе результатов и о том, как работодатели используют тесты.

Авторы исследования, опубликованного в Journal of Applied Psychology, изучали так называемую большую вариативность мужских результатов (greater male variability, GMV). У любой группы есть среднее значение и разброс оценок вокруг него. Если разброс у мужчин больше, среди них относительно больше как очень высоких, так и очень низких результатов; женские оценки чаще оказываются ближе к среднему. Это может происходить даже тогда, когда средние баллы мужчин и женщин совпадают, а в отдельных областях — даже когда средний балл женщин выше.

Вопрос важен на фоне сохраняющегося гендерного дисбаланса в найме. Женщины составляют примерно треть работников таких компаний, как Apple и Google, а среди разработчиков программного обеспечения в США их меньше одной пятой. Обычно причины разрыва ищут в предвзятости оценщиков, стереотипах или разнице средних результатов. Исследователи предлагают учитывать и разброс баллов. При этом величина различий зависит от измеряемого качества и конкретного исследования: например, метаанализ 2024 года обнаружил небольшие и непоследовательные различия в вариативности творческих способностей. Учёные также предупреждают, что результаты о GMV могут использовать для оправдания дискриминации.

Работа выросла из предыдущих исследований команды. В метаанализе 2021 года трое авторов обнаружили более широкий разброс мужских оценок кооперативного поведения на работе, хотя средние оценки женщин были выше. Руководитель нового исследования Хосе М. Кортина, профессор Fisher College of Business Университета штата Огайо, рассказал PsyPost, что задумался о последствиях этого эффекта для отбора персонала. Во время проведения работы он был сотрудником Университета Содружества Вирджинии.

Команда провела компьютерные симуляции методом Монте-Карло: создала виртуальные выборки, чтобы проверить, как разные параметры влияют друг на друга. В каждом наборе было 20 тысяч кандидатов — по 10 тысяч мужчин и женщин; каждый сценарий повторяли 100 раз. План и анализ заранее не регистрировали, однако код симуляций исследователи выложили в открытый доступ.

В основных моделях средние результаты мужчин и женщин совпадали, распределения имели колоколообразную форму, а изменчивость показателей будущей работы была одинаковой. Различался только разброс результатов тестов: мужскую дисперсию задавали на 5% или 40% выше женской. Небольшая разница соответствует некоторым данным о вербальных способностях и экстраверсии, большая — о количественном и механическом мышлении, а также оценках эмоциональной компетентности руководителями.

Исследователи сравнили две схемы найма. При последовательном отборе кандидат сначала проходит один тест, затем — второй, если преодолел первый порог; на каждом этапе часть людей отсеивают. При компенсаторной схеме кандидаты сдают оба теста, а их результаты объединяют с весами, зависящими от того, насколько тесты предсказывают рабочую эффективность. Высокий балл по одному показателю здесь может компенсировать более слабый результат по другому.

Один тест в модели хорошо предсказывал результативность, второй — умеренно; их связь друг с другом варьировалась от отсутствующей до значительной. В последовательной схеме проходной порог менялся от строгого, при котором пропускали 10% кандидатов, до мягкого — 90%. Для честного сравнения компенсаторная схема нанимала столько же людей, сколько соответствовавшая ей схема с порогами. Всего авторы проверили 112 сценариев и создали 11 200 виртуальных наборов данных.

При строгом пороге в 10% на тесте с большим мужским разбросом мужчины заметно чаще попадали в число нанятых — и при последовательном, и при объединённом подсчёте баллов. Показателен сценарий, где первый фильтр был мягким: после него женщины составляли 51% кандидатов, прошедших дальше. Но жёсткий порог на следующем тесте с высоким разбросом менял картину, и в итоге около 60% нанятых оказывались мужчинами.

Если оба последовательных этапа пропускали только 10% кандидатов и оба теста отличались большим мужским разбросом, доля женщин среди нанятых составляла около 31%. При компенсаторном подсчёте она падала примерно до 18%: объединение баллов само по себе не гарантирует гендерного баланса. Смягчение чрезмерно строгих порогов заметнее увеличивало долю женщин, чем дальнейшее смягчение и без того широкого отбора.

Даже разница в разбросе всего в 5% могла повлиять на итог. Когда за строгим порогом следовал мягкий, женщины составляли 48,7% нанятых. Если бы все примерно 66 миллионов ежегодных наймов в США проходили по подобной схеме, авторы оценили бы недобор женщин почти в миллион человек в год. Женщины немного превосходили мужчин по доле найма — максимум достигал 52% — лишь в условиях, когда работодатели принимали почти всех кандидатов.

Схемы с несколькими порогами снижали и ожидаемую производительность по сравнению с объединением результатов тестов. Причина — ранний жёсткий отсев: кандидат может провалить первый этап, хотя его сильный результат по другому показателю сделал бы его ценным работником в целом. Разница в продуктивности в некоторых сценариях была небольшой, но направление сохранялось во всех рассмотренных моделях.

