صفحهٔ نتیجهٔ یک آزمون شغلی را باز می‌کنید و چند اسم شغل می‌بینید. شاید بپرسید این اسم‌ها با زندگی من چه رابطه‌ای دارند و حالا چه کار کنم. در این مقاله می‌گوییم مردم از چنین صفحه‌ای چه می‌خواهند، ابزارهای بزرگ آن را چگونه می‌سازند، و چه چیزی را هنوز هیچ پژوهشی آزمایش نکرده است. بعد توضیح می‌دهیم چرا استعدادیاب می‌خواهد به‌جای اسم یک شغل، نام یک حوزهٔ کاری را در صفحهٔ نتیجه بیاورد و چند پله در درون آن نشان دهد.
سه پرسش و دو گلایه
سرویس ملی شغلی بریتانیا در سال ۲۰۱۵ نیاز کاربرانش را بررسی کرد و بیش از ۸۰ مصاحبه انجام داد. نتیجه ساده بود: نیاز مردم به سه پرسش برمی‌گردد. من کجا هستم؟ می‌خواهم به کجا بروم؟ برای رسیدن به آنجا چه باید بکنم؟ همان پژوهش نشان داد مسیر مردم خطی نیست، چرخه‌ای است؛ یعنی افراد یک‌بار از اول تا آخر نمی‌روند و به مرحله‌های قبل برمی‌گردند. برداشت ما این است که اسم یک شغل حداکثر به پرسش دوم جواب می‌دهد. پرسش اول و سوم بدون جواب می‌مانند.
گلایه‌ها هم همین را نشان می‌دهند. گزارش سال‌های ۲۰۲۳ و ۲۰۲۴ همان سرویس دربارهٔ کسانی است که ابزار بررسی مهارت‌ها را مفید ندانستند. از میان آن‌ها ۳۴ درصد گفتند ابزار چیزهایی را گفت که از قبل می‌دانستند و ۲۸ درصد گفتند سؤال‌ها به آن‌ها ربط نداشت. پایهٔ این دو عدد کوچک است: ۶۹ نفر. در میان همهٔ ناراضی‌ها هم ۵۸ درصد گفتند کمک یا اطلاعاتی را که لازم داشتند نگرفتند. دو نمونه از حرف‌هایشان این است: «هیچ توصیه‌ای نبود و ایده‌ای هم از دوره‌هایی که کمک کند» و «فقط اطلاعات کلی داد، نه چیزی مخصوص من».
به این نکته دقت کنید: در این گزارش گلایه‌ای دربارهٔ طول فهرست یا درشت و ریز بودن اسم شغل‌ها نیامده است. مردم می‌گویند «تازه نبود»، «به من ربط نداشت» و «گام بعدی را نگفت». پس این پژوهش دربارهٔ حوزه یا عنوان شغلی چیزی نمی‌گوید. فقط می‌گوید صفحهٔ نتیجه باید سه کار بکند: چیز تازه بگوید، دربارهٔ خود فرد حرف بزند و راه را نشان بدهد.
نوجوان‌ها پول و راه روشن می‌خواهند
در یک نظرسنجی بریتانیایی در سال ۲۰۲۶ از ۱٬۲۵۱ نفر بین ۱۳ تا ۲۱ سال پرسیدند. ۴۸ درصد آن‌ها حقوق را مهم‌ترین عامل برای انتخاب شغل دانستند. فقط ۱۸ درصد دربارهٔ مسیر خود «خیلی مطمئن» بودند و ۷۰ درصد گفتند فکر کردن به شغل برایشان استرس می‌آورد. چیزهایی که در توصیه‌ها کم بود هم همین‌ها بود: «اطلاعات حقوق»، «مسیر روشن» و «تجربهٔ واقعی». این نظرسنجی را شرکتی اجرا کرده که در همین حوزه کار می‌کند، پس آن را با احتیاط می‌خوانیم.
واژگان شغلی بچه‌ها و نوجوان‌ها هم کوچک است. در نیوزیلند ۷٬۲۴۱ کودک ۷ تا ۱۳ ساله دربارهٔ شغل آیندهٔ خود پاسخ دادند. ۵۱٫۲ درصد آن‌ها یکی از نُه شغل پرطرفدار را انتخاب کردند و ۳۶٫۵ درصد گفتند آرزویشان بر پایهٔ کسی است که می‌شناسند. این‌ها کودک‌اند، نه نوجوان؛ اما تصویر روشنی می‌دهند: انتخاب‌ها به چیزی بسته است که فرد از نزدیک دیده است.
برداشت ما از این دو پژوهش این است که اسمی مثل «کارشناس انطباق» برای یک نوجوان ۱۵ ساله تقریباً معنایی ندارد. معنا وقتی می‌آید که کنار آن نام حوزه، یک جمله دربارهٔ «در طول روز چه می‌کنید»، حقوق تقریبی و راه ورود نوشته شود. این برداشت نظر ماست و آزمایش نشده است.
