How to make applying for jobs less painful | The Way We Work, a TED series

158,924 views ・ 2019-02-09

TED


براہ کرم ویڈیو چلانے کے لیے نیچے دیے گئے انگریزی سب ٹائٹلز پر ڈبل کلک کریں۔

00:00
Applying for jobs online
0
141
1416
Translator: Syed Ali Raza Reviewer: Umar Anjum
00:01
is one of the worst digital experiences of our time.
1
1581
2616
00:04
And applying for jobs in person really isn't much better.
2
4221
2696
00:06
[The Way We Work]
3
6942
1720
00:11
Hiring as we know it is broken on many fronts.
4
11181
2456
نوکریوں کے لیے آن لائن درخواست دینا
00:13
It's a terrible experience for people.
5
13661
1856
ہمارے دور کا ایک بدترین ڈیجیٹل تجربہ ہے۔
00:15
About 75 percent of people
6
15541
1816
اور بذات خود درخواست دینا بھی کچھ اچھا نہیں۔
00:17
who applied to jobs using various methods in the past year
7
17381
2856
[ہم جس انداز سے کام کرتے ہیں]
00:20
said they never heard anything back from the employer.
8
20261
2656
00:22
And at the company level it's not much better.
9
22941
2176
بھرتیوں کا عمل جیسا ہم جانتے ہیں مختلف ٹکڑوں میں تقسیم ہوتا ہے۔
00:25
46 percent of people get fired or quit
10
25141
2776
یہ لوگوں کے لیے ایک تکلیف دہ تجربہ ہے۔
00:27
within the first year of starting their jobs.
11
27941
2176
تقریبا 75 فیصد لوگ
جنھوں نے پچھلے سال مختلف طریقوں سے نوکری کے لئے درخواست دی
00:30
It's pretty mind-blowing.
12
30141
1216
00:31
It's also bad for the economy.
13
31381
1456
00:32
For the first time in history,
14
32861
1456
کہتے ہیں انھیں آجر کی طرف سے کوئی جواب موصول نہیں ہوا۔
00:34
we have more open jobs than we have unemployed people,
15
34341
2856
اور اداروں کی سطح پر بھی کوئی خاص بہتری نہیں۔
00:37
and to me that screams that we have a problem.
16
37221
2176
46 فیصد لوگ یا نوکری چھوڑ گئے یا نکال دیئے گئے
00:39
I believe that at the crux of all of this is a single piece of paper: the résumé.
17
39421
3976
نوکری کے آغاز کے پہلے ہی سال میں۔
کافی ناقابل یقین ہے یہ۔
00:43
A résumé definitely has some useful pieces in it:
18
43421
2336
یہ معیشت کے لئے بھی نقصان دہ ہے
00:45
what roles people have had, computer skills,
19
45781
2096
تاریخ میں پہلی بار،
ہمارے پاس بے روزگاروں سے زیادہ نوکریاں موجود ہیں،
00:47
what languages they speak,
20
47901
1256
00:49
but what it misses is what they have the potential to do
21
49181
3056
میری نظر میں یہ علامت ہے کہ ہم مشکل میں ہیں۔
میرا ماننا ہے کہ اس سب کہ پیچھے ایک کاغذ کا ٹکڑا ہے: درخواست۔
00:52
that they might not have had the opportunity to do in the past.
22
52261
2976
00:55
And with such a quickly changing economy where jobs are coming online
23
55261
3256
ایک درخواست یقیناً کچھ کارآمد حصوں پر مشتمل ہوتی ہے:
00:58
that might require skills that nobody has,
24
58541
2056
لوگوں کی گذشتہ ذمہ داریاں، کمپیوٹرکی مہارت،
01:00
if we only look at what someone has done in the past,
25
60621
2776
وہ کونسی زبانیں بولتے ہیں،
مگرجس چیز کی کمی ہے وہ لوگوں کی ان صلاحیتوں کا ذکر ہے
01:03
we're not going to be able to match people to the jobs of the future.
26
63421
3256
جنھیں ماضی میں ظاہر ہونے کا موقع نہ مل سکا ہو۔
01:06
So this is where I think technology can be really helpful.
27
66701
2736
اور اس تیزی سے بدلتی معیشت میں جہاں نوکریاں آن لائن آ رہی ہوں
01:09
You've probably seen that algorithms have gotten pretty good
28
69461
2856
ایسی صلاحیت درکار ہوسکتی ہے جو کسی میں نہ ہو،
01:12
at matching people to things,
29
72341
1536
01:13
but what if we could use that same technology
30
73901
2256
اگر ہم صرف یہ دیکھیں کہ کسی نے ماضی میں کیا کیا ہے،
تو ہم لوگوں کو مستقبل کی ملازمتوں سے مطابقت نہیں دے پائیں گے۔
01:16
to actually help us find jobs that we're really well-suited for?
