मेथडोलॉजी

वैज्ञानिक आधार की तीन श्रेणियाँ

हमारे रेकमेंडेशन सिस्टम का हर हिस्सा तीन श्रेणियों में से किसी एक में आता है, और हम हर एक को स्पष्ट रूप से लेबल करते हैं:

1. प्रकाशित उपकरण, और हमारे रूपांतरण जिन पर साफ़ लिखा है — भरोसे के आँकड़ों के साथ प्रकाशित दो उपकरण (Holland RIASEC के लिए O*NET Interest Profiler Short Form, और IPIP 50-आइटम Big-5 मार्कर)। इनके अलावा हम SRQ-A, Passion Scale और Schwartz के मूल्यों के छोटे रूपांतरण, और एक VARK-शैली का सीखने की पसंद वाला क्विज़ चलाते हैं; ये छोटे किए गए या दोबारा लिखे गए रूप हैं, इसलिए हम इन्हें वैलिडेटेड नहीं बताते। ICAR-शैली तर्क स्क्रीनर के प्रश्न हमारे अपने हैं और नतीजे अभ्यास-अनुमान के रूप में चिह्नित हैं। हमारा 16-प्रकार व्यक्तित्व क्विज़ हमारा अपना है और क्विज़ के रूप में चिह्नित है, मान्य उपकरण के रूप में नहीं।
2. रिसर्च-सूचित दिशा — हर इंस्ट्रूमेंट किसी अक्ष पर जिस दिशा में योगदान करता है वह प्रकाशित साहित्य से डिफेंसिबल है। इफेक्ट साइज़ Schmidt & Hunter (1998), Sackett et al. (2017), और इंस्ट्रूमेंट-विशेष मेटा-विश्लेषण से आते हैं।
3. प्रैग्मैटिक इंजीनियरिंग वेट्स — सटीक न्यूमेरिक वेट्स (जैसे RIASEC 0.30, Big-5 Agreeableness 0.08) हमारे इंजीनियरिंग डिफ़ॉल्ट हैं, किसी मेटा-विश्लेषण से नहीं निकले। हम इन्हें आंतरिक रूप से कैलिब्रेट करते हैं और यहाँ मान प्रकाशित करते हैं ताकि चुनाव पारदर्शी हो।

हम कौन-से उपकरण इस्तेमाल करते हैं (Tier 1 — रूपांतरण चिह्नित)

• Holland RIASEC — Holland (1997), O*NET Interest Profiler Short Form से मापा गया (Rounds, Su, Lewis & Rivkin 2010; USDOL/ETA, CC BY-ND 4.0)। छह स्केल पर औसत Cronbach's α ≈ 0.81 (O*NET Center, 2010)।
• Big-5 (IPIP 50-आइटम मार्कर) — Goldberg (1992), सार्वजनिक डोमेन (ipip.ori.org)। व्यक्तित्व आयाम, स्केल के अधिकतम के प्रतिशत के रूप में; कोई मानक (norms) उपयोग नहीं।
• SRQ-A (रूपांतरित) — Academic Self-Regulation Questionnaire (Ryan & Connell, 1989) से रूपांतरित 16 प्रश्न: सेल्फ़-डिटरमिनेशन थ्योरी के अनुसार प्रेरणा की गुणवत्ता। हमारे शब्द और लंबाई प्रकाशित स्केल से अलग हैं, इसलिए इसे वैलिडेटेड नहीं बताया जाता।
• Passion Scale (रूपांतरित) — Vallerand et al. (2003) से रूपांतरित 12 प्रश्न: सामंजस्यपूर्ण बनाम जुनूनी लगाव। छोटा किया गया रूप; वैलिडेटेड होने का दावा नहीं।
• परोपकारी मूल्य (Schwartz से रूपांतरित) — दया और सार्वभौमिकता पर 6 प्रश्न, Portrait Values Questionnaire (Schwartz का 1992 मूल्य सिद्धांत) से रूपांतरित। एक छोटा हिस्सा, पूरी वैलिडेटेड प्रश्नावली नहीं।
• ICAR-शैली तर्क स्क्रीनर — प्रश्न-प्रारूप Condon & Revelle (2014) से। हमारे प्रश्न इसी साइट के लिए लिखे गए हैं और कैलिब्रेटेड ICAR प्रश्न नहीं हैं, इसलिए परिणाम पर्सेंटाइल नहीं, बल्कि कच्चे स्कोर और अभ्यास-अनुमान श्रेणियाँ हैं।
• सीखने की पसंद वाला क्विज़ (VARK-शैली) — Fleming के चार तरीक़ों (देखकर, सुनकर, पढ़-लिखकर, करके) पर इस साइट के लिए लिखे गए 12 प्रश्न। VARK® Fleming की कॉपीराइट वाली प्रश्नावली है; हमारा क्विज़ आधिकारिक VARK नहीं है और वैलिडेटेड नहीं है। पढ़ाई को किसी 'लर्निंग स्टाइल' से मिलाने के पक्ष में शोध का समर्थन कम है, इसलिए हम इसे केवल पढ़ाई के सुझावों के लिए इस्तेमाल करते हैं।

