- ข้อความ
- ประวัติศาสตร์
Finding the best engineers, program
Finding the best engineers, programmers, and sales representatives is a challenge for any company, but it is especially tough for a company growing as fast as Google. In recent years, the company has doubled its ranks every year and has no plans to slow its hiring. Moe than 100,000 job application s pour into Google every month, and staffers have to sort through them to fill as many as 200 positions a week.
Early on, the company narrowed the pool of applicants by setting a very high bar on traditional measures such as academic success. For example, an engineer had to have made it through school with a 3.7 grade-point average. Such criteria helped the company find a manageable number of applicants to interview, but no one had really considered whether they were the most valid way to predict success at the company.
More recently, the company has tried to apply its quantitative excellence to the problem of making better selection decisions. First, it set out to measure which selection criteria were important. It did this by conducting a survey of employees who had been with Google for at least five months. These questions addressed a wide variety of characteristics, such as areas of technical expertise, workplace behavior, personality and even some nonwork habits that might uncover something important about candidates. For example, perhaps subscribing to a certain magazine or owning a dog could be related to success at Google by indirectly measuring some important trait on one had thought to ask about. The results of the survey were compared with measures of successful performance, including performance appraisals, compensation, and organizational citizenship (behaving in ways that contributes to the company beyond what the job requires).
One important lesson of this effort was that academic performance was not the best predictor of success at Google. No single factor predicted success at every job, but a combination of factors could help predict success in particular positions.
From this information, Google compiled a set of questionnaires that were related to success in particular kinds of work at Google; engineering, sales, finance, and human resources. Now people who apply t6o work at Google go online to answer questions such as “Have you ever started a club or recreational group?” and “Compared to other people in your peer group, how would you describe the age at which you first got into (i.e., got excited about them, started using them, etc.) computers on a scale from 1 (much later than others) to 10 (much earlier than others)?” The data are analyzed by a series of formulas that compute scores from 1 to 100. The score predicts how well the applicant is expected to fit into the type of position at Google.
Micheal Mumford, an expert in talent assessment at the University of Oklahoma, says that, in general, this approach of predicting performance is effective, but only when it relies on reasonable measures. So, starting a club might be a way to measure leadership behavior, but owning a dog (a measure Google abandoned) should be used only if the employer can find an explanation for why it is relevant.
Early on, the company narrowed the pool of applicants by setting a very high bar on traditional measures such as academic success. For example, an engineer had to have made it through school with a 3.7 grade-point average. Such criteria helped the company find a manageable number of applicants to interview, but no one had really considered whether they were the most valid way to predict success at the company.
More recently, the company has tried to apply its quantitative excellence to the problem of making better selection decisions. First, it set out to measure which selection criteria were important. It did this by conducting a survey of employees who had been with Google for at least five months. These questions addressed a wide variety of characteristics, such as areas of technical expertise, workplace behavior, personality and even some nonwork habits that might uncover something important about candidates. For example, perhaps subscribing to a certain magazine or owning a dog could be related to success at Google by indirectly measuring some important trait on one had thought to ask about. The results of the survey were compared with measures of successful performance, including performance appraisals, compensation, and organizational citizenship (behaving in ways that contributes to the company beyond what the job requires).
One important lesson of this effort was that academic performance was not the best predictor of success at Google. No single factor predicted success at every job, but a combination of factors could help predict success in particular positions.
From this information, Google compiled a set of questionnaires that were related to success in particular kinds of work at Google; engineering, sales, finance, and human resources. Now people who apply t6o work at Google go online to answer questions such as “Have you ever started a club or recreational group?” and “Compared to other people in your peer group, how would you describe the age at which you first got into (i.e., got excited about them, started using them, etc.) computers on a scale from 1 (much later than others) to 10 (much earlier than others)?” The data are analyzed by a series of formulas that compute scores from 1 to 100. The score predicts how well the applicant is expected to fit into the type of position at Google.
Micheal Mumford, an expert in talent assessment at the University of Oklahoma, says that, in general, this approach of predicting performance is effective, but only when it relies on reasonable measures. So, starting a club might be a way to measure leadership behavior, but owning a dog (a measure Google abandoned) should be used only if the employer can find an explanation for why it is relevant.