چرا حدود هفت گزینه
گاتی و آشر مدلی برای تصمیم‌گیری شغلی ساخته‌اند به نام PIC. اول، فرد گزینه‌ها را با ویژگی‌هایی که خودش به ترتیب اهمیت چیده است کم می‌کند؛ مثلاً درآمد، مدت آموزش و محیط کار. وقتی حدود هفت گزینهٔ امیدبخش ماند، کم کردن را متوقف می‌کند. بعد همان‌ها را عمیق بررسی می‌کند و به دو تا چهار گزینه می‌رسد. دلیل این ترتیب را خود مدل صریح می‌گوید: جلوگیری از غرق شدن در گزینه‌ها.
این قاعده برای صفحهٔ نتیجه دو معنی دارد. اول این‌که فهرست پنجاه‌تایی کمکی نمی‌کند. دوم این‌که فهرست باید به‌اندازه‌ای کوتاه باشد که فرد بتواند هر گزینه را واقعاً بخواند و بسنجد. عدد هفت در آزمون شغلی استعدادیاب هم رأی کارشناسی ما است، نه قانون علمی. مدل PIC تا جایی که دیده‌ایم دربارهٔ حوزه یا اسم شغل چیزی نمی‌گوید؛ فقط تعداد گزینه‌ها را محدود می‌کند. از همین‌جا برداشت ما این است که چند حوزه با پله‌هایش بیشتر به این قاعده می‌خورد تا ده‌ها اسم پشت سر هم.
ابزارهای بزرگ نتیجه را چگونه نشان می‌دهند
این بخش را از نمونه‌های عمومی گزارش‌ها نوشته‌ایم. چهار ابزار شناخته‌شده را ببینید:
- Strong Interest Inventory: اول شش «زمینهٔ کلی شغلی» را نشان می‌دهد، بعد پنج مورد اول از ۳۰ مقیاس علاقهٔ پایه، و فقط در صفحهٔ چهارم ده مورد اول از ۱۲۲ شغل را. برای هیچ شغلی سطح تحصیل نمی‌نویسد و خواننده را به O*NET می‌فرستد.
- ACT: ۲۶ حوزهٔ شغلی را در ۱۲ ناحیهٔ یک نقشه می‌گذارد و ناحیهٔ دانش‌آموز را سایه می‌زند. بعد رشته‌های مرتبط و چند شغل نمونه را داخل حوزهٔ انتخاب‌شده فهرست می‌کند.
- Kuder: همهٔ ۱۶ خوشهٔ شغلی ملی را با نوار کم، متوسط و زیاد رتبه می‌دهد و پنج مسیر اول از ۷۹ مسیر را نشان می‌دهد. شغل‌ها در برگه‌ای به نام «شغل‌های مرتبط» می‌آیند و کاربر می‌تواند فیلتر سطح تحصیل را عوض کند.
- O*NET: ابزار علاقه‌اش اسم شغل‌ها را مستقیم فهرست می‌کند، اما پیش از آن از فرد می‌خواهد سطح آمادگی شغلی فعلی یا آیندهٔ خود را انتخاب کند. برای هر سطح حدود ۱۰ شغل هدف است.
الگو روشن است. سه ابزار اول، پیش از هر اسم شغل، یک لایهٔ حوزه می‌گذارند. O*NET اسم شغل‌ها را می‌دهد، ولی اول سطح را از شما می‌پرسد. سطح را هر ابزار به راه دیگری حل کرده است: پیش از نتیجه، به شکل فیلتر، یا اصلاً حذف شده است. ما در همین نمونه‌ها ابزاری ندیدیم که داخل یک حوزه، پله‌های ورود تا تخصص را صریح بکشد. گزارش‌های تجاری را فقط از روی نمونه‌های عمومی دیده‌ایم؛ پس نمی‌توانیم بگوییم چنین چیزی پشت بخش‌هایی که فقط با ورود دیده می‌شوند وجود ندارد.
آنچه هنوز هیچ پژوهشی نشان نداده است
باید روشن بگوییم: تا جایی که پیدا کردیم، هیچ پژوهشی صفحهٔ نتیجهٔ حوزه‌محور را با صفحهٔ نتیجهٔ شغل‌محور مقایسه نکرده است. هیچ‌کس نسنجیده که افراد در هر حالت چه چیزی به یاد می‌آورند، چه چیزی را بیشتر بررسی می‌کنند، چقدر اعتماد می‌کنند یا چه کاری می‌کنند. پس نمی‌توانیم بگوییم «ثابت شده است» که صفحهٔ حوزه‌محور بهتر است.
