algonote

There's More Than One Way To Do It

エンジニア1000人に1人の技術力になった

一つの参考

前口上

LAPRASという求人サイトがあるのですが、GitHubなどと連携するとパブリックな情報を収集して日々のアウトプットベースにLAPRAS SCOREを算出してくれます。

スコアとして出るのは技術力、ビジネス力、影響力なのですが、最近技術力の算定基準にZennが追加されたようで少し上がり1529/170万人、エンジニア1000人に1人の技術力になったようなので記念にメモを書いておきます。

日本のIT企業だとエンジニア比率が3割程度の企業が多いのでざっくり3,000人程度の会社に一人いるくらいでしょうか。

計測されているのは技術力なのか?

このスコアなのですが、公式ドキュメントで改善の余地だらけと語られています。なので完璧では全くなく一つのアウトプットのモチベーションキープの参考程度に使うといいのかもしれないですね。

技術力とプロダクト開発能力は少しずれた別の能力だと思っているのですが、自分が書いている記事も技術メモの場合もありますが、マネジメントだったりチーム運営的視点を持ったプロダクト開発関連の記事も多いです。

このスコアがそうなっているかはよくわからないんですが、日本は歴史的にマザーズという低い時価総額で上場できる市場があるゆえにIT企業のサイズが他国比で小さく、大企業で役に立つ一点突破の鋭利なナイフのような技術力よりも現場リーダー的フルスタックさが評価されることが多い気もしています。

スコアの算出基準になるもの

スコアに算出される項目を細かく見ていきましょう。

  • GitHub Repo
  • Zenn & Qiita
  • teratail Score
  • GitHub star
  • Tech Event
  • Tag Count

が評価項目です。

自分のアウトプットで一番力を入れているのがこのはてなブログなのですが、特にきかないようです...😢

重みも項目ごとに違って、GitHub Repoが15、Zenn & Qiitaが5、 teratail Scoreが4、GitHub starが3、Tech Eventが3、Tag Countは2だそうです。

一つずつ見ていきましょう

GitHub Repo

  • リポジトリメタスコア: 「本人がそのリポジトリにコミットしている数」と「そのリポジトリにコミットしている人数」、「スターの数」より計算
  • Readmeスコア: Readmeの質の高さを機械学習より算出

著名なライブラリーのコミッターが一番効きそうな部分ですね。自分はそうではないので弱い部分。

AtCoderなどの競プロ関係のコードを日々Pushしていると少しずつ効くとTwitterで言っている人はいました(真偽不明)

Zenn & Qiita

いいねの数が多い記事ベスト3からスコアを算出

以前はQiita一強でしたが、企業運営になったことによってZennの人気も上がってきた気はしますね。

Tech Event

技術系イベントの参加数

どこから取得しているかは書いていなかったのですが、自分のケースだとConnpassから拾っている気がします。

月1くらいで何らかの勉強会に参加しています。ホストや発表者側にもなってちゃんとコミュニティーに還元していきたいですね。

teratail Score

日本版Stack Overflowとも言えるteratailのスコア

Laprasができる前にボランティアでteratailの質問に答えていました。ハックというほどではないですがここが自分が結構高い部分で、Lapras Scoreを大きく上げたい人はやっている人が少ないという意味でteratailからはじめるといいのかもしれないですね。

他の転職サービスで似たようなスコアをやっているところでもteratailは加味していないことはあります。Individual contributorが組織内でその技術のエヴァンジェリスト的役割を期待されることも多いので、職業エンジニアに求める技術力という意味では加味するのは合理的な気もしています。

GitHub star

GitHubのリポジトリへのstarした数

おそらくですがいわゆるラーニングアニマル的な部分を評価しているのだと思います。日々いろんなレポジトリを視野に入れているほど技術のキャッチアップができているのではないかと。

ブログを日々書いていると無風な日の方が多いです。将来の自分用のメモくらいの気軽さでやっていますが、継続のモチベが下がってしまう人もしばしば見ており、そういう意味でGitHubだけではないですが、ちょっとでも役になったありがとうという記事に出会った時は積極的にいいねを押すようにしています。

Tag Count

スキルタグがレベル6以上のタグの数

公式ドキュメントによると複数ソースからの情報を自然言語処理でパースしてキーワードを拾っている模様

所感

スポーツのルールなどと同じで日々改善していくと今後上がることもあれば下がることもありそうですね。

自分が書いていることの多いRubyやPythonは比較的人気の言語ですが、JavaScriptと比べると伸びは弱いことが多いです。ソフトウェアエンジニアの希少性という意味ではいいねが集まりづらい、エンジニアの人数が少ない言語の方が希少性があり実際の仕事の待遇面では有利な可能性もあって、各職種ごと〇〇エンジニアとしての能力を測れた方がよいのかもしれない。大変ですが。