0/5000
Finding the best engineers, programmers, and sales representatives is a challenge for any company, but it is especially tough for a company growing as fast as Google. In recent years, the company has doubled its ranks every year and has no plans to slow its hiring. Moe than 100,000 job application s pour into Google every month, and staffers have to sort through them to fill as many as 200 positions a week.
Early on, the company narrowed the pool of applicants by setting a very high bar on traditional measures such as academic success. For example, an engineer had to have made it through school with a 3.7 grade-point average. Such criteria helped the company find a manageable number of applicants to interview, but no one had really considered whether they were the most valid way to predict success at the company.
More recently, the company has tried to apply its quantitative excellence to the problem of making better selection decisions. First, it set out to measure which selection criteria were important. It did this by conducting a survey of employees who had been with Google for at least five months. These questions addressed a wide variety of characteristics, such as areas of technical expertise, workplace behavior, personality and even some nonwork habits that might uncover something important about candidates. For example, perhaps subscribing to a certain magazine or owning a dog could be related to success at Google by indirectly measuring some important trait on one had thought to ask about. The results of the survey were compared with measures of successful performance, including performance appraisals, compensation, and organizational citizenship (behaving in ways that contributes to the company beyond what the job requires).
One important lesson of this effort was that academic performance was not the best predictor of success at Google. No single factor predicted success at every job, but a combination of factors could help predict success in particular positions.
From this information, Google compiled a set of questionnaires that were related to success in particular kinds of work at Google; engineering, sales, finance, and human resources. Now people who apply t6o work at Google go online to answer questions such as “Have you ever started a club or recreational group?” and “Compared to other people in your peer group, how would you describe the age at which you first got into (i.e., got excited about them, started using them, etc.) computers on a scale from 1 (much later than others) to 10 (much earlier than others)?” The data are analyzed by a series of formulas that compute scores from 1 to 100. The score predicts how well the applicant is expected to fit into the type of position at Google.
Micheal Mumford, an expert in talent assessment at the University of Oklahoma, says that, in general, this approach of predicting performance is effective, but only when it relies on reasonable measures. So, starting a club might be a way to measure leadership behavior, but owning a dog (a measure Google abandoned) should be used only if the employer can find an explanation for why it is relevant.
Early on, the company narrowed the pool of applicants by setting a very high bar on traditional measures such as academic success. For example, an engineer had to have made it through school with a 3.7 grade-point average. Such criteria helped the company find a manageable number of applicants to interview, but no one had really considered whether they were the most valid way to predict success at the company.
More recently, the company has tried to apply its quantitative excellence to the problem of making better selection decisions. First, it set out to measure which selection criteria were important. It did this by conducting a survey of employees who had been with Google for at least five months. These questions addressed a wide variety of characteristics, such as areas of technical expertise, workplace behavior, personality and even some nonwork habits that might uncover something important about candidates. For example, perhaps subscribing to a certain magazine or owning a dog could be related to success at Google by indirectly measuring some important trait on one had thought to ask about. The results of the survey were compared with measures of successful performance, including performance appraisals, compensation, and organizational citizenship (behaving in ways that contributes to the company beyond what the job requires).
One important lesson of this effort was that academic performance was not the best predictor of success at Google. No single factor predicted success at every job, but a combination of factors could help predict success in particular positions.
From this information, Google compiled a set of questionnaires that were related to success in particular kinds of work at Google; engineering, sales, finance, and human resources. Now people who apply t6o work at Google go online to answer questions such as “Have you ever started a club or recreational group?” and “Compared to other people in your peer group, how would you describe the age at which you first got into (i.e., got excited about them, started using them, etc.) computers on a scale from 1 (much later than others) to 10 (much earlier than others)?” The data are analyzed by a series of formulas that compute scores from 1 to 100. The score predicts how well the applicant is expected to fit into the type of position at Google.
Micheal Mumford, an expert in talent assessment at the University of Oklahoma, says that, in general, this approach of predicting performance is effective, but only when it relies on reasonable measures. So, starting a club might be a way to measure leadership behavior, but owning a dog (a measure Google abandoned) should be used only if the employer can find an explanation for why it is relevant.
การแปล กรุณารอสักครู่..