31
76181
3096
01:19
But I know what you're thinking.
32
79301
1576
میرے خیال میں اس جگہ ٹیکنالوجی بہت مددگار ہو سکتی ہے۔
01:20
Algorithms picking your next job sounds a little bit scary,
33
80901
2776
آپ نے شائد دیکھا ہو کہ الگورتھم بہت اچھے ہوچکے ہیں
01:23
but there is one thing that has been shown
34
83701
2056
لوگوں کو چیزوں سے ملانے میں،
01:25
to be really predictive of someone's future success in a job,
35
85781
2896
کیا ہو اگر ہم وہی تکنیک استعمال کرسکیں
01:28
and that's what's called a multimeasure test.
36
88701
2136
ایسی نوکری کی تلاش میں جو حقیقتاً ہمارے حساب سے ہو؟
01:30
Multimeasure tests really aren't anything new,
37
90861
2176
مجھے پتہ ہے آپ کیا سوچ رہے ہیں۔
01:33
but they used to be really expensive
38
93061
1736
الگورتھم سے اگلی نوکری حاصل کرنا کافی خوفناک سا ہے،
01:34
and required a PhD sitting across from you
39
94821
2016
01:36
and answering lots of questions and writing reports.
40
96861
2456
مگر ایک چیز ہے جو واضح ہے
کسی کی نوکری میں مستقبل میں کامیابی کی حتمی پیشن گوئی کرنا،
01:39
Multimeasure tests are a way
41
99341
1696
01:41
to understand someone's inherent traits --
42
101061
2456
یا جسے کثیر پیمائشی امتحان کہا جاتا ہے۔
01:43
your memory, your attentiveness.
43
103541
1776
کثیر پیمائشی امتحان کوئی نئی چیز نہیں ہیں،
مگر یہ بہت مہنگے ہوا کرتے تھے
01:46
What if we could take multimeasure tests
44
106255
1942
اور کمرے میں آپکے ساتھ ایک پی ایچ ڈی کی موجودگی
01:48
and make them scalable and accessible,
45
108221
2536
اور بہت سے جوابات دینا اور رپورٹس لکھنا۔
01:50
and provide data to employers about really what the traits are
46
110781
3376
کثیر پیمائشی امتحان ایک ذریعہ ہیں
کسی کی باطنی صلاحیتوں کو سمجھنے کا --
01:54
of someone who can make them a good fit for a job?
47
114181
2896
آپ کی یادداشت، آپ کی حاضر دماغی کا۔
01:57
This all sounds abstract.
48
117101
1296
01:58
Let's try one of the games together.
49
118421
1735
کیا ہو اگر ہم کثیر پیمائشی امتحان لے سکیں
02:00
You're about to see a flashing circle,
50
120180
1857
اور انھیں آسانی سے قابل فہم بنا سکیں،
02:02
and your job is going to be to clap when the circle is red
51
122061
2960
اور ان کی معلومات اداروں کو فراہم کر سکیں کہ اصل صلاحیتیں کیا ہیں
02:05
and do nothing when it's green.
52
125878
1496
ان کی جو کہ ایک نوکری کے لئے مناسب امیدوار ہوسکتے ہیں؟
02:07
[Ready?]
53
127399
1376
02:08
[Begin!]
54
128800
1360
یہ سب عجیب سا لگتا ہے۔
چلیں ساتھ مل کر ایک کھیل کھیلیں۔
02:11
[Green circle]
55
131301
1000
ابھی آپ ایک چمکتا ہوا دائرہ دیکھیں گے،
02:13
[Green circle]
56
133301
1040
آپ کا کام ہے کہ اس وقت تالی بجائیں جب دائرہ سرخ ہو
02:15
[Red circle]
57
135301
1000
02:17
[Green circle]
58
137301
1080
اور جب سبز ہو تو کچھ نہ کریں۔
02:19
[Red circle]
59
139301
1000
[ تیار؟]
02:21
Maybe you're the type of person
60
141521
1596
[ شروع کریں!]
02:23
who claps the millisecond after a red circle appears.
61
143141
2496
[ سبز دائرہ]
02:25
Or maybe you're the type of person
62
145661
1656
[ سبز دائرہ]
02:27
who takes just a little bit longer to be 100 percent sure.
