Científico/a sénior de ciencias del comportamiento aplicadas Sr. Applied Behavioral Scientist
- Remoto (EE. UU.)
- $200,000 por año
- Tiempo completo
- Publicado hace 5 horas
Se postulará en el sitio web original.
Sobre este empleo
La empresa:
VeSync es una empresa matriz con marcas que abarcan distintas categorías de productos de salud y bienestar. No nos sorprendería que tengas uno de nuestros purificadores de aire Levoit en tu sala o que uses una freidora de aire COSORI para preparar comidas saludables y deliciosas todas las noches.
Somos una empresa joven y dinámica; hemos tenido un éxito enorme y nuestro equipo sigue creciendo constantemente. A medida que recibimos más atención de la industria —solo tienes que ver nuestros logros y premios de CES Innovation, iF Design, IGA y Red Dot—, también necesitamos personas motivadas y talentosas que se sumen a nuestro equipo.
Eso nos lleva a ti y al equipo del que formarás parte. Nuestros equipos están integrados por personas inteligentes y diligentes que se hacen responsables de su trabajo: confían en lo que hacen, pero saben colaborar con disposición para escuchar y aprender. Si tienes los pies en la tierra, eres una persona accesible y es fácil entablar conversación contigo, este puesto podría ser ideal para ti.
Conoce nuestras marcas:
| |
La oportunidad:
Buscamos un/a científico/a sénior de ciencias del comportamiento aplicadas para incorporarse a nuestro creciente equipo de Ciencias del Comportamiento, con sede en EE. UU., como líder técnico sénior de componentes clave de nuestro sistema. Este puesto combina dos funciones estrechamente interrelacionadas en nuestro producto: asumir la responsabilidad de la lógica de decisión que determina qué hace el sistema por cada usuario y de la arquitectura estadística y de inferencia causal que determina si una intervención está funcionando para ese usuario.
En lo que respecta a la lógica de decisión, dirigirás el desarrollo de nuestro sistema de diseño de intervenciones adaptativas justo a tiempo en colaboración con el equipo de IA. Este sistema central determina cuándo y cómo la aplicación interactúa con los usuarios y los guía en los momentos más importantes. En el área de inferencia causal, estarás a cargo del ciclo de aprendizaje personalizado que determina la eficacia de las intervenciones a nivel individual: especificarás el esquema de atribución, definirás los requisitos de instrumentación para Ingeniería y colaborarás con el equipo de ML en la arquitectura de recomendaciones e inferencia causal. También tendrás la oportunidad de publicar.
Este es un puesto de gran impacto y exigencia intelectual para un/a científico/a sénior del comportamiento que combine el rigor propio de la ciencia de datos con la teoría del cambio de comportamiento y experiencia práctica en la creación de sistemas de toma de decisiones, la recopilación y el análisis de datos de comportamiento, la inferencia causal y la experimentación adaptativa, y que se sienta cómodo/a traduciendo todo esto en una infraestructura práctica compatible con los ciclos de sprint y el ritmo de la industria.
Lo que harás en VeSync:
- Apoyar el desarrollo de una taxonomía del comportamiento: Diseñar y crear una taxonomía estructurada del comportamiento en estrecha colaboración con el equipo de IA. Definir la taxonomía de objetivos de comportamiento, perfiles de barreras, correspondencias con BCT y modalidades de intervención. Asegurarte de que la taxonomía esté estructurada para que las máquinas puedan leerla y para su uso posterior en el sistema de recomendaciones.
- Traducir marcos académicos a esquemas aplicados: Convertir BCTTv1, el marco COM-B y la evidencia pertinente sobre el cambio de comportamiento en un sistema de clasificación práctico que los equipos de Ingeniería y ML puedan implementar.
- Revisar y validar la lógica y los algoritmos de comportamiento: Revisar como experto/a la lógica de las intervenciones, las correspondencias entre BCT y barreras, y los casos límite de la taxonomía. Señalar las áreas en las que la lógica de comportamiento del sistema se aparte de la evidencia existente.
