http://www.china-cic.org.cn

一个公司如何利用机器学习从招聘过程中的偏见

来源:Pixabay

编者按:斯图尔特·尼斯贝特在Cadient人才,总部设在罗利的人才招募公司首席数据科学家

RALEIGH - 在Cadient人才,这是一个问题,我们跤每日的基础上:我们如何消除招聘过程偏置

,以解决问题或偏差的唯一途径是承认它继续前进,科学检验的监督下。通过机器学习的应用,我们能够学会我们在过去犯了错误,使我们能够做出更加客观聘用决定前进。一旦发现无意识的偏见,甚至是有意识的偏见,并教育自己做的更好基于偏见的机器学习,我们能够采取对校正识别的问题的第一步。

什么是偏见?

偏差被定义为一个预先判断的或与另一相比赞成或反对一两件事,人,或基团的偏见,通常被认为是不公平的方法。偏置想象成三组事实:首先是一组被普遍接受的客观事实。第二个是一组事实确认的信念,在什么个人认为是正确的线路。其中偏压进入图片是在客观事实和确认个人信念的事实之间的交点。

通过选择性地选择用于确认特定的信念和聚焦于确认这些信念的东西的事实,偏压进入。如果我们看看从这个角度雇用,如果我们的目标是从招聘过程中的偏见,那么我们就需要删除个人CH哪些数据点的音色被包括在过程。这有助于建立一个积极的选择(雇佣申请人)或阴性选择(下降申请人)所有的数据点都包含在这个过程中,选择数据点及其权重是通过统计数据客观地进行,而不是主观地通过人的选择。

如何计算机算法帮助我们做到这一点?我们的目标是能够使用在过去的招聘决策的经验和之前的判断,以增加人类的智慧,尤其是对那些造成了良好的雇佣决策的重点。 “好雇用”可以通过多种方式,不实行不适当的偏见,如员工的寿命来衡量。如果一个新员工并不很长留在工作的话,或许招聘努力是没有做得很好,并且在事后,你就不会选择该申请人。但是,如果你雇人谁是富有成效的,并保持很长一段时间,那个人将被视为一个良好的出租服务。

我们为什么要雇佣决策中的偏见?

我们要去除偏见,当它是无意或对雇员是否将能够以令人满意的方式执行该作业没有影响。所以,如果一个招聘经理的全部责任是运用他们的知识和经验,以确定最合适的,为什么我们使用机器学习,以消除偏见?因为,人工智能只删除对根据相关工作的特质,哪里有合适的偏置与工作相关的候选属性并增强决策的偏差。

我们的目标是,则TØ使招聘过程中尽可能透明,并考虑所有在聘用决定使用的变量。这是非常复杂的,如果不是不可能的,如果你没有什么,但一个以人为本的方法,因为决策的招聘经理的要复杂得多,比那些机器学习算法的了解较少。所以,我们要专注于机器学习算法简单的力量;这意味着我们只是想看看变量,列,并在算法是相关的招聘过程,不包括不相关的任何性能数据点的数据块。

斯图尔特·尼斯贝特

的评估结果,例如,无论是认知或个性化,可能是一个非常有效的数据点来考虑,如果性状被评估的相关的工作。工作经历和在类似的角色表现出的成绩可能是非常重要的考虑。相反的是非常清楚了。性别,种族和年龄应该有一个人的工作表现没有合法的轴承。这下一点是至关重要的。招聘经理不能在接受采访时满足申请人和可信地说,他们不承认性别,种族,或从他们坐在对面的人一般年龄类别。无论我们的意图,这是令人难以置信的很难做到。相反,它是一个算法执行最简单的任务。

如果算法不提供性别,种族,年龄,没有机会为这些变量被带入招聘决定。这涉及引进是有密切关系的数据,哈咏电脑看看什么聘用决定在过去已进行的导致了高性能的长期雇员,然后依据的良好聘用管理办法过去的表现加强未来的决定。这将最终删除偏向于招人。

一个值得考虑的事情之一是延续可能被偏置过去的做法的想法。如果所有我们正在做的是招聘就像我们在过去已经聘请,也有过偏见或偏向雇用做法,这可能会促进体制上的偏见。随着时间的推移,我们培训电脑做什么的有偏差经理会在过去所做的那样。如果用于(“训练”),用于雇佣是受过去的偏差中选择的相同数据的唯一数据,那么它是diffi崇拜到在未偏置的数据训练。举例来说,如果我们确定性别作为招聘过程中一个偏差,我们采取性别变量出来的算法,性别不会被考虑。当我们以前旗偏见,我们能够最大限度地减少未来的偏差。

我们应该毫不掩饰地看看我们是否能够识别并从可能已经过去有偏见招聘工作学习。这是每小时招聘领域应用非常简单的机器学习算法的最大的优势之一。

如果一个明确的目标是什么多样性?我们仍然可以聘请最好?

,在人工智能和机器学习领域开辟了很多机会正在实施多元化的招聘过程中的一个方面。

人工智能能够真正的迪菲这里rentiate本身。机器学习可以基于它给了该数据的最好的聘用决定;如果你有多样性的目标,并希望雇用做法,鼓励多样化的工作人口,这是非常简单的选择从哪个群体是企业的重要目标的最佳人选。这可以透明和简单地完成。它不会对另一一个人的优先级。它允许每个群体,你有兴趣在代表公司的最佳人选的聘用。

在审查和科学检验,机器学习可以为增强招聘决策管理者尽一个非常有价值的工具一天,有助于理解偏差时,已经进入我们的决定和产生远低于我们的集体最好的。

关注无极荣耀官网(www.china-cic.org.cn)。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。