63
147341
2735
[ سرخ دائرہ]
[ سبز دائرہ]
02:30
Or maybe you clap on green even though you're not supposed to.
64
150101
2936
[ سرخ دائرہ]
02:33
The cool thing here is that this isn't like a standardized test
65
153061
2976
ہوسکتا ہے آپ ان لوگوں میں ہوں
جو سرخ دائرہ نظر آنے کے ملی سیکنڈ بعد تالی بجاتے ہوں.
02:36
where some people are employable and some people aren't.
66
156061
2656
02:38
Instead it's about understanding the fit between your characteristics
67
158741
3256
یا آپ ان لوگوں میں سے ہوں
جنھیں 100 فیصد یقین کرنے میں کچھ وقت لگتا ہو۔
02:42
and what would make you good a certain job.
68
162021
2016
ہوسکتا ہے آپ نے سبز پر تالی بجائی ہو جب کہ آپ کو نہ بجانی ہو۔
02:44
We found that if you clap late on red and you never clap on the green,
69
164061
3736
اچھی بات یہ ہے کہ یہ کوئی عمومی آزمائش نہیں ہے جو
02:47
you might be high in attentiveness and high in restraint.
70
167821
3176
کچھ لوگوں پرقابل عمل ہو اور کچھ پر نہیں۔
02:51
People in that quadrant tend to be great students, great test-takers,
71
171021
3576
جبکہ یہ دراصل توازن سمجھنا ہے آپ کی خصوصیات کے مابین
02:54
great at project management or accounting.
72
174621
2136
اور کیا آپ کے لیے اچھی نوکری ہو گی۔
02:56
But if you clap immediately on red and sometimes clap on green,
73
176781
3336
ہمیں پتہ چلا کہ اگر آپ نےلال پر دیر سے تالی بجائی یا سبز پر بالکل نہیں بجائی،
03:00
that might mean that you're more impulsive and creative,
74
180141
2656
ہوسکتا ہے آپ بہت محتاط ہوں اور بہت قابو میں۔
03:02
and we've found that top-performing salespeople often embody these traits.
75
182821
3875
اس طبقے میں شامل لوگ اچھے شاگرد، اور اچھے امتحان لینے والے ہوتے ہیں،
03:06
The way we actually use this in hiring
76
186721
2016
منصوبوں کے انتظام یا حساب کتاب میں بہترین۔
03:08
is we have top performers in a role go through neuroscience exercises
77
188761
3696
مگرآپ نے سرخ پر جلدی تالی بجائی، اور کچھ بار سبز پر،
03:12
like this one.
78
192481
1216
اس کا مطلب ہوسکتا ہے کہ آپ تھوڑے جلد باز اور تخلیقی ہوں،
03:13
Then we develop an algorithm
79
193721
1376
03:15
that understands what makes those top performers unique.
80
195121
2656
اور ہم نے دیکھا ہے کہ کامیاب سوداگر اکثر اس صلاحیت کے حامل ہوتے ہیں۔
03:17
And then when people apply to the job,
81
197801
1936
03:19
we're able to surface the candidates who might be best suited for that job.
82
199761
4136
اسے بھرتیوں میں استعمال کا طریقہ یہ ہے
کہ کسی ایک نوکری کے لئے بہترین امیدواروں کو ذہنی مشقوں سے گزارا جائے
03:23
So you might be thinking there's a danger in this.
83
203921
2376
جیسی کہ یہ ہے۔
03:26
The work world today is not the most diverse
84
206321
2136
پھر ہم ایک الگورتھم بنائیں
جو سمجھتا ہے کہ بہترین لوگوں کو کیا چیز منفرد بناتی ہے۔
03:28
and if we're building algorithms based on current top performers,
85
208481
3096
اور جب لوگ ملازمت کے لئے درخواست دیتے ہیں،
03:31
how do we make sure
86
211601
1216
03:32
that we're not just perpetuating the biases that already exist?
87
212841
2976
ہم سب سے مناسب لوگوں کا انتخاب کرنے کے قابل ہوجاتے ہیں۔
03:35
For example, if we were building an algorithm based on top performing CEOs
88
215841
4056
ہوسکتا ہے آپ اس میں خطرہ محسوس کر رہے ہوں۔
آج کی ملازمت کی دنیا اتنی ہمہ جہت نہیں ہے
03:39
and use the S&P 500 as a training set,
89
219921
3216
اور اگر ہم موجودہ بہترین افراد کے حساب سے کوئی الگورتھم بنائیں،
03:43
you would actually find
90
223161
1256
03:44
that you're more likely to hire a white man named John than any woman.