व्यक्तित्व प्रकार क्विज़ (16 प्रकार) — हमारा अपना 20-आइटम forced-choice क्विज़, कोई मान्य उपकरण नहीं; इसलिए यह Tier 1 से बाहर है और केवल आत्म-चिंतन के लिए है। युंग के प्रकार-सिद्धांत से प्रेरित। यह आधिकारिक MBTI® आकलन नहीं है।

चार Ikigai अक्ष

❤️ Love — जो आपको पसंद है

वेट्स: interest_content 0.70 · personality_fit 0.30 · RIASEC 0.30 · Vallerand passion 0.20। SRQ-A मल्टीप्लायर शामिल (Relative Autonomy Index के आधार पर 0.6–1.4)।

💪 Good at — जहाँ आप उत्कृष्ट हैं

वेट्स: subject_aptitude 0.25 · strength_match 0.15 · follow_through 0.05 · CHC 0.30 · behavioural taste-test 0.25। इंस्ट्रूमेंट न होने पर वेट्स पुनः संतुलित हो जाते हैं।

💰 Paid for — आर्थिक व्यवहार्यता

वेट्स: salary_level 0.50 · salary_consistency 0.20 · education_ROI 0.30। Big-5 Neuroticism कंसिस्टेंसी वेट को ±0.10 तक झुकाता है।

🌍 World needs — योगदान

वेट्स: mission 0.20–0.30 · Schwartz prosocial 0.15 · market_demand 0.22–0.25 · AI_durability 0.22–0.25 · sustainability 0.20–0.21 · Big-5 Agreeableness 0.08।

कम्पोज़िट

चारों अक्ष एक हार्मोनिक मीन से मिलते हैं (किसी भी कमज़ोर अक्ष पर जानबूझकर सख़्त, Ikigai मॉडल के प्रति ईमानदार)। फिर एक पीसवाइज़ लीनियर कैलिब्रेशन रॉ स्कोर 0–10 को प्रदर्शित 0–10 रेंज में मैप करता है जहाँ सटीक मैच 7+ के रूप में पढ़े जाते हैं।

कैलिब्रेशन फ़ॉर्मूला:

• raw ≤ 4 → displayed = raw × 1.75
• raw > 4 → displayed = 7 + (raw − 4) × 0.5

यानी raw 4 = displayed 7, raw 5 = displayed 7.5, raw 6 = displayed 8, raw 10 = displayed 10। पूरी तरह एक UX चुनाव, साइकोमेट्रिक नहीं।

कैलिब्रेशन से पहले दो रैंकर एडजस्टमेंट

• ऑथेंटिसिटी मल्टीप्लायर — रेट्रोस्पेक्टिव इंटेक से निर्णय ड्राइवर −1..+1 स्कोर बनाते हैं, जिसे Ikigai-सीड कंपोनेंट वेट्स पर 1 + 0.30 × score के रूप में लगाया जाता है। Sheldon & Elliot (1999) सेल्फ़-कॉनकॉर्डेंस मॉडल पर आधारित।
• रीग्रेट पेनल्टी — पिछले निर्णयों के अफ़सोस SOC प्रीफ़िक्स से कीवर्ड-मैच किए जाते हैं; मैचिंग करियर को raw × (1 − penalty) मिलता है। प्रैग्मैटिक।

प्रोप्रायटरी बनाम वैलिडेटेड

• Career DNA क्विज़, Career Taste Test, और पर्सनलाइज़ेशन प्रश्नावली (Ikigai सीड) प्रोप्रायटरी डिस्कवरी टूल हैं — वैलिडेटेड साइकोमेट्रिक्स नहीं। ये सिग्नल देते हैं पर Holland / Big-5 की जगह नहीं ले सकते।
• Ikigai चार-वृत्त वेन डायग्राम Marc Winn का 2014 का पश्चिमी रूपांतरण है, न कि प्रामाणिक पारंपरिक जापानी ikigai। फिर भी उपयोगी फ़्रेमवर्क है।