آنچه داریم شواهد غیرمستقیم است و همه به یک سو می‌روند: سه پرسش کاربران، گلایه از نبود گام بعدی، قاعدهٔ حدود هفت گزینه، و ابزارهایی که لایهٔ حوزه یا دروازهٔ سطح دارند. این مجموعه برای ساختن یک طرح معقول کافی است، اما جای آزمایش را نمی‌گیرد. یافتهٔ داخلی خودمان هم این است که آزمون ما حوزه را روشن‌تر از سطح تشخیص می‌دهد. این یافته هنوز منتشر نشده و آن را مدرک بیرونی نمی‌دانیم؛ جزئیاتش را در مقالهٔ دیگری می‌نویسیم.
این طرح هزینه هم دارد. صفحهٔ حوزه‌محور در نگاه اول کمتر «مشخص» است و گلایهٔ «مخصوص من نبود» را از یاد نبرده‌ایم. راه‌حل ما این است که صفحه دربارهٔ خود فرد مشخص باشد: چرا این حوزه، چه چیزی را کنار گذاشته‌ایم و کدام پله به شما مربوط است. مشخص بودن دربارهٔ اسم شغل را ادعا نمی‌کنیم، چون اطلاعات آزمون چنین چیزی را به ما نمی‌دهد. آزمایش ساده‌ای هم ممکن است: دو صفحه را کنار هم بگذاریم و نتیجه را بسنجیم. هنوز آن را انجام نداده‌ایم و زمانی برایش تعیین نکرده‌ایم.
آنچه برای شما معنی می‌دهد
در نتیجهٔ آزمون شغلی استعدادیاب تیتر یک حوزهٔ کاری خواهد بود، نه یک شغل. اسم شغل‌ها می‌مانند، اما نقش مثال دارند و روی پله‌های یک نردبان از ورود تا تخصص می‌نشینند. سطحی را که خودتان می‌گویید در آن هستید یا می‌خواهید به آن برسید، روی همین نردبان علامت می‌زنیم. پله‌ها حکمی دربارهٔ شما نیستند. نام فارسی پله‌ها استنباط خود ما است و هنوز با سند رسمی ایرانی سنجیده نشده. این تغییر در دست کار است و دربارهٔ زمانش وعده‌ای نمی‌دهیم. روش فعلی را در صفحهٔ روش علمی نوشته‌ایم.
منابع
- Department for Education (2023–24). National Careers Service customer satisfaction and progression annual report. UK Government. https://assets.publishing.service.gov.uk/media/67ae2d38a1d2c59f9ba29b17/National_Careers_Service_customer_satisfaction_and_progression_annual_report.pdf
- Cassidy (2015). What do users need from a digital careers service? ESFA Digital blog, GOV.UK. https://sfadigital.blog.gov.uk/2015/10/19/what-do-users-need-from-a-digital-careers-service/
- Springpod (2026). Gen Z Careers Report 2026. Springpod (vendor-run survey). https://www.partners.springpod.com/gen-z-report-2026
- Tertiary Education Commission (2019). Drawing the Future: Exploring the career aspirations of New Zealand children. New Zealand Government. https://www.tec.govt.nz/assets/Publications-and-others/TEC-Drawing-the-Future-Report-v3.pdf
- Gati, I., & Asher, I. (2001). The PIC model for career decision making: Prescreening, in-depth exploration, and choice. Hebrew University of Jerusalem, CDDQ site. https://kivunim.huji.ac.il/cddq/pic2.htm
- The Myers-Briggs Company (n.d.). Strong Interest Inventory Profile and Interpretive Report (sample report). https://themyersbriggs.com/-/media/Files/PDFs/Reports-in-English/Strong/Strong-Profile-and-Interpretive-Report-US-English-Jane-Sample.pdf
- ACT (n.d.). ACT Student Report (sample). ACT, Inc. https://www.act.org/content/dam/act/unsecured/documents/1961_ACT_Student_Report-FYI.pdf
- Kuder, Inc. (n.d.). Kuder Navigator training, Module 6: Career Interests Assessment results. https://adms.kuder.com/Masterweb/Content/Admin/downloads/DYF_NAV_2_0/DYF6E_Mod_06.pdf
- Rounds, J., Hoff, K., & Lewis, P. (Eds.) (2021). O*NET Interest Profiler Manual. National Center for O*NET Development, U.S. Department of Labor. https://www.onetcenter.org/dl_files/IP_Manual.pdf
- Lewis, P., & Morris, L. (2025). O*NET Interest Profiler: Career returns and display rules. National Center for O*NET Development. https://www.onetcenter.org/dl_files/IP_Career_Returns.pdf
این مقاله را گروه پژوهش استعدادیاب نوشته است؛ تاریخ: مهر ۱۴۰۵.