بھرتی میں تعصب کسی ریکروٹر کے کردار کی خامی نہیں۔ یہ انسانی دماغ اور اُن الگورتھمی نظاموں کی ایک قابلِ پیشگوئی خاصیت ہے جو غیر یقینی صورت میں فیصلہ کرتے ہیں۔ اس کے وجود سے انکار اسے کم نہیں کرتا، بلکہ صرف یہ یقینی بناتا ہے کہ وہ نظر آئے بغیر کام کرتا رہے۔
یہ تحریر ایک عملی فہرست ہے، آج پاکستان میں بھرتی کے فیصلوں میں سب سے عام تعصبات، ہر ایک فنل میں ٹھوس انداز میں کیسے ظاہر ہوتا ہے، اور کون سے طریقے اس کا اثر کم کرتے ہیں۔ یہ تحریر تعصب مکمل ختم کرنے کا وعدہ نہیں کرتی، بلکہ تشخیص اور اوزار دیتی ہے۔
انسانی تعصبات کی کلاسیکی اقسام
١۔ تصدیقی تعصب (Confirmation bias)
ریکروٹر انٹرویو کے پہلے ٣٠ سیکنڈ میں (یا سی وی کی پہلی نظر میں) ایک تاثر قائم کر لیتا ہے، اور باقی ساری گفتگو اُسی تاثر کی تصدیق میں صرف ہوتی ہے۔ سوالات پہلی مفروضے کے ثبوت کی تلاش بن جاتے ہیں۔
کیسے ظاہر ہوتا ہے: جو امیدوار شروع میں اچھا لگا، وہ "چھانٹی میں پاس" سمجھا جاتا ہے؛ جس نے ابتدا میں الجھن پیدا کی، وہ "پاس نہیں ہوا"۔
کیسے کم کریں:
- منظم انٹرویو جس میں سب سے ایک ہی سوال ہوں
- ساتھیوں سے بات کرنے سے پہلے فیصلہ تحریری شکل میں
- "مجھے اچھا لگا" کے بجائے ایک طے شدہ روبرک
٢۔ ہالہ اثر (اور ہارنز)
کوئی ایک نمایاں مثبت (یا منفی) خاصیت پورے جائزے پر پھیل جاتی ہے۔ کسی معروف یونیورسٹی کے امیدوار کو ہر چیز میں بہتر سمجھا جاتا ہے، رابطہ، استدلال، ذمہ داری، حالانکہ اس کا کوئی ثبوت نہیں ہوتا۔
کیسے ظاہر ہوتا ہے: "یہ LUMS یا NUST سے ہے، تو ضرور ڈسٹری بیوٹڈ سسٹمز میں بھی بہترین ہو گا"۔ یا: "اس کے سی وی میں ١٨ ماہ کا وقفہ ہے، تو ضرور یہ عمومی طور پر غیر منظم ہو گا"۔
کیسے کم کریں:
- ہر صلاحیت کا الگ، آزاد روبرک سے جائزہ
- سب کو "مجموعی تاثر" میں جمع نہ کریں
- بلائنڈ ٹیکنیکل ٹیسٹ (بغیر نام، بغیر ادارے کے)
٣۔ ہم آہنگی کا تعصب (Affinity bias)
اُن امیدواروں کو ترجیح دینے کا رجحان جو ریکروٹر سے ملتے جلتے ہوں (وہی سماجی پس منظر، وہی یونیورسٹی، وہی مشغلہ، وہی مزاج)۔ یہ ہٹانا سب سے مشکل تعصب ہے کیونکہ یہ "کیمیا" یا "کلچرل فٹ" کا روپ دھار لیتا ہے۔
کیسے ظاہر ہوتا ہے: "مجھے یہ بہت اچھا لگا، یہ ہمارے ساتھ خوب نبھے گا"۔ اکثر اس کا مطلب ہوتا ہے "یہ مجھ جیسا ہے"۔
کیسے کم کریں:
- مختلف پس منظر والے افراد پر مشتمل انٹرویو پینل
- "کلچرل فٹ" (کمپنی کی واضح اقدار کا اشتراک) کو "سماجی فٹ" (مجھ جیسا لگنا) سے الگ کریں
- انٹرویو سے پہلے "کلچرل فٹ" کے تحریری معیار طے کریں