91
224441
3816
تو کیسے یہ یقینی بنائیں
کہ ہم پہلے سے موجود تعصبات کو ہی ایک مستقل عمل نہیں بنا رہے ہیں؟
03:48
And that's the reality of who's in those roles right now.
92
228281
2696
مثلاً اگر ہم بہترین سی ای اوز کے انتخاب کا ایک الگورتھم ترتیب دے رہے ہوں
03:51
But technology actually poses a really interesting opportunity.
93
231001
3376
اور ایس اینڈ پی 500 تربیت کے طریقے کو استعمال کریں،
03:54
We can create algorithms that are more equitable
94
234401
2256
تو آپ کو پتہ چلے گا کہ
03:56
and more fair than human beings have ever been.
95
236681
2256
شائد آپ جان نامی ایک سفید فام کو ملازمت دیں بجائے ایک عورت کے۔
03:58
Every algorithm that we put into production has been pretested
96
238961
3696
اور یہی حقیقت جس سے پتہ چلتا ہے کہ کون اس جگہ پر ابھی ہے۔
04:02
to ensure that it doesn't favor any gender or ethnicity.
97
242681
3096
مگر ٹیکنالوجی دراصل ایک بہت ہی دلچسپ موقع دیتی ہے۔
04:05
And if there's any population that's being overfavored,
98
245801
2736
ہم ایسے الگورتھم بنا سکتے ہیں جو بہت منصفانہ ہوں
04:08
we can actually alter the algorithm until that's no longer true.
99
248561
3120
اور اتنے شفاف جتنے انسان کبھی نہ تھے۔
ہر الگورتھم جسے ہم بناتے ہیں وہ پہلے آزمایا جاتا ہے
04:12
When we focus on the inherent characteristics
100
252041
2216
04:14
that can make somebody a good fit for a job,
101
254281
2096
یقینی بنانے کے لیے کہ اس سے کسی خاص قومیت یا جنس کو فائدہ نہ ہو۔
04:16
we can transcend racism, classism, sexism, ageism --
102
256401
3576
اور اگر آبادی کا کوئی طبقہ زیادہ مراعات یافتہ ہوجائے،
04:20
even good schoolism.
103
260001
1416
ہم اس الگورتھم کو تبدیل کرسکتے ہیں جب تک کہ صحیح نہ ہوجائے۔
04:21
Our best technology and algorithms shouldn't just be used
104
261441
2896
04:24
for helping us find our next movie binge or new favorite Justin Bieber song.
105
264361
3736
جب ہم باطنی صلاحیتوں پر توجہ دیتے ہیں
جو کسی کو کسی ملازمت کے لئے مناسب بنا سکتا ہے،
04:28
Imagine if we could harness the power of technology
106
268121
2656
تو ہم تعصب، درجہ بندی، جنسی یا عمر کی تفریق سے بہت آگے نکل سکتے ہیں --
04:30
to get real guidance on what we should be doing
107
270801
2296
یہاں تک کہ اسکولوں کے فرق سے بھی۔
04:33
based on who we are at a deeper level.
108
273121
1936
ہماری بہترین ٹیکنالوجی اور الگورتھم کا استعمال صرف اس لئے نہیں ہونا چاہیے
جس سے صرف آنے والی فلم یا جسٹن بیبیر کا نیا گانا ڈھونڈا جا سکے۔
سوچیں اگر ہم ٹیکنالوجی کی طاقت پر قابو پا سکیں
حقیقی رہنمائی کےلیے کہ ہمیں دراصل کیا کرنا چاہیے
اس بنیاد پر کہ حقیقتاً ہم کیا ہیں۔
اس ویب سائٹ کے بارے میں

یہ سائٹ آپ کو یوٹیوب ویڈیوز سے متعارف کرائے گی جو انگریزی سیکھنے کے لیے مفید ہیں۔ آپ دیکھیں گے کہ انگریزی اسباق دنیا بھر کے اعلیٰ ترین اساتذہ کے ذریعہ پڑھائے جاتے ہیں۔ وہاں سے ویڈیو چلانے کے لیے ہر ویڈیو پیج پر دکھائے گئے انگریزی سب ٹائٹلز پر ڈبل کلک کریں۔ سب ٹائٹلز ویڈیو پلے بیک کے ساتھ مطابقت پذیر ہوتے ہیں۔ اگر آپ کے کوئی تبصرے یا درخواستیں ہیں، تو براہ کرم اس رابطہ فارم کا استعمال کرتے ہوئے ہم سے رابطہ کریں۔

https://forms.gle/WvT1wiN1qDtmnspy7