招聘培训之目标选才

本周参加了公司的招聘培训,主题是目标选才——即通过目标选择人才。

整个招聘过程划分为三部分:定义(岗位目标模型);收集(面试者信息);评估面试者表现,以决定是录用还是拒绝。


定义


这个阶段的重点是定义岗位目标模型。招聘方需要准确定义岗位的目标和衡量标准,对每个衡量标准要有对应的行为问题。岗位目标可以从四个维度进行描述:

  • 知识目标 -在该岗位上取得成功所需要的技术和专业知识。他知道什么
  • 经验目标 -在该岗位上取得成功所需要的曾经的工作成就。他做过什么
  • 能力目标 -完成改岗位工作所需要的一系列体现能力的行为表现。他能做什么
  • 个性特征/工作动力目标- 与该岗位上的工作满足感、工作成败相关的特质。他是怎样的人。 

简单来说就是知识、经验、能力、动力,层层递进。

定义岗位目标的时候,需要明确这四个维度的区别,避免岗位目标模棱两可,也避免把不同的目标混淆起来。

这个阶段主要是让你想清楚,到底要招什么样的人,有哪些要求,会问哪些问题。


收集


这是培训过程中印象最深内容,是关于面试过程中如何收集应聘者的真实信息,以便面试官作出客观公正的判断,这里提到了如何抓高质量的STAR。

关于STAR的定义,可参考这里

面试是最难也最有挑战的一个阶段,如何通过短暂的交流获得尽可能多的信息,判断出面试者是否真正符合要求。

STAR原则强调的是,在面试过程中针对面试者的描述,通过不断的追问,去问ST(场景和任务),以及在此情况下面试者的A(动作),和最后拿到的R(结果)。

针对面试者泛泛而谈的情况,抓STAR是非常有效的。抓STAR的万金油提问是:举个例子。。。。

不少大公司出来的技术人员,由于环境因素,对技术和系统了解得比较多,面试过程中说起来一套一套的,挺能唬弄人。所以需要打断去问ST,一旦找到ST,就追问下去,问A,问R。

在上面说到的四个岗位目标中,动力目标比较关键也是比较难在面试中问出来的。一个技巧是问R,比如:最满意的xxx,最不满意的xxx,最有挑战的xxx。这类问题通常反映出面试者的个人偏好,可借此追问下去。

抓STAR的最好的办法是Windows(问到死)。


评估


主要讲到了面试官的分工,以及要多个面试官去面,并且至少两人面到同一个目标,确保公平,也确保最后评估的客观性。

------------------------分割线-------------------------------


培训感受


感觉以前的面试真是弱爆了,一点都不科学,深切感受到牛逼的面试官只要几个问题就能掂量出你的斤两了。。。
以前面试中的问题主要有以下这些:
  • 胡乱抄的别人的岗位要求;
  • 面试开场很不专业;
  • 面试过程比较随意,没有明确的考察目标,也没有明确的问题;
  • 面试过程中经常问一些选择题、泛泛而谈的问题;
  • 面试中问不出重点,抓不到有效的STAR;
  • 40分钟面下来,对面试者做不出有效的判断;
面试也是一门学问,学无止境。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenMV是一款基于MicroPython的开源机器视觉平台,它可以用于图像处理和目标识别等应用。在OpenMV中,可以使用颜色识别来框选目标。 首先,你需要使用OpenMV的颜色追踪功能来识别目标颜色。你可以通过以下步骤来实现: 1. 初始化摄像头:使用OpenMV库初始化摄像头,并设置适当的分辨率和帧率。 2. 设置颜色阈值:选择你要识别的目标颜色,并设置相应的颜色阈值。可以使用RGB、HSV或LAB颜色空间来表示颜色。 3. 进行颜色追踪:在每一帧图像中,使用颜色阈值将目标颜色与其他颜色区分开来。可以使用OpenMV的`find_blobs()`函数来找到目标颜色的区域。 4. 框选目标:根据找到的目标颜色区域,可以使用OpenMV的`draw_rectangle()`函数在图像上框选出目标。 下面是一个示例代码,演示了如何在OpenMV上进行目标颜色识别和框选: ```python import sensor import image import lcd # 初始化摄像头 sensor.reset() sensor.set_pixformat(sensor.RGB565) sensor.set_framesize(sensor.QVGA) sensor.skip_frames(time = 2000) # 初始化LCD显示 lcd.init() # 设置目标颜色阈值 red_threshold = (30, 100, 15, 127, 15, 127) # (R_min, R_max, G_min, G_max, B_min, B_max) while True: # 获取图像 img = sensor.snapshot() # 进行颜色追踪 blobs = img.find_blobs([red_threshold]) if blobs: # 框选目标 for blob in blobs: img.draw_rectangle(blob.rect()) img.draw_cross(blob.cx(), blob.cy()) # 显示图像 lcd.display(img) ``` 这是一个简单的示例,你可以根据实际需求进行修改和扩展。希望对你有所帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值