論文の概要: Oblivion of Online Reputation: How Time Cues Improve Online Recruitment
- arxiv url: http://arxiv.org/abs/2005.06302v1
- Date: Wed, 13 May 2020 13:23:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-20 08:00:02.339888
- Title: Oblivion of Online Reputation: How Time Cues Improve Online Recruitment
- Title(参考訳): オンラインの評判にこだわる: オンラインリクルートの時間的改善
- Authors: Alexander Novotny, Sarah Spiekermann
- Abstract要約: 本稿では,雇用主を時間的評価の文脈にさらすことが,雇用決定の質の向上につながることを論じる。
335人の学生による実験室での研究では、現在の評価システムは時代遅れの評判を認識させるには不十分であることが示されている。
- 参考スコア(独自算出の注目度): 77.34726150561087
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In online crowdsourcing labour markets, employers decide which job-seekers to
hire based on their reputation profiles. If reputation systems neglect the
aspect of time when displaying reputation profiles, though, employers risk
taking false decisions, deeming an obsolete reputation to be still relevant. As
a consequence, job-seekers might be unwarrantedly deprived of getting hired for
new jobs and can be harmed in their professional careers in the long-run. This
paper argues that exposing employers to the temporal context of job-seekers'
reputation leads to better hiring decisions. The visible temporal context in
reputation systems helps employers to ignore a job-seeker's obsolete
reputation. An experimental lab study with 335 students shows that current
reputation systems fall short of making them aware of obsolete reputation. In
contrast, graphical time cues improve the social efficiency of hiring
decisions.
- Abstract(参考訳): オンラインのクラウドソーシング労働市場では、雇用主は自分の評判に基づいてどの求職者を採用するかを決定する。
しかし、評判システムが評判プロファイルを表示するときの時間的側面を無視している場合、雇用主は誤った判断をし、古い評判がいまだに関係しているとみなす。
その結果、求職者は不当に新しい仕事の雇用を奪われる可能性があり、長期的には職業上のキャリアを損なう可能性がある。
本稿では,雇用主を雇用者評価の時間的文脈にさらすことで,より良い雇用決定につながることを論じる。
評判システムの目に見える時間的文脈は、雇用主が雇用主の時代遅れの評判を無視するのに役立つ。
335人の学生による実験研究によれば、現在の評判システムは時代遅れの評判を認識させるのに不足している。
対照的に、グラフィカルなタイムキューは雇用決定の社会的効率を改善する。
関連論文リスト
- Inference-time Re-ranker Relevance Feedback for Neural Information
Retrieval [84.20748790986131]
検索と参照のフレームワークは、まずK(例えば100)候補を検索し、次により強力なクロスエンコーダモデルを使って上位の候補をランク付けする。
リランカは一般的に、レトリバーよりも優れた候補スコアを生成するが、トップKのみの検索に限られる。
本研究では、リランカを活用して、推論時間関連性フィードバックを検索者に提供することにより、検索を改善する。
論文 参考訳(メタデータ) (2023-05-19T15:30:33Z) - Closing the Gender Wage Gap: Adversarial Fairness in Job Recommendation [10.227479910430866]
本研究は、求職者の履歴書に基づいて、偏見のない求職勧告を提供することで、既存の男女賃金格差を緩和することを目的とする。
12万件の求人テキストと900万件の履歴書のWord2vec表現から、性別バイアスを除去するために、生成的対人ネットワークを用いている。
論文 参考訳(メタデータ) (2022-09-20T10:11:40Z) - "GAN I hire you?" -- A System for Personalized Virtual Job Interview
Training [49.201250723083]
本研究では,GAN(Generative Adversarial Network)に基づく対話型面接訓練システムを開発した。
その結果,GANをベースとした行動フィードバックが有用であることが示唆された。
論文 参考訳(メタデータ) (2022-06-08T13:03:39Z) - Toward Effective Automated Content Analysis via Crowdsourcing [6.89765603922453]
オンラインワーカー向けの品質認識型セマンティックデータアノテーションシステムを提案する。
品質スコアによって定量化された労働者のパフォーマンスに対するタイムリーなフィードバックにより、より情報のあるオンライン労働者は、ラベル付けの品質を維持することができる。
その結果,研究者は主観的意味的特徴の質の高い回答を大規模に収集できることが示唆された。
論文 参考訳(メタデータ) (2021-01-12T17:14:18Z) - Does Fair Ranking Improve Minority Outcomes? Understanding the Interplay
of Human and Algorithmic Biases in Online Hiring [9.21721532941863]
我々は、雇用者の仕事状況や固有のバイアスなど、オンライン雇用プラットフォームにおける性別バイアスの源泉を分析した。
結果から, 公平なランキングアルゴリズムは, 少数民族の選抜率を向上するが, 求職状況や候補者のプロファイルに大きく依存していることが示唆された。
論文 参考訳(メタデータ) (2020-12-01T11:45:27Z) - Skill-driven Recommendations for Job Transition Pathways [8.175175834134706]
雇用の安全は当然のことではなく、特に急激で広まり、予期せぬ社会的・経済的な変化のときである。
そこで本研究では,その基盤となるスキルを用いて,職業間の類似度を測定する手法を提案する。
次に、職業間の最適な遷移経路を特定するためのレコメンデーションシステムを構築する。
論文 参考訳(メタデータ) (2020-11-23T23:58:26Z) - Job2Vec: Job Title Benchmarking with Collective Multi-View
Representation Learning [51.34011135329063]
Job Title Benchmarking (JTB) は、様々な企業で同様の専門知識を持つ職種をマッチングすることを目的としている。
従来のJTBのアプローチは主に手作業による市場調査に依存しており、それは高価で労働集約的である。
我々はJTBをジョブ-グラフ上のリンク予測のタスクとして再編成し、ジョブタイトルにマッチするリンクはリンクを持つべきである。
論文 参考訳(メタデータ) (2020-09-16T02:33:32Z) - Study of the usability of LinkedIn: a social media platform meant to
connect employers and employees [91.3755431537592]
本稿では,LinkedInのユーザビリティをユーザ評価と専門家評価の両方を用いて評価する。
LinkedInアプリケーションの全体的なユーザビリティは、SUS(System Usability Scale)を使用して測定されている。
論文 参考訳(メタデータ) (2020-06-06T18:19:45Z) - Reputation Agent: Prompting Fair Reviews in Gig Markets [3.100029131772499]
Reputation Agentは、ギグマーケットの依頼者(従業員または顧客)からのより公正なレビューを促進する。
不公平なレビューは、要求者が労働者のコントロール外の要因を考えるときに作成され、ギグワーカーを悩ませることが知られている。
論文 参考訳(メタデータ) (2020-05-08T01:56:10Z) - Measuring Social Biases of Crowd Workers using Counterfactual Queries [84.10721065676913]
性別、人種などに基づく社会的バイアスは、主にバイアス付きトレーニングデータセットを介して、汚染された機械学習(ML)パイプラインに示されている。
クラウドソーシング(Crowdsourcing)は、ラベル付きトレーニングデータセットを収集するための一般的な費用効果尺度であり、群衆労働者の社会的偏見に免疫がない。
本研究では, 集団労働者ごとの社会的バイアスの程度を定量化するための, 対実的公正度に基づく新しい手法を提案する。
論文 参考訳(メタデータ) (2020-04-04T21:41:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。