٤۔ ابتدائی لنگر کا تعصب (Anchoring bias)
پہلا عدد یا پہلی معلومات باقی سب کو ڈھال دیتی ہے۔ جو خوبصورت سی وی پہلے دیکھ لیا جائے، وہ اگلے بیس سی ویز کے لیے لنگر بن جاتا ہے۔
کیسے ظاہر ہوتا ہے: "یہ قطار میں سب سے بہتر ہے"، عموماً وہی ہوتا ہے جو سب سے پہلے دیکھے گئے سی وی سے قریب تر ہو۔
کیسے کم کریں:
- امیدواروں کو دوسرے امیدواروں سے نہیں، روبرک سے جانچیں
- جائزے کی ترتیب کو بے ترتیب کریں
- لنگر کو ری سیٹ کرنے کے لیے بیچوں کے درمیان وقفہ رکھیں
٥۔ دستیابی کا تعصب (Availability bias)
ہم احتمال کا اندازہ اس بنیاد پر لگاتے ہیں کہ ہمیں مثالیں کتنی آسانی سے یاد آتی ہیں۔ اگر پچھلا کمزور ڈیولپر Vue کا تھا، تو Vue کا امیدوار خطرہ لگتا ہے، چاہے کوئی ڈیٹا نہ ہو۔
کیسے ظاہر ہوتا ہے: "فلاں فریم ورک کے ڈیولپرز عموماً آرکیٹیکچر میں کمزور ہوتے ہیں"، یہ رائے دو تین کیسوں پر مبنی ہوتی ہے، کسی شماریات پر نہیں۔
کیسے کم کریں:
- جہاں مجموعی ڈیٹا موجود ہو، فیصلہ اسی پر کریں
- اندرونی فرضی اصول لکھیں اور وقتاً فوقتاً ان پر نظرِ ثانی کریں
- جہاں ممکن ہو، وجدان کی جگہ معروضی ٹیسٹ لائیں
٦۔ موجودہ صورتحال کا تعصب (Status quo bias)
اُن امیدواروں کے لیے لاشعوری ترجیح جو پہلے سے ٹیم میں موجود لوگوں جیسے ہوں۔ یہ تنوع کو فعال طور پر کم کرتا ہے، چاہے کمپنی کہے کہ وہ تنوع کو اہمیت دیتی ہے۔
کیسے ظاہر ہوتا ہے: پوری ٹیم ایک ہی طرح کی، ایک جیسے اداروں سے، سب بیک اینڈ Java۔ اگلی بھرتی جو "فٹ" ہوتی ہے، وہ بھی اسی پروفائل کی ہوتی ہے۔ "ارادتاً نہیں ہوا"، اور یہی بات اس تعصب کو خطرناک بناتی ہے۔
کیسے کم کریں:
- اسامی کھولنے سے پہلے ارادی فرق کا تجزیہ ("ہماری ٹیم میں کس چیز کی کمی ہے؟")
- ماخذ پر متنوع پائپ لائن (صرف واضح چینلز پر اشتہار نہیں)
- بھرتی کے بعد آبادیاتی میٹرکس، سہ ماہی بنیادوں پر نظرِ ثانی
پاکستان کے مخصوص تعصبات
٧۔ سفارش اور تعلق کا تعصب
پاکستان میں بہت سی اسامیاں میرٹ سے نہیں بلکہ ذاتی تعلق، یعنی "سفارش" سے بھرتی جاتی ہیں۔ امیدوار کا کسی موجودہ ملازم یا بااثر شخص سے تعلق اس کی صلاحیت سے زیادہ وزن پا لیتا ہے۔ یہ بھرتی کا معیار گرا دیتا ہے اور قابل لوگوں کو، جن کا کوئی اندرونی رابطہ نہیں، باہر رکھتا ہے۔
کیسے کم کریں:
- معیار طے کریں اور ہر ریفرل کو بھی اُسی روبرک سے گزاریں
- بھرتی Rozee.pk جیسے کھلے پلیٹ فارمز پر اشتہار دے کر شروع کریں، نہ کہ صرف اندرونی سرکل میں
- پہلی چھانٹی میں تعلق کی معلومات کو نظر سے دور رکھیں