หาวิศวกรที่ดีที่สุดโปรแกรมเมอร์และผู้แทนการขายเป็นสิ่งที่ท้าทายสำหรับ บริษัท ใด ๆ แต่มันเป็นเรื่องที่ยากโดยเฉพาะอย่างยิ่งสำหรับ บริษัท ที่เติบโตเร็วที่สุดเท่าที่ Google ในปีที่ผ่านมา บริษัท ฯ ได้มีการจัดอันดับสองเท่าทุกปีและมีแผนการที่จะชะลอการจ้างงานของตน Moe กว่า 100,000 ใบสมัครงานของเทลงใน Google ทุกเดือนและทีมงานมีการจัดเรียงผ่านพวกเขาในการกรอกข้อมูลให้มากที่สุดเท่า 200 ตำแหน่งสัปดาห์. ในช่วงต้นของ บริษัท ฯ ลดลงสระว่ายน้ำของผู้สมัครโดยการตั้งค่าแถบสูงมากเกี่ยวกับมาตรการแบบดั้งเดิมเช่น ความสำเร็จทางวิชาการ ตัวอย่างเช่นวิศวกรได้ที่จะได้ทำให้มันผ่านโรงเรียนที่มีเกรดเฉลี่ย 3.7 จุด เกณฑ์ดังกล่าวช่วยให้ บริษัท หาจำนวนที่สามารถจัดการของผู้สมัครที่จะสัมภาษณ์ แต่ไม่มีใครเคยคิดจริงๆว่าพวกเขามีวิธีที่ถูกต้องที่สุดในการทำนายความสำเร็จที่ บริษัท . เมื่อเร็ว ๆ นี้ บริษัท ได้พยายามที่จะใช้ความเป็นเลิศเชิงปริมาณของการแก้ไขปัญหาของ ทำให้ตัวเลือกที่ดีกว่าการตัดสินใจ ครั้งแรกก็ออกเดินทางไปวัดซึ่งเกณฑ์การคัดเลือกที่มีความสำคัญ มันทำอย่างนี้โดยการดำเนินการสำรวจความคิดเห็นของพนักงานที่ได้รับกับ Google เป็นเวลาอย่างน้อยห้าเดือน คำถามเหล่านี้ที่หลากหลายของลักษณะเช่นพื้นที่ของความเชี่ยวชาญทางเทคนิคพฤติกรรมการทำงานบุคลิกภาพและแม้กระทั่งบางนิสัย nonwork ที่อาจจะค้นพบสิ่งที่สำคัญเกี่ยวกับผู้สมัคร ตัวอย่างเช่นอาจจะสมัครเป็นสมาชิกนิตยสารบางอย่างหรือการเป็นเจ้าของสุนัขที่อาจจะเกี่ยวข้องกับความสำเร็จที่ Google โดยทางอ้อมวัดบางลักษณะที่สำคัญในหนึ่งเคยคิดจะถามเกี่ยวกับ ผลการสำรวจที่ได้รับเมื่อเทียบกับมาตรการของการปฏิบัติงานที่ประสบความสำเร็จรวมทั้งการประเมินผลการปฏิบัติงาน, การชดเชยและเป็นสมาชิกขององค์การ (พฤติกรรมไปในทางที่ก่อให้เกิด บริษัท เกินกว่าสิ่งที่งานต้อง). หนึ่งบทเรียนที่สำคัญของความพยายามนี้คือการที่ผลการเรียนไม่ได้ ทำนายที่ดีที่สุดของความสำเร็จที่ Google ไม่มีปัจจัยเดียวที่คาดการณ์ไว้ประสบความสำเร็จในทุกงาน แต่รวมกันของปัจจัยที่จะช่วยทำนายความสำเร็จในตำแหน่งโดยเฉพาะอย่างยิ่ง. จากข้อมูลนี้ Google รวบรวมชุดของแบบสอบถามที่ได้รับการที่เกี่ยวข้องกับการประสบความสำเร็จในหลายชนิดโดยเฉพาะอย่างยิ่งในการทำงานที่ Google; วิศวกรรม, การขาย, การเงินและทรัพยากรมนุษย์ ตอนนี้คนที่ใช้ t6o ทำงานที่ Google ไปออนไลน์ที่จะตอบคำถามเช่น "คุณเคยเริ่มต้นสโมสรหรือกลุ่มที่พักผ่อนหย่อนใจ?" และ "เมื่อเทียบกับคนอื่น ๆ ในกลุ่มเพื่อนของคุณวิธีที่คุณจะอธิบายอายุที่คุณได้เป็น (กล่าวคือมีความตื่นเต้นเกี่ยวกับพวกเขาเริ่มต้นการใช้พวกเขา ฯลฯ ) คอมพิวเตอร์ที่อยู่ในระดับที่ 1 (ช้ากว่าคนอื่น ๆ ) ถึง 10 (มากก่อนหน้านี้กว่าคนอื่น ๆ ) "ข้อมูลที่ได้รับการวิเคราะห์โดยชุดของสูตรที่คำนวณคะแนนจาก 1 ถึง 100 คะแนนทำนายวิธีที่ดีที่ผู้สมัครที่คาดว่าจะปรับตัวให้เข้าประเภทของตำแหน่งที่ Google. ไมเคิล Mumford ผู้เชี่ยวชาญในการประเมินความสามารถที่มหาวิทยาลัยโอคลาโฮมากล่าวว่าโดยทั่วไปวิธีการของการปฏิบัติงานการทำนายนี้มีประสิทธิภาพ แต่เมื่อมันขึ้นอยู่กับมาตรการที่เหมาะสม ดังนั้นการเริ่มต้นสโมสรอาจจะมีวิธีการวัดพฤติกรรมความเป็นผู้นำ แต่การเป็นเจ้าของสุนัข (วัดร้าง Google) ควรจะใช้เฉพาะในกรณีที่นายจ้างสามารถหาคำอธิบายว่าทำไมมันมีความเกี่ยวข้อง
การแปล กรุณารอสักครู่..
หาวิศวกรที่ดีที่สุด , โปรแกรมเมอร์ , พนักงานขายและเป็นความท้าทายสำหรับ บริษัท ใด ๆ , แต่มันเป็นเรื่องยากโดยเฉพาะอย่างยิ่งสำหรับ บริษัท ที่เติบโตเร็วที่สุดของ Google ในปีล่าสุด บริษัท ได้เพิ่มการจัดอันดับของทุกปี และยังไม่มีแผนที่จะช้าของการจ้างงาน โมเอะกว่า 100000 การสมัครงานเป็นเทลงใน Google ทุกเดือนและทีมงานต้องจัดเรียงเพื่อกรอกตำแหน่งมากเท่าที่ 200 สัปดาห์
ในช่วงต้นของ บริษัท ลดลงสระว่ายน้ำของผู้สมัครโดยการตั้งค่าแถบที่สูงมากในการวัดแบบดั้งเดิมเช่นความสำเร็จทางวิชาการ เช่น วิศวกร ต้องทำผ่านโรงเรียน ด้วยเกรดเฉลี่ย 3.7 . เกณฑ์ดังกล่าวช่วยให้ บริษัท จัดการหาเบอร์ของผู้สมัครมาสัมภาษณ์แต่ไม่มีใครมีจริงๆพิจารณาว่าพวกเขาเป็นวิธีที่ถูกต้องที่สุดที่จะทำนายความสำเร็จในบริษัท
เมื่อเร็วๆ นี้ บริษัท ได้พยายามที่จะใช้ปริมาณของความเป็นเลิศในปัญหาของการตัดสินใจเลือกดีกว่า ก่อนจะออกไปวัด ซึ่งเกณฑ์การคัดเลือกเป็นสำคัญมันไม่นี้โดยการสํารวจของพนักงานที่ได้รับกับ Google อย่างน้อย 5 เดือน คำถามเหล่านี้อยู่หลากหลายลักษณะ เช่น พื้นที่ของความเชี่ยวชาญด้านเทคนิคที่ทำงาน พฤติกรรม บุคลิกภาพและนิสัยบางอย่างที่อาจจะ nonwork ค้นพบเรื่องสำคัญเกี่ยวกับผู้สมัคร ตัวอย่างเช่นบางทีการสมัครสมาชิกนิตยสารบางอย่างหรือการเป็นเจ้าของสุนัขอาจจะเกี่ยวข้องกับความสำเร็จใน Google โดยทางอ้อม วัดบางคุณลักษณะสำคัญที่คิดจะถามเกี่ยวกับ ผลของการสำรวจ โดยเปรียบเทียบกับมาตรการของความสำเร็จในการปฏิบัติงาน รวมทั้งการประเมินผลการปฏิบัติงาน ค่าตอบแทนและการเป็นพลเมืองขององค์กร ( ทำในทางที่ก่อให้เกิด บริษัท นอกเหนือจากสิ่งที่งานต้องการ )