डेटा स्रोत

• ऑक्युपेशन प्रोफ़ाइल — O*NET 30.0 (काम, कौशल, ज्ञान, प्रवेश के लिए शिक्षा) और U.S. Bureau of Labor Statistics का Occupational Employment and Wage Statistics (अमेरिकी वेतन) और Employment Projections
• यूनिवर्सिटी डेटा — College Scorecard (US Dept. of Education) + NIRF (India) + UCAS (UK) + सार्वजनिक यूनिवर्सिटी वेबसाइटें
• अमेरिका के बाहर वेतन — भारत: भारत सरकार, MoSPI का आवधिक श्रम बल सर्वेक्षण (PLFS) वार्षिक रिपोर्ट 2025, तालिका 51: हर व्यवसाय समूह (NCO-2015 डिवीज़न) के वेतनभोगी कर्मचारियों की औसत मासिक कमाई, शहरी और ग्रामीण। यह हर समूह का एक औसत है, किसी एक करियर का आँकड़ा नहीं; करियर को समूहों से सरकारी BLS SOC↔ISCO-08 क्रॉसवॉक के ज़रिए जोड़ा गया है (ESCO करियर उनके ISCO-08 कोड से)। UK: ONS का Annual Survey of Hours and Earnings (ASHE) 2025, पेशे के हिसाब से। भारतीय संस्थानों के ग्रेजुएट वेतन वे NIRF 2025 मीडियन हैं जो हर संस्थान ने ख़ुद बताए; रैंकिंग पर संस्थानों के जो कुछ आँकड़े हमारे अपने अनुमान हैं, उन पर 'अनुमान' लिखा है। अमेरिका के वेतन अमेरिकी डॉलर में दिखाए जाते हैं और उन्हें रुपये में बदलकर भारत का वेतन नहीं बताया जाता। हम AmbitionBox या Glassdoor जैसी सैलरी वेबसाइटों का इस्तेमाल नहीं करते।
• AI-एक्सपोज़र स्कोर — हमारी अपनी रूब्रिक (v2), किसी एक शोधपत्र के आँकड़े नहीं। हर करियर को सात आयामों पर आँका जाता है, जो चार प्रकाशित स्रोतों पर आधारित हैं: LLM से काम के एक्सपोज़र पर Eloundou et al. (2023), ऑटोमेशन की आशंका पर Frey & Osborne (2013), AI से पेशों के एक्सपोज़र (AIOE) पर Felten, Raj & Seamans (2021), और आपसी मेलजोल व नियमों की रुकावटों पर Nedelkoska & Quintini (2018, OECD)। हर O*NET करियर का एक एंकर है जो उसके O*NET कार्य-विवरणों से आँका गया है और जिस पर समीक्षा की तारीख है (हर छह महीने); सितंबर 2026 में जोड़े गए एंकर LLM से तैयार किए गए हैं और इंसानी समीक्षा की प्रतीक्षा में हैं। जिन ESCO करियर का O*NET से मेल नहीं है, उनका स्कोर सबसे नज़दीकी एंकर वाले करियर से लिया गया है।

डेटासेट और वे कितने ताज़ा हैं

यह तालिका उन्हीं फ़ाइलों से बनी है जिन्हें साइट सच में लोड करती है। "कब तक का" वह तारीख है जो फ़ाइल के अपने रिकॉर्ड में है (प्रकाशन, रिलीज़ या जिस दिन हमने स्रोत पढ़ा); खाली का मतलब है कि फ़ाइल में तारीख दर्ज नहीं है।

थर्ड-पार्टी डेटा के स्रोत और श्रेय

WhatTNext AI कई सार्वजनिक लाइसेंस वाले डेटासेट पर टिका है। हर प्रकाशक की लाइसेंस शर्तों के अनुसार, हम नीचे हर एक का खुलासा करते हैं।

• O*NET-SOC (US Department of Labor) — पेशों के विवरण, कौशल/ज्ञान की सूचियाँ और AI-एक्सपोज़र के आधार-मान O*NET Online से लिए गए हैं, जो US Department of Labor / Employment & Training Administration की एक सेवा है। O*NET Data Licence के तहत उपयोग किया गया।
• ESCO (European Commission) — आधुनिक पेशों के नाम (Data Engineer, ML Engineer, DevOps आदि) जो O*NET में नहीं हैं, ESCO v1.2+ से लिए गए हैं। यह सेवा European Commission के ESCO वर्गीकरण का उपयोग करती है। जहाँ क्रॉसवॉक मौजूद है, वहाँ ESCO पेशों को O*NET से मिलाया गया है, और जहाँ कोई O*NET समकक्ष नहीं है, वहाँ उन्हें पूरक पंक्तियों (source="esco" से पहचानी जाने वाली) के रूप में जोड़ा गया है। हमने आंतरिक पहचान के लिए pseudo-SOC कोड (ESC-XXXX) बनाकर और O*NET के साथ मिलाकर ESCO में बदलाव किए हैं; ये बदलाव डेटा में ही source और esco_uri फ़ील्ड के ज़रिए दर्शाए गए हैं। Commission ESCO डेटा की सटीकता की गारंटी नहीं देता और इसके उपयोग के परिणामों के लिए ज़िम्मेदार नहीं होगा।
• Lightcast Open Skills — कौशल श्रेणी और वर्गीकरण (टैक्सोनॉमी) का मेटाडेटा CC-BY-4.0 के तहत Lightcast Open Skills से लिया गया है। इसका उपयोग कौशलों के मानक नामों और श्रेणी-वार समूहों के लिए होता है।

