Metaclass by KTS

Forwarded from Vitaly's insights

Лайв-кодинг и алгособесы переоценены: как ChatGPT помогает нанимать

Классические тех-собеседования проверяют, насколько кандидат подготовился к лайв-кодингу и алгосам, но при этом не оценивают его реальное погружение в профессиональную область.

Несколько раз в своей практике я сталкивался с проблемой: вроде бы кандидат шарит — всё решил и бэкграунд неплохой, но после приглашения на работу выясняется, что у него есть пробелы в опыте, которые было сложно заметить в процессе интервью.

Поэтому я решил опробовать новый формат проведения собеседований:

С помощью ChatGPT я сгенерировал бойлерплейт проекта с заложенными архитектурными проблемами — это заняло 30-40 минут. На собеседовании кандидат клонирует приватный репозиторий с этим бойлерплейтом, и далее за отведенное время (не более 1,5-2 часов) он исследует проект:

• Сначала должен ознакомиться и понять, что вообще в нём происходит.
• Далее он может искать проблемы: помечать их или исправлять — всё на его усмотрение.
• Каждое предложенное изменение может стать отправной точкой для дальнейшего обсуждения.

В итоге мы получаем не решение типовых задач, а собеседование-исследование, где сразу становится понятен реальный опыт и насмотренность кандидата. И что самое крутое — глубина обнаруженных проблем может отражать его грейд, поэтому один и тот же кейс можно использовать как для джунов, так и для синьоров.

Такой кейс легко масштабировать и изменять, а еще в нём нет идеального решения — проверяется лишь адекватность предложенных кандидатом идей. Как следствие, к такому собеседованию сложно подготовиться без реального опыта.

Призыв

Пока я не отточил свой кейс и продолжаю вносить в него изменения, поэтому если вы миддл-фронтендер, ищете работу или хотите просто проверить себя, я буду рад провести с вами ни к чему не обязывающее мок-интервью.

Если вам интересно — пишите в ЛС: @VitalyCherkov. Пожалуйста, прикрепляйте небольшое сопроводительное и CV)

Стек классический: React + TypeScript

www.tg-me.com/jp/Metaclass by KTS/com.metaclass/232

623 viewsSep 24, 2024 at 09:35

Лайв-кодинг и алгособесы переоценены: как ChatGPT помогает нанимать

Классические тех-собеседования проверяют, насколько кандидат подготовился к лайв-кодингу и алгосам, но при этом не оценивают его реальное погружение в профессиональную область.

Несколько раз в своей практике я сталкивался с проблемой: вроде бы кандидат шарит — всё решил и бэкграунд неплохой, но после приглашения на работу выясняется, что у него есть пробелы в опыте, которые было сложно заметить в процессе интервью.

Поэтому я решил опробовать новый формат проведения собеседований:

С помощью ChatGPT я сгенерировал бойлерплейт проекта с заложенными архитектурными проблемами — это заняло 30-40 минут. На собеседовании кандидат клонирует приватный репозиторий с этим бойлерплейтом, и далее за отведенное время (не более 1,5-2 часов) он исследует проект:

• Сначала должен ознакомиться и понять, что вообще в нём происходит.
• Далее он может искать проблемы: помечать их или исправлять — всё на его усмотрение.
• Каждое предложенное изменение может стать отправной точкой для дальнейшего обсуждения.

В итоге мы получаем не решение типовых задач, а собеседование-исследование, где сразу становится понятен реальный опыт и насмотренность кандидата. И что самое крутое — глубина обнаруженных проблем может отражать его грейд, поэтому один и тот же кейс можно использовать как для джунов, так и для синьоров.

Такой кейс легко масштабировать и изменять, а еще в нём нет идеального решения — проверяется лишь адекватность предложенных кандидатом идей. Как следствие, к такому собеседованию сложно подготовиться без реального опыта.

Призыв

Пока я не отточил свой кейс и продолжаю вносить в него изменения, поэтому если вы миддл-фронтендер, ищете работу или хотите просто проверить себя, я буду рад провести с вами ни к чему не обязывающее мок-интервью.

Если вам интересно — пишите в ЛС: @VitalyCherkov. Пожалуйста, прикрепляйте небольшое сопроводительное и CV)

Стек классический: React + TypeScript

BY Metaclass by KTS