- Mantener estándares de evidencia: Aplicar un estándar de evaluación de evidencia propio de las publicaciones científicas. Ayudar al equipo a distinguir entre afirmaciones sobre el comportamiento bien fundamentadas, plausibles y especulativas dentro de la taxonomía.
- Dirigir el desarrollo del sistema JITAI: Diseñar y crear el sistema de diseño de intervenciones adaptativas justo a tiempo en estrecha colaboración con el equipo de IA: la lógica de decisión que determina si se debe enviar un aviso a un usuario, cuál y cuándo, en cada momento oportuno dentro de la aplicación.
- Definir puntos de decisión y variables de adaptación: Especificar los puntos de decisión en los que el sistema evalúa si debe intervenir, así como las variables de adaptación —estado de comportamiento, contexto, receptividad e historial de respuestas anteriores— que informan cada decisión.
- Diseñar reglas de decisión basadas en evidencia sobre el comportamiento: Traducir BCTTv1, COM-B y la evidencia pertinente sobre el cambio de comportamiento en reglas de decisión que relacionen los valores de las variables de adaptación con opciones de intervención específicas, para garantizar que cada aviso enviado tenga una base conductual.
- Estar a cargo de la taxonomía del comportamiento y las restricciones de envío: Definir y mantener la taxonomía de avisos, estímulos e intervenciones que la lógica de decisión puede seleccionar, además de las reglas de frecuencia, períodos de espera y secuenciación que previenen la fatiga por mensajes y la habituación.
- Revisar, validar y mantener estándares de evidencia: Revisar como experto/a el desempeño de las reglas de decisión en producción, señalar las áreas en las que el comportamiento en el mundo real se aparte de la evidencia existente y aplicar un estándar de evidencia propio de las publicaciones científicas para distinguir entre las afirmaciones sobre el comportamiento que impulsan el sistema y que están bien fundamentadas, son plausibles o especulativas.
- Estar a cargo del esquema de atribución del ciclo de aprendizaje: Diseñar el marco estadístico y causal para el ciclo de aprendizaje antes del lanzamiento del producto. Especificar estrategias de microrrandomización, métodos de evaluación fuera de política y enfoques para estimar efectos a nivel individual que permitan ofrecer intervenciones personalizadas.
- Definir los requisitos de instrumentación: Colaborar con Ingeniería para especificar el registro de eventos y la infraestructura de datos necesarios para respaldar el ciclo de aprendizaje. Asegurarte de que la instrumentación esté implementada antes del lanzamiento para permitir la atribución y la estimación de efectos.
- Especificar diseños de ensayos adaptativos: Diseñar y asesorar sobre metodologías de experimentación adaptativa, incluidos los bandidos de múltiples brazos (MAB), los ensayos microrrandomizados (MRT) y las estrategias de exploración contextual adecuadas para datos de comportamiento intraindividuales.
- Apoyar la infraestructura para experimentos N-of-1: Desarrollar el marco analítico para los autoexperimentos N-of-1 dentro del producto. Definir cómo se calculan, comunican y actualizan con el tiempo las estimaciones de efectos a nivel individual.
- Asesorar sobre pruebas A/B y diseños factoriales: Asesorar sobre el diseño de experimentos para pruebas a nivel poblacional. Orientar sobre potencia estadística, tamaño de muestra, aleatorización y la interacción entre la inferencia a nivel individual y grupal.
- Colaborar con el equipo de IA/ML: Trabajar directamente con ingenieros/as de ML en la arquitectura del sistema de recomendaciones e intervenciones, alineando la estructura de la taxonomía y la metodología de inferencia causal con la arquitectura técnica del sistema.
- Asesorar sobre metodología: Asesorar según sea necesario sobre el diseño de mediciones, la metodología de estudios y los marcos para evaluar intervenciones. Ser una referencia experta interna para el equipo de Ciencias del Comportamiento.
- Colaborar con el/la analista de comportamiento: Trabajar en conjunto con el/la analista de comportamiento para garantizar que la taxonomía y el marco estadístico de aprendizaje estén alineados con la teoría del comportamiento que guía la selección de intervenciones.