Наиболее неудачным оказалось сочетание мягкого фильтра по тесту, лучше предсказывающему рабочую эффективность, и строгого порога по более слабому тесту с большим мужским разбросом. В одном таком сценарии последовательный отбор давал коллектив примерно на 60% мужского состава. Компенсаторная схема обеспечивала почти равное представительство мужчин и женщин, а 64% нанятых по ней превосходили средний ожидаемый результат группы, отобранной через два порога. Для должности с зарплатой 100 тысяч долларов в год исследователи оценили потери работодателя из-за более низкой продуктивности примерно в 14 400 долларов на каждого нанятого сотрудника ежегодно.

Авторы подчёркивают: снижение результативности не вызвано тем, что коллектив преимущественно мужской. Перекос в составе возникал из-за жёсткого порога на тесте с большим мужским разбросом, а потеря продуктивности — из-за того, как последовательная схема учитывала результаты двух тестов. Компенсаторный подход тоже не всегда улучшал баланс: если тест с большим разбросом лучше предсказывал производительность, его высокий вес повышал ожидаемые результаты, но мог ещё сильнее уменьшить долю нанятых женщин.

Дополнительные сценарии подтвердили общую картину. При разнице мужской дисперсии в 20% гендерный перекос становился слабее, но не исчезал. Третий этап отбора усугублял эффект: после мягкого первого фильтра два строгих этапа с высоким мужским разбросом снижали долю женщин примерно до 32%. При этом 73% сотрудников, отобранных по объединённым баллам, превосходили средний показатель группы, прошедшей через пороги.

Если мужчинам задавали преимущество в среднем балле, их доля среди нанятых росла ещё сильнее. Преимущество женщин в среднем оставляло их большинством, хотя строгие тесты с большим разбросом заметно сокращали отрыв. Когда мужчин среди соискателей было 75%, доля женщин среди нанятых по избирательной схеме снижалась. Предварительное исключение 20% кандидатов с самыми низкими результатами почти не меняло основные выводы.

Кортина предупреждает, что большая вариативность не означает превосходства мужчин. По его словам, речь о более широком разбросе мужских результатов по многим показателям — в том числе по тем, где средний результат женщин выше, — и о последствиях этого статистического различия для решений работодателей.

Авторы предполагают, что похожий эффект может влиять не только на найм, но и на продвижение. Повышение на высокие должности часто устроено как серия строгих отборочных этапов; критерии с большим разбросом могут постепенно сокращать долю женщин на верхних уровнях управления. Кроме того, большее число мужчин среди кандидатов с очень высокими баллами может давать им больше конкурирующих предложений и повышать стартовую зарплату, что потенциально усиливает разрыв в оплате труда.

Чтобы уменьшить перекос без потери производительности, авторы советуют не устанавливать чрезмерно строгие пороги на тестах с большим разбросом и, если возможно, использовать альтернативные инструменты с сопоставимой предсказательной силой и меньшими различиями в вариативности — например, структурированные собеседования, где кандидатам задают одинаковые вопросы и оценивают ответы по заранее заданным критериям. Ещё один вариант — расширять целевой поиск кандидатов. В одном сценарии с умеренным разрывом для равенства в найме требовалось привлекать примерно 12 женщин на каждые 10 мужчин.

Кортина создал на личном сайте два инструмента: один наглядно показывает эффект GMV, другой помогает организациям оценить, сколько квалифицированных женщин нужно привлечь, чтобы компенсировать влияние разброса на состав работников. Исследователь считает важным повысить осведомлённость об этом явлении и отдельно изучать его роль при отборе на руководящие должности.

У результатов есть существенные ограничения. Это компьютерные симуляции, а не анализ реальных кадровых решений; авторы не знают, насколько часто в действительности встречаются именно смоделированные комбинации тестов и порогов. Модель также предполагала симметричное колоколообразное распределение баллов, тогда как реальные данные могут быть перекошены, а соискатели — менять поведение или вовсе не подавать заявку, если считают процедуру несправедливой.

Точные данные о разнице мужского и женского разброса есть лишь для части рабочих тестов, поэтому оценки могут быть неточными, хотя общий результат сохранялся при альтернативных предположениях. Дальнейшие исследования должны проверить эффект на реальных данных, оценить затраты на расширенный набор кандидатов и изучить, как изменение весов тестов и порогов соотносится с антидискриминационным законодательством США, включая Title VII.

Исследование «The Man of the (Second) Moment: How Greater Male Variability Affects the Gender Composition and Productivity of the Workforce» подготовили Хосе М. Кортина, Имран Кадолкар, Штефан Фольк и Кристиан Тёни. Его главный практический вывод прост: способ отбора — не нейтральная техническая деталь. Жёсткие пороги могут одновременно менять гендерный состав коллектива и отсеивать людей, чьи сильные стороны проявились бы при более взвешенной оценке.