٨۔ تعلیمی وقار کا تعصب
پاکستان کی چند نمایاں یونیورسٹیوں (مثلاً LUMS، NUST، GIKI، FAST) کے فارغ التحصیل پہلی نظر میں غیر متناسب وزن پاتے ہیں۔ چھوٹے سرکاری اداروں یا نئے نجی کالجوں سے فارغ ہونے والے امیدوار، برابر کارکردگی کے باوجود، نقصان میں مقابلہ کرتے ہیں۔
کیسے کم کریں:
- انٹرویو سے پہلے ٹیکنیکل ٹیسٹ، بغیر یونیورسٹی کی شناخت کے
- فیصلہ ناپی گئی صلاحیت پر، نہ کہ ادارے کے نام پر
٩۔ صنفی اور تکنیکی تعصب
تکنیکی اسامیوں میں مستقل۔ مردانہ نام والے سی وی کو تکنیکی صلاحیت کا حامل پڑھا جاتا ہے، جبکہ زنانہ نام والے سی وی کو "سافٹ" صلاحیت کا حامل سمجھا جاتا ہے۔ پاکستان میں خواتین کو اکثر کسی خاص کام کے لیے یکساں اہل نہیں سمجھا جاتا، حالانکہ آئین کا آرٹیکل ٢٧ صنف کی بنیاد پر امتیاز سے روکتا ہے (اگرچہ یہ صرف سرکاری ملازمتوں پر لاگو ہوتا ہے، نجی شعبے پر نہیں)۔
کیسے کم کریں:
- پہلی نظر میں بلائنڈ چھانٹی (بغیر نام کے)
- انٹرویو پینل میں خواتین کی شرکت
- رویہ جاتی انٹرویو سے پہلے معیاری ٹیکنیکل ٹیسٹ
الگورتھمی تعصبات
١٠۔ تاریخی ڈیٹا سیٹ سے ورثے میں ملا تعصب
ماضی کی بھرتیوں کے ڈیٹا پر تربیت پانے والا اے آئی ماڈل پیٹرن سیکھتا ہے، بشمول وہ پیٹرن جنہیں دہرانا مقصود نہیں ہوتا۔ مشہور مثال: ایمیزون (٢٠١٨) نے ١٠ سال کی تاریخ پر ایک چھانٹی ماڈل تربیت دیا اور پایا کہ وہ اُن سی ویز کو سزا دے رہا تھا جن میں لفظ "عورت" آتا تھا۔ ماڈل بند کر دیا گیا۔
کیسے ظاہر ہوتا ہے: اے آئی چھانٹی پلیٹ فارم "عجیب طور پر" ایک آبادیاتی گروہ کے امیدواروں کو دوسرے سے زیادہ نکال دیتا ہے۔ اسے واضح طور پر ایسا کرنے کا حکم نہیں دیا گیا، یہ ورثے میں ملتا ہے۔
کیسے کم کریں:
- مختلف آبادیاتی گروہوں پر مصنوعی ٹیسٹ کے ساتھ ماڈل کے تعصب کا آڈٹ
- متوازن ڈیٹا سیٹ کے ساتھ سالانہ نظرِ ثانی
- جہاں ضابطہ ہو، باقاعدہ بیرونی آڈٹ
١١۔ "سی وی آپٹیمائزیشن" کا تعصب
جو نظام کی ورڈ میچ کو وزن دیتے ہیں، وہ اُن امیدواروں کو فوقیت دیتے ہیں جنہوں نے سی وی کو ATS کے لیے بہتر بنانا سیکھ لیا ہے، نہ کہ تکنیکی طور پر بہترین کو۔ یہ اُن لوگوں کے خلاف ایک میٹا تعصب پیدا کرتا ہے جو مختصر اور سیدھا سی وی لکھتے ہیں۔
کیسے کم کریں:
- "سی وی پڑھنے" والے فلٹر کو "صلاحیت ناپنے" کی طرف لے جائیں
- NORT جیسے پلیٹ فارم اسی میٹا تعصب پر وار کرتے ہیں، کیونکہ ان کا Career Score سی وی پر نہیں، ٹیسٹ پر مبنی ہوتا ہے
آپ کے پاس تعصب ہے یا نہیں (اور کتنا) یہ کیسے ناپیں