หนึ่งบทเรียนสำคัญของความพยายามนี้ คือ งานวิชาการ คือ ไม่สามารถทำนายความสำเร็จใน Google ปัจจัยทำนายความสำเร็จไม่มีเดียวทุกงาน แต่การรวมกันของปัจจัยสามารถช่วยทำนายความสำเร็จในตำแหน่งโดยเฉพาะ
จากข้อมูลนี้Google รวบรวมแบบสอบถามที่เกี่ยวข้องกับความสำเร็จ โดยเฉพาะงานประเภทที่ Google ; วิศวกรรม ขาย การเงิน และทรัพยากรมนุษย์ ตอนนี้คนที่ใช้ t6o ทำงานที่ Google ออนไลน์ ตอบคําถามเช่น " คุณเคยตั้งชมรม หรือ สันทนาการกลุ่ม " และ " เมื่อเทียบกับคนอื่น ๆในกลุ่มเพื่อนของคุณวิธีที่คุณจะอธิบายอายุที่คุณแรกเข้า ( เช่น ตื่นเต้นเกี่ยวกับพวกเขาเริ่มใช้พวกเขา ฯลฯ ) คอมพิวเตอร์ในระดับจาก 1 ( ช้ากว่าคนอื่น ) ถึง 10 ( เร็วกว่าคนอื่น ) " วิเคราะห์ข้อมูลโดยใช้ชุดของสูตรที่คำนวณคะแนนจาก 1 ถึง 100 คะแนนที่คาดการณ์ว่าผู้สมัครที่คาดว่าจะพอดีเข้าไปในประเภทของตำแหน่งที่ Google .
ไมเคิล Mumford , ผู้เชี่ยวชาญในการประเมินความสามารถที่มหาวิทยาลัยโอกลาโฮม่า กล่าวว่า โดยทั่วไปวิธีนี้ทำนายการปฏิบัติงานที่มีประสิทธิภาพ แต่เมื่อมันต้องอาศัยมาตรการที่เหมาะสม ดังนั้น เริ่มต้น สโมสรอาจเป็นวิธีที่จะวัดพฤติกรรมผู้นำแต่เจ้าของสุนัข ( วัด Google ทิ้ง ) ควรใช้เฉพาะในกรณีที่นายจ้างสามารถหาคำอธิบายถึงเหตุผลที่เกี่ยวข้อง
ในช่วงต้นของ บริษัท ลดลงสระว่ายน้ำของผู้สมัครโดยการตั้งค่าแถบที่สูงมากในการวัดแบบดั้งเดิมเช่นความสำเร็จทางวิชาการ เช่น วิศวกร ต้องทำผ่านโรงเรียน ด้วยเกรดเฉลี่ย 3.7 . เกณฑ์ดังกล่าวช่วยให้ บริษัท จัดการหาเบอร์ของผู้สมัครมาสัมภาษณ์แต่ไม่มีใครมีจริงๆพิจารณาว่าพวกเขาเป็นวิธีที่ถูกต้องที่สุดที่จะทำนายความสำเร็จในบริษัท
เมื่อเร็วๆ นี้ บริษัท ได้พยายามที่จะใช้ปริมาณของความเป็นเลิศในปัญหาของการตัดสินใจเลือกดีกว่า ก่อนจะออกไปวัด ซึ่งเกณฑ์การคัดเลือกเป็นสำคัญมันไม่นี้โดยการสํารวจของพนักงานที่ได้รับกับ Google อย่างน้อย 5 เดือน คำถามเหล่านี้อยู่หลากหลายลักษณะ เช่น พื้นที่ของความเชี่ยวชาญด้านเทคนิคที่ทำงาน พฤติกรรม บุคลิกภาพและนิสัยบางอย่างที่อาจจะ nonwork ค้นพบเรื่องสำคัญเกี่ยวกับผู้สมัคร ตัวอย่างเช่นบางทีการสมัครสมาชิกนิตยสารบางอย่างหรือการเป็นเจ้าของสุนัขอาจจะเกี่ยวข้องกับความสำเร็จใน Google โดยทางอ้อม วัดบางคุณลักษณะสำคัญที่คิดจะถามเกี่ยวกับ ผลของการสำรวจ โดยเปรียบเทียบกับมาตรการของความสำเร็จในการปฏิบัติงาน รวมทั้งการประเมินผลการปฏิบัติงาน ค่าตอบแทนและการเป็นพลเมืองขององค์กร ( ทำในทางที่ก่อให้เกิด บริษัท นอกเหนือจากสิ่งที่งานต้องการ )
