一份标着“入门级”的职位描述，要求却是“利用跨职能范式优化协同效应”。这类表述不仅让人读不懂，还可能直接劝退有能力的求职者。既然包容性的第一步是可访问性，为什么不在职位描述发布前，先做一轮文本审计呢？

答案是：可以。用Python和它的Textstat自然语言处理库这类免费开源工具，就能搭出一个自动抓取“守门语言”的脚本。

打开网易新闻 查看精彩图片

核心指标是Gunning Fog指数。它在Textstat里通过textstat.gunning_fog调用。这个指数估算的是一个人首次阅读时需要多少年正规教育才能理解文本。计算依据两个变量：平均句长和复杂词占比。复杂词通常指三个音节以上的单词。商业术语里大量出现“操作化”“方法论”这类多音节词，所以Gunning Fog指数很适合用来审计职位描述——看它对应聘者而言，是不是过于复杂。

数值越低，清晰度和可访问性越高。具体怎么用？先安装Textstat：pip install textstat。

脚本核心是一个可复用函数，职责是审计输入文本，比如一份入门级职位描述。代码逻辑很直接：先算Gunning Fog分数，再根据分数给结论。分数低于10，判为“可访问且包容，适合入门级”。在10到14之间，提示“注意：接近守门区域，简化一些术语”。超过14，直接亮红牌——“守门警告：术语密度高，重写以求清晰”。最后返回格式化报告，包含分数和判断结果。

这个方法的价值在于，它把“感觉这份描述不好读”变成了一个可量化、可自动化的审计过程。HR团队或招聘负责人能在发布前就用脚本跑一遍，把那些无意中垒起来的术语高墙推倒。说到底，职位描述是给求职者的第一份说明书。如果连这份说明书都用“协同效应”和“范式”层层加密，那公司声称的“欢迎新人”就只是一句空话。

推动语言包容性，不需要等一场全公司的大变革。从一行pip install textstat开始，就是一种可行的改变。