محض اچھی نیت کا اعلان کافی نہیں۔ چار عملی ٹیسٹ:
ٹیسٹ ١: آبادیاتی تجزیہ
ہر مرحلے کی منظوری کی شرح کو صنف، نسل، عمر اور یونیورسٹی کے لحاظ سے موازنہ کریں۔ اگر مرحلہ ٢ اور مرحلہ ٣ کے درمیان کسی ایک گروہ کے لیے شرح زیادہ گرتی ہے، تو اُس مرحلے پر تعصب کام کر رہا ہے۔
ٹیسٹ ٢: اشتہارِ اسامی کا آڈٹ
کیا جاب ڈسکرپشن میں صنفی تعصب والے الفاظ ہیں (مثلاً "جارحانہ"، "راک اسٹار")؟ ایسے الفاظ اکثر بعض گروہوں کو درخواست دینے سے روک دیتے ہیں۔
ٹیسٹ ٣: کنٹرول شدہ بلائنڈ جائزہ
ایک ہی روبرک شناخت والے سی ویز اور بغیر شناخت (نام، تصویر، یونیورسٹی، علاقہ) والے سی ویز پر لگائیں۔ مختلف نتیجہ تعصب کا براہِ راست ثبوت ہے۔
ٹیسٹ ٤: حتمی پول کا تنوع
اگر بہترین ١٠ فیصد امیدواروں کی آبادیات ایک طرح کی ہے مگر بھرتی ہونے والے بہترین ١٠ فیصد کی آبادیات مختلف ہے، تو تعصب فنل میں رہتا ہے، پول میں نہیں۔
جو تعصب کم نہیں کرتا (اگرچہ سننے میں اچھا لگتا ہے)
- عمل میں تبدیلی کے بغیر "لاشعوری تعصب کی تربیت": حالیہ تحقیق مختصر مدتی اثر دکھاتی ہے، پائیدار رویہ جاتی تبدیلی نہیں
- معیار بدلے بغیر اعلان شدہ کوٹہ: یہ سبب حل کیے بغیر ناراضی پیدا کرتا ہے
- ڈیٹا کے بغیر "تعلق کا کلچر": بغیر پیمائش کے نعرہ کچھ نہیں بدلتا
- انسانی تعصب کے خودکار حل کے طور پر اے آئی: یہ ایک تعصب کو دوسرے الگورتھمی تعصب سے بدل سکتا ہے
NORT کا طریقہ کیا ہے؟
پہلے ایک وضاحت۔ NORT کوئی ATS نہیں، بلکہ ایک ریورس ریکروٹنگ اور اسسمنٹ پلیٹ فارم ہے، جو موجودہ ATS کی جگہ نہیں بلکہ اس کی تکمیل کرتا ہے۔ NORT تین طریقوں سے تعصب پر وار کرتا ہے:
1. پہلے سے جانچے گئے پول میں معروضی معیار پر چھانٹی: ناپی گئی صلاحیت، ناپی گئی زبان اور توثیق شدہ Big Five پر اسکور۔ سی وی محض ثانوی ہو جاتا ہے۔
2. پورٹیبل جائزہ: امیدوار یہ عمل ایک بار مکمل کرتا ہے، اور ریورس ریکروٹنگ ماڈل میں کمپنی کو پہلی نظر میں نام، تصویر یا یونیورسٹی پر چھانٹنے کا موقع نہیں ملتا۔
3. امیدوار کے لیے شفافیت: نتیجہ خود امیدوار کو نظر آتا ہے، تو خودکار فیصلوں کی جواب دہی قائم رہتی ہے۔
یہ تمام انسانی تعصبات ختم نہیں کرتا (حتمی انٹرویو اب بھی موجود ہے)، مگر فنل کی رکاوٹ کو وہاں منتقل کرتا ہے جہاں اسے جائز ثابت کرنا آسان ہے، یعنی صلاحیت کی پیمائش پر۔
اکثر پوچھے جانے والے سوالات
کیا میں تعصب کو مکمل طور پر ختم کر سکتا ہوں؟