Sistema de intervenciones adaptativas justo a tiempo
Inferencia causal y ciclo de aprendizaje
Liderazgo interfuncional
Lo que aportarás al puesto:
- Educación: Se requiere un doctorado en Ciencias del Comportamiento, Psicología de la Salud, Medicina Conductual, Ciencia de Datos, Aprendizaje Automático o un campo estrechamente relacionado, además de una sólida trayectoria de publicaciones que demuestre experiencia en combinar la teoría del cambio de comportamiento con el diseño de sistemas de circuito cerrado. También se requiere formación avanzada o experiencia aplicada en inferencia causal, aprendizaje por refuerzo o una disciplina cuantitativa relacionada.
- Experiencia: Más de 5 años en un puesto sénior de ciencias del comportamiento que combine el diseño de intervenciones o el desarrollo de taxonomías/marcos con investigación cuantitativa o de inferencia causal, idealmente en tecnología de la salud, salud digital o contextos de toma de decisiones algorítmica (ADM).
- Marcos de cambio de comportamiento: Dominio profundo de BCTTv1, COM-B y modelos relacionados de cambio de comportamiento, con experiencia previa aplicando estos marcos a la salud digital o a intervenciones facilitadas por la tecnología como cualidad altamente preferida.
- Inferencia causal y métodos adaptativos: Experiencia demostrable en inferencia causal, evaluación fuera de política y diseños de ensayos adaptativos. Experiencia práctica con ensayos microrrandomizados (MRT), bandidos de múltiples brazos (MAB) y algoritmos de aprendizaje por refuerzo (RL) en entornos aplicados.
- Métodos N-of-1 y secuenciales: Experiencia con diseños experimentales N-of-1, toma de decisiones secuenciales e inferencia intraindividual. Comodidad con los desafíos estadísticos que plantean los datos de comportamiento de alta frecuencia y muestras pequeñas (n).
- Enfoque aplicado: Debes sentirte cómodo/a trabajando al ritmo de la industria y traduciendo el rigor académico en entregables prácticos compatibles con los ciclos de sprint, sin sacrificar la integridad científica.
- Colaboración técnica: Capacidad comprobada para trabajar estrechamente con equipos de Ingeniería y ML en representación del conocimiento, diseño de taxonomías, esquemas de datos estructurados y requisitos de instrumentación de datos.
- Comunicación: Excelentes habilidades de comunicación oral y escrita. Capacidad para redactar especificaciones metodológicas claras, especificaciones de taxonomías y memorandos de revisión, así como para presentar conceptos estadísticos y de comportamiento complejos a públicos técnicos y no técnicos.
- Conocimiento de la industria: Se prefiere ampliamente la experiencia en tecnología de la salud, plataformas de cambio de comportamiento o ecosistemas de dispositivos conectados o vestibles de consumo.
- Tipo de contratación: Este es un puesto de tiempo completo. Se espera que las personas candidatas puedan comprometerse con un alcance y un cronograma definidos, con puntos de contacto estructurados entre los equipos de Ingeniería, ML y Ciencias del Comportamiento.
Ubicación:
- Remoto
Salario:
- A partir de $200K anuales
Beneficios y ventajas:
- Seguro médico, dental y de la vista con cobertura del 100% para el empleado/a Y su cónyuge + dependientes.
- Plan 401K con una contribución equivalente del empleador del 4% (elegible después de 90 días de empleo) y adquisición inmediata del 100% de los derechos
- Política generosa de tiempo libre remunerado + feriados pagados
- Seguro de vida
- Seguro de vida voluntario
- Seguro por discapacidad
- Cobertura por enfermedades graves
- Seguro contra accidentes
- Cuenta de gastos flexibles para atención médica (FSA)
- Cuenta de gastos flexibles para el cuidado de dependientes (FSA)
- Programa de asistencia para viajes
- Programa de asistencia al empleado (EAP)
- Cocina con provisiones completas
Publicado originalmente en Himalayas
Anuncio original en inglés
The Company:
VeSync is a portfolio company with brands that cover different categories of health & wellness products. We wouldn’t be surprised if you have one of our Levoit air purifiers in your living room or a COSORI air fryer whipping up healthy and delicious meals for you every night.