หนึ่งบทเรียนสำคัญของความพยายามนี้ คือ งานวิชาการ คือ ไม่สามารถทำนายความสำเร็จใน Google ปัจจัยทำนายความสำเร็จไม่มีเดียวทุกงาน แต่การรวมกันของปัจจัยสามารถช่วยทำนายความสำเร็จในตำแหน่งโดยเฉพาะ
จากข้อมูลนี้Google รวบรวมแบบสอบถามที่เกี่ยวข้องกับความสำเร็จ โดยเฉพาะงานประเภทที่ Google ; วิศวกรรม ขาย การเงิน และทรัพยากรมนุษย์ ตอนนี้คนที่ใช้ t6o ทำงานที่ Google ออนไลน์ ตอบคําถามเช่น " คุณเคยตั้งชมรม หรือ สันทนาการกลุ่ม " และ " เมื่อเทียบกับคนอื่น ๆในกลุ่มเพื่อนของคุณวิธีที่คุณจะอธิบายอายุที่คุณแรกเข้า ( เช่น ตื่นเต้นเกี่ยวกับพวกเขาเริ่มใช้พวกเขา ฯลฯ ) คอมพิวเตอร์ในระดับจาก 1 ( ช้ากว่าคนอื่น ) ถึง 10 ( เร็วกว่าคนอื่น ) " วิเคราะห์ข้อมูลโดยใช้ชุดของสูตรที่คำนวณคะแนนจาก 1 ถึง 100 คะแนนที่คาดการณ์ว่าผู้สมัครที่คาดว่าจะพอดีเข้าไปในประเภทของตำแหน่งที่ Google .
ไมเคิล Mumford , ผู้เชี่ยวชาญในการประเมินความสามารถที่มหาวิทยาลัยโอกลาโฮม่า กล่าวว่า โดยทั่วไปวิธีนี้ทำนายการปฏิบัติงานที่มีประสิทธิภาพ แต่เมื่อมันต้องอาศัยมาตรการที่เหมาะสม ดังนั้น เริ่มต้น สโมสรอาจเป็นวิธีที่จะวัดพฤติกรรมผู้นำแต่เจ้าของสุนัข ( วัด Google ทิ้ง ) ควรใช้เฉพาะในกรณีที่นายจ้างสามารถหาคำอธิบายถึงเหตุผลที่เกี่ยวข้อง
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- Disaster Assistance
- แล้วใช้ชีวิตThen hurry to life.I rushed
- IWe have all had our hearts broken. When
- ฉันมีอาการ เมารถ
- นางฟ้าโลจิสติกส์
- ครูเป็นบุคคลที่สำคัญในชีวิตของเรา
- มาก ฉันอธิบายไม่ได้
- ฉันเคยเชื่อว่ากลืนเมล็ดผลไม้เข้าไปแล้วมั
- What do you got
- รู้เรื่องราวประวัติศาสตร์
- หายใจลำบาก
- ข้อดีของอินเทอร์เน็ต
- กาลครั้งหนึ่งนานมาแล้ว
- ดิฉันสามารถจัดทำเอกสารต่างๆจากโปรแกรม Mi
- I had to move through the events and I k
- คนที่ไม่สนิท
- crop growth
- You mean kat borrow money from you when
- Suggestion 1. KP students must concentra
- แนะนำ
- ความทรงจำที่ประทับใจและน่าจดจำที่สุดในชี
- Documentary of Polar Bears
- ขอให้คุณ,ไปตามทางของคุณ ,และขอแสดงความยิ
- 3. Results and discussion