نہیں۔ آپ اسے نمایاں طور پر کم کر سکتے ہیں۔ تحقیق دکھاتی ہے کہ منظم عمل، ابتدائی بلائنڈ جائزہ اور واضح روبرک مختلف گروہوں میں تعصب کو ٣٠ سے ٦٠ فیصد تک کم کرتے ہیں۔ مکمل خاتمے کے لیے انسانی فیصلہ ہٹانا پڑے گا، جس کے اپنے مسائل ہیں۔
کیا پاکستان میں کمپنی قانونی طور پر کوٹہ رکھ سکتی ہے؟
پاکستان میں نجی شعبے کی بھرتی کے لیے کوئی جامع امتیازی سلوک کا قانون نافذ نہیں۔ آئین کا آرٹیکل ٢٧ صرف سرکاری ملازمتوں پر امتیاز سے روکتا ہے۔ نجی کمپنیاں کم نمائندگی والے گروہوں کے لیے اعلان شدہ مثبت پروگرام یا مخصوص اسامیاں رکھ سکتی ہیں، جو "آبادیات کی بنیاد پر چنا گیا امیدوار" سے مختلف ہے، یہ "ایک مخصوص گروہ کے لیے کھلی اسامی" ہے۔
کیا پاکستان میں تعصب کا آڈٹ لازمی ہے؟
ابھی نجی بھرتی میں لازمی نہیں۔ پاکستان میں ابھی تک کوئی جامع، نافذ العمل ڈیٹا پروٹیکشن قانون موجود نہیں؛ صرف پرسنل ڈیٹا پروٹیکشن بل ٢٠٢٣ کا مسودہ زیرِ غور ہے، جو منظوری کے بعد امیدوار کو محض خودکار فیصلے کے تابع نہ ہونے کا حق دے گا۔ تفصیل کے لیے پاکستان میں ڈیٹا پروٹیکشن قوانین کا جائزہ دیکھا جا سکتا ہے۔ یورپ کے GDPR یا EU AI Act کی طرح کوئی پابند قانون ابھی پاکستان میں لاگو نہیں۔
کیا اے آئی تعصب کم کرتا ہے یا بڑھاتا ہے؟
دونوں کر سکتا ہے۔ متوازن ڈیٹا پر تربیت یافتہ ماڈل، توثیق شدہ آلات (جیسے Big Five) اور باقاعدہ آڈٹ کے ساتھ، تعصب کم کرتا ہے۔ اندرونی تاریخ پر بغیر آڈٹ کے تربیت یافتہ ماڈل اسے بڑھا دیتا ہے۔
کیا "کلچرل فٹ" چھپا ہوا تعصب ہے؟
ہو سکتا ہے۔ "کلچرل فٹ" تب جائز ہے جب اس کا مطلب ہو "کمپنی کی واضح، تحریری اقدار کا اشتراک"۔ یہ مسئلہ تب بنتا ہے جب اس کا مطلب ہو "سماجی طور پر مجھ جیسا لگنا"۔ فرق تحریری معیار کی وضاحت میں ہے۔
مختصراً
- بھرتی میں تعصب کردار کی خامی نہیں، بلکہ غیر یقینی میں انسانی فیصلے کی ایک قابلِ پیشگوئی خاصیت ہے
- اہم اقسام: تصدیقی، ہالہ، ہم آہنگی، ابتدائی لنگر، دستیابی، موجودہ صورتحال + پاکستان کے مخصوص تعصبات (سفارش، تعلیمی وقار، صنفی) + الگورتھمی تعصبات (تاریخی ڈیٹا سیٹ، سی وی آپٹیمائزیشن)
- کم کرنے کے لیے منظم عمل، جہاں ممکن ہو بلائنڈ جائزہ، واضح روبرک اور آبادیاتی میٹرکس درکار ہیں
- اے آئی تعصب کم بھی کر سکتا ہے اور بڑھا بھی سکتا ہے، یہ آڈٹ پر منحصر ہے
- NORT پہلے سے جانچے گئے پول میں معروضی چھانٹی، پورٹیبل جائزے اور شفافیت کے ذریعے اس پر وار کرتا ہے
کیا آپ بھرتی کو پہلی نظر کے تعصب سے ہٹا کر ناپی گئی صلاحیت پر استوار کرنا چاہتے ہیں؟ مفت NORT اکاؤنٹ بنائیں اور اپنی اگلی بھرتی میں معروضی، پہلے سے جانچا گیا پول آزمائیں۔