We’re a young and energetic company, we’ve had tremendous success, and we are constantly growing our team. As we garner more industry attention – just check out our accomplishments and awards by CES Innovation, iF Design, IGA, and Red Dot – we also need driven and talented people to join our team.
That brings us to you, and what you’ll be joining. Our teams are smart and diligent and take ownership of their work – they’re confident in their work but know how to collaborate with open ears and a spirit of learning. If you’re down-to-earth, approachable, and easy to strike up a conversation with, this may be a great fit for you.
Check out our brands:
| |
The Opportunity:
We are seeking a Senior Applied Behavioral Scientist to join our growing US-based Behavioral Science team as the senior technical lead for key components of our system. This role combines two functions that are closely intertwined in our product: owning the decision logic that determines what the system does for a user, and owning the statistical and causal-inference architecture that determines whether an intervention is working for that user.
On the decision logic side, you will lead development of our just-in-time adaptive intervention design system in partnership with the AI Team — a core system that determines when and how the app engages users, guiding them at moments that matter most. On the causal inference side, you will own the personalized learning loop that determines intervention effectiveness at the individual level — specifying the attribution scheme, defining instrumentation requirements for Engineering, and partnering with ML on the recommendation and causal-inference architecture. You will also have the opportunity to publish.
This is a high-leverage, intellectually demanding role for a senior behavioral scientist who combines data science-level rigor with behavior change theory and hands-on expertise in building decisioning systems, collecting and working with behavioral data, causal inference and adaptive experimentation, and who is comfortable translating both into practical, sprint-compatible infrastructure at an industry pace.
What you will do at VeSync:
- Support Behavioral Taxonomy Development: Design and build a structured behavioral taxonomy in close collaboration with the AI Team. Define the taxonomy of behavioral targets, barrier profiles, BCT mappings, and intervention modalities. Ensure the taxonomy is structured for machine readability and downstream use in the recommendation system.
- Translate Academic Frameworks into Applied Schema: Convert the BCTTv1, COM-B framework, and relevant behavior change evidence into a practical classification system that Engineering and ML teams can operationalize.
- Review and Validate Behavioral Logic and Algorithms: Provide expert review of intervention logic, BCT-to-barrier mappings, and taxonomy edge cases. Flag areas where the system’s behavioral logic deviates from the evidence base.
- Maintain Evidence Standards: Bring a publication-grade standard for evidence evaluation. Help the team distinguish between well-supported, plausible, and speculative behavioral claims within the taxonomy.
- Lead JITAI System Development: Design and build the just-in-time adaptive intervention design system in close collaboration with the AI Team — the decision logic that determines whether, what, and when to prompt a user at each moment of opportunity in the app.
- Define Decision Points & Tailoring Variables: Specify the decision points at which the system evaluates whether to intervene, and the tailoring variables — behavioral state, context, receptivity, and prior response history — that inform each decision.
- Design Decision Rules from Behavioral Evidence: Translate BCTTv1, COM-B, and relevant behavior change evidence into decision rules that map tailoring-variable values to specific intervention options, ensuring every prompt delivered is behaviorally grounded.
- Own the Behavioral Taxonomy & Delivery Constraints: Define and maintain the taxonomy of prompts, nudges, and intervention modalities the decision logic can select from, along with rules for cadence, cooldowns, and sequencing that protect against message fatigue and habituation.
- Review, Validate & Maintain Evidence Standards: Provide expert review of decision rule performance in production, flag areas where real-world behavior deviates from the evidence base, and bring a publication-grade standard for distinguishing well-supported, plausible, and speculative behavioral claims driving the system.
- Own the Learning Loop Attribution Scheme: Design the statistical and causal framework for the Learning Loop before product launch. Specify micro-randomization strategies, off-policy evaluation methods, and individual-level effect estimation approaches that will power personalized intervention delivery.
- Define Instrumentation Requirements: Partner with Engineering to specify the event logging and data infrastructure needed to support the learning loop. Ensure instrumentation is in place before launch to enable attribution and effect estimation.