McKinsey टिकाऊपन फ़्रेमवर्क

इस प्लेटफ़ॉर्म के कई हिस्से — Skills Browser, My Report का Durable Skills Portfolio पैनल, Pivot Planner की निकटता गिनती, और AI Fluency बनाम Technical AI टैगिंग — McKinsey Global Institute की रिपोर्ट Agents, robots, and us: Skill partnerships in the age of AI (नवंबर 2025) के फ़्रेमवर्क से प्रेरित हैं। आठ सबसे व्यापक "टिकाऊ" कौशल (संवाद, प्रबंधन, संचालन, समस्या-समाधान, नेतृत्व, बारीकियों पर ध्यान, ग्राहक संबंध, लेखन), AI Fluency बनाम Technical AI का भेद, और कौशल-निकटता गिनती का तरीका — ये सब इसी रिपोर्ट से आते हैं।

कौशल आउटलुक (🔻 घटते, 🔄 बदलते, 🏛️ टिकाऊ): यह हमारा अपना अनुमान है — McKinsey का Skill Change Index नहीं, और न ही माँग की भविष्यवाणी। हर ESCO कौशल के लिए हम उसकी ज़रूरत वाले पेशे लेते हैं (ESCO पेशा–कौशल लिंक, ISCO-08 समूहों में) और उन पर हमारी AI Exposure Rubric v2 के स्कोर का औसत निकालते हैं (US SOC से BLS क्रॉसवॉक के ज़रिए)। कोई कौशल घटता तभी माना जाता है जब वह काम बहुत एक्सपोज़्ड (6/10 या ज़्यादा) और रूटीन (रूब्रिक आयाम D2, 6/10 या ज़्यादा) दोनों हो — और AI Fluency या Technical AI कौशल कभी नहीं; एक्सपोज़र 4/10 से कम हो तो टिकाऊ; बाकी बदलते। डेटा पर sci_source: "rubric_v2_esco" लिखा होता है। 8 टिकाऊ कौशलों के लिए हम जो व्यापकता प्रतिशत बताते हैं (99% संवाद, 94% प्रबंधन आदि), वे सीधे McKinsey रिपोर्ट से लिए गए हैं और केवल विवरण के लिए उपयोग होते हैं।

चुने हुए सिटेशन

• Schmidt & Hunter (1998). "The validity and utility of selection methods in personnel psychology." Psychological Bulletin.
• Sackett, Zhang, Berry & Lievens (2017). "Revisiting meta-analytic estimates of validity in personnel selection." Journal of Applied Psychology.
• Ryan & Connell (1989). "Perceived locus of causality and internalization." Journal of Personality and Social Psychology.
• Vallerand et al. (2003). "Les passions de l'âme: On obsessive and harmonious passion." J. Pers. Soc. Psychol.
• John, Naumann & Soto (2008). "Paradigm shift to the integrative Big Five trait taxonomy."
• Holland (1997). Making vocational choices: A theory of vocational personalities and work environments.
• Condon & Revelle (2014). "The International Cognitive Ability Resource." Intelligence.
• Schwartz (1992). "Universals in the content and structure of values." Advances in Experimental Social Psychology.
• Sheldon & Elliot (1999). "Goal striving, need satisfaction, and longitudinal well-being."
• Eloundou, Manning, Mishkin & Rock (2023). "GPTs are GPTs: An early look at the labor market impact potential of large language models." arXiv:2303.10130
• Frey & Osborne (2013). "The future of employment: How susceptible are jobs to computerisation?" Oxford Martin School.
• Felten, Raj & Seamans (2021). "Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses." Strategic Management Journal 42(12). डेटासेट। हमारी AI-एक्सपोज़र रूब्रिक के चार स्रोतों में से एक (शारीरिक/हाथ की कुशलता वाला आयाम); हम इसके स्कोर सीधे इस्तेमाल नहीं करते।
• Nedelkoska & Quintini (2018). "Automation, skills use and training." OECD Social, Employment and Migration Working Papers, No. 202.
• Fleming & Mills (1992). "Not another inventory, rather a catalyst for reflection." To Improve the Academy 11.
• Pashler, McDaniel, Rohrer & Bjork (2008). "Learning styles: Concepts and evidence." Psychological Science in the Public Interest 9(3).