Conceitos essenciais
Arbeitgeber setzen zunehmend algorithmische Technologien in Einstellungsverfahren ein. Obwohl diese Technologien das Potenzial haben, Vorurteile zu verringern, besteht auch die Gefahr, dass sie Diskriminierung verstärken. Diese Studie bietet eine ausgewogene und integrierte Darstellung von Systemen, Verzerrungen, Messgrößen, Strategien zur Minderung von Verzerrungen, Datensätzen und rechtlichen Aspekten im Bereich der algorithmischen Einstellung und Fairness.
Resumo
Diese Studie bietet eine multidisziplinäre Übersicht über faire und verzerrte Einstellungsverfahren. Sie gliedert sich wie folgt:
-
Einführung in die Hauptphasen und Systeme der algorithmischen Einstellung:
- Sourcing: Jobausschreibungen, Suchverfahren, Empfehlungen
- Screening: Spielebasierte Assessments, Asynchrone Videointerviews, Fragebögen, Chatbots
- Auswahl: Vergütungsoptimierung, Hintergrundprüfungen, Teamzuordnung
- Evaluation: Leistungsmanagement, Mitarbeiterbindung, Beförderungen und Kündigungen
-
Identifizierung von Faktoren, die zu Verzerrungen in Einstellungsverfahren führen können:
- Institutionelle Voreingenommenheiten: Direkte Diskriminierung, horizontale und vertikale Segregation, kulturelle Passung, Elitismus, verzerrte Mitarbeiterbewertungen
- Individuelle Präferenzen: Arbeitszufriedenheit, Selbstdarstellung, Pendeldistanz, Gehaltsverhandlungen, kulturelle Vermeidung/Anziehung, Arbeitslücken
- Technologische Blindstellen: Werbeauslieferung, Barrierefreiheit, Sprachverarbeitung, Plattformnutzung, psychologische Tests, Hintergrundprüfungen, Mensch-Maschine-Interaktion
-
Übersicht über Fairness-Metriken für algorithmische Einstellungsverfahren:
- Ergebnisgerechtigkeit: Schieflage bei Rang k, normalisierte diskontierte KL-Divergenz, Disparater Einfluss, demografische Disparität, Repräsentation in positiv vorhergesagter Klasse, diskontierte Repräsentationsdifferenz, Score-KL-Divergenz, Log-Rang-Regression, mittlerer Fehlerunterschied
- Genauigkeitsgerechtigkeit: Mittlerer absoluter Fehler, ausgeglichene Klassifikationsratendifferenz
-
Praktische Aspekte der Diskriminierungsbekämpfung in algorithmischen Einstellungsverfahren, einschließlich der Wahl geeigneter Fairness-Metriken und Minderungsstrategien.
-
Rechtliche Rahmenbedingungen in der EU und den USA sowie die Einbettung algorithmischer Einstellung in einen breiteren soziotechnischen Kontext.
-
Zusammenfassung von Chancen, Grenzen und Empfehlungen für zukünftige Arbeiten.
Estatísticas
Über 250 KI-Tools für Personalwesen auf dem Markt [99].
Durchschnittlich über 100 Bewerber pro Stellenausschreibung [101, 206].
COVID-19-Pandemie und Fortschritte in der KI haben den Einsatz algorithmischer Einstellungsverfahren beschleunigt [170, 207].
Citações
"Arbeitgeber setzen zunehmend algorithmische Einstellungstechnologie in der gesamten Einstellungspipeline ein."
"Ob und vor allem welche Arten von algorithmischen Einstellungsverfahren weniger voreingenommen und für die Gesellschaft vorteilhafter sind als Low-Tech-Alternativen, bleibt bislang unbeantwortet, was der Vertrauenswürdigkeit schadet."