- Specify Adaptive Trial Designs: Design and advise on adaptive experimentation methodologies including Multi-Arm Bandits (MABs), Micro-Randomized Trials (MRTs), and contextual exploration strategies appropriate for within-person behavioral data.
- Support N-of-1 Experiment Infrastructure: Develop the analytical framework for N-of-1 self-experiments within the product. Define how individual-level effect estimates are computed, communicated, and updated over time.
- Advise on A/B Testing and Factorial Designs: Consult on experiment design for population-level tests. Provide guidance on power, sample size, randomization, and the interplay between individual and group-level inference.
- Partner with the AI/ML Team: Work directly with ML Engineers on the recommendation and intervention system architecture, aligning taxonomy structure and causal-inference methodology with the technical architecture of the system.
- Advise on Methodology: Consult on measurement design, study methodology, and intervention evaluation frameworks as needed. Serve as an internal expert reference for the BeSci team.
- Collaborate with the Behavioral Analyst: Partner with the Behavioral Analyst to ensure the taxonomy and statistical learning framework are aligned with the behavioral theory driving intervention selection.
Just-in-time Adaptive Intervention System
Causal Inference & Learning Loop
Cross-Functional Leadership
What you bring to the role:
- Education: PhD in Behavioral Science, Health Psychology, Behavioral Medicine, Data Science, Machine Learning, or a closely related field is required, with a strong publication track record demonstrating expertise in combining behavior change theory with closed-loop system design. Advanced training or applied experience in causal inference, reinforcement learning, or a related quantitative discipline is also required.
- Experience: 5+ years in a senior behavioral science role that combines intervention design or taxonomy/framework development with causal-inference or quantitative research, ideally in health tech, digital health, or algorithmic decision-making (ADM) contexts.
- Behavior Change Frameworks: Deep expertise in BCTTv1, COM-B, and related behavior change models, with prior experience applying these frameworks to digital health or technology-mediated interventions strongly preferred.
- Causal Inference & Adaptive Methods: Demonstrated expertise in causal inference, off-policy evaluation, and adaptive trial designs. Hands-on experience with Micro-Randomized Trials (MRTs), Multi-Arm Bandits (MABs), and Reinforcement Learning (RL) algorithms in applied settings.
- N-of-1 and Sequential Methods: Experience with N-of-1 experimental designs, sequential decision-making, and within-person inference. Comfort with the statistical challenges of small-n, high-frequency behavioral data.
- Applied Comfort: Must be comfortable operating at an industry pace — translating academic rigor into actionable, sprint-compatible deliverables without sacrificing scientific integrity.
- Technical Collaboration: Proven ability to work closely with engineering and ML teams on knowledge representation, taxonomy design, structured data schemas, and data instrumentation requirements.
- Communication: Excellent written and verbal communication. Able to write clear methodology specs, taxonomy specifications, and review memos, and to present complex statistical and behavioral concepts to both technical and non-technical audiences.
- Industry Knowledge: Experience in health tech, behavior change platforms, or consumer wearable/connected device ecosystems is strongly preferred.
- Engagement Type: This is a full-time role. Candidates should be prepared to commit to a defined scope and timeline, with structured touchpoints across the Engineering, ML, and BeSci teams.
Location:
- Remote
Salary:
- Starting at $200K Annually
Perks and Benefits:
- 100% covered Medical/Dental/Vision insurances for employee AND spouse + dependents!
- 401K with 4% employer match (eligible after 90 days of employment) and immediate 100% vesting
- Generous PTO policy + paid holidays
- Life Insurance
- Voluntary Life Insurance
- Disability Insurance
- Critical Illness Coverage
- Accident Insurance
- Healthcare FSA
- Dependent Care FSA
- Travel Assistance Program
- Employee Assistance Program (EAP)
- Fully stocked kitchen
Originally posted on Himalayas
Los empleadores en JOBUS nunca le pedirán pagar, comprar equipo ni compartir datos bancarios o de Seguro Social antes de una oferta formal. Confianza y seguridad