論文の概要: Algorithmic Hiring and Diversity: Reducing Human-Algorithm Similarity for Better Outcomes

• arxiv url: http://arxiv.org/abs/2505.14388v1
• Date: Tue, 20 May 2025 14:09:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:53.335306
• Title: Algorithmic Hiring and Diversity: Reducing Human-Algorithm Similarity for Better Outcomes
• Title（参考訳）: アルゴリズム採用と多様性:より良いアウトカムのための人間-アルゴリズム類似性を減らす
• Authors: Prasanna Parasurama, Panos Ipeirotis,
• Abstract要約: 我々は、ショートリストの段階で平等な表現を強制することは、より多様な最終雇用に変換されないことを理論的、経験的に示している。 この結果に影響を及ぼす重要な要因は,アルゴリズムのスクリーニング基準と人材採用担当者の評価基準との相関である。 本稿では,マネージャが見落としやすい候補を選別し,その評価基準に従って競争力を保つことで,ショートリストの多様化を明示的に図った補完的アルゴリズムアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.5831737970661138
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Algorithmic tools are increasingly used in hiring to improve fairness and diversity, often by enforcing constraints such as gender-balanced candidate shortlists. However, we show theoretically and empirically that enforcing equal representation at the shortlist stage does not necessarily translate into more diverse final hires, even when there is no gender bias in the hiring stage. We identify a crucial factor influencing this outcome: the correlation between the algorithm's screening criteria and the human hiring manager's evaluation criteria -- higher correlation leads to lower diversity in final hires. Using a large-scale empirical analysis of nearly 800,000 job applications across multiple technology firms, we find that enforcing equal shortlists yields limited improvements in hire diversity when the algorithmic screening closely mirrors the hiring manager's preferences. We propose a complementary algorithmic approach designed explicitly to diversify shortlists by selecting candidates likely to be overlooked by managers, yet still competitive according to their evaluation criteria. Empirical simulations show that this approach significantly enhances gender diversity in final hires without substantially compromising hire quality. These findings highlight the importance of algorithmic design choices in achieving organizational diversity goals and provide actionable guidance for practitioners implementing fairness-oriented hiring algorithms.
• Abstract（参考訳）: アルゴリズムツールは、しばしば性別バランスのとれた候補者のショートリストのような制約を課すことによって、公正さと多様性を改善するために雇用にますます利用されている。 しかし、ショートリスト段階で平等な表現を強制することは、雇用段階に性別バイアスがない場合でも、必ずしもより多様な最終雇用者へと変換されないことを理論的かつ実証的に示している。 アルゴリズムのスクリーニング基準と人材採用マネージャの評価基準との相関-高い相関は最終雇用者の多様性を低下させる。 複数のテクノロジー企業で80,000近い求人アプリケーションを大規模に分析した結果、アルゴリズムスクリーニングが採用マネージャの好みをよく反映している場合、同等のショートリストの実施は雇用の多様性を限定的に改善することがわかった。 本稿では,マネージャが見落としやすい候補を選別し,その評価基準に従って競争力を保つことで,ショートリストの多様化を明示的に図った補完的アルゴリズムアプローチを提案する。 実証シミュレーションにより、この手法は雇用の質を著しく損なうことなく、最終雇用者における性別の多様性を著しく向上させることが示された。 これらの知見は、組織多様性目標達成におけるアルゴリズム設計の選択の重要性を強調し、公正志向の雇用アルゴリズムを実装する実践者に対して実用的なガイダンスを提供する。

関連論文リスト

• GenderCARE: A Comprehensive Framework for Assessing and Reducing Gender Bias in Large Language Models [73.23743278545321]
  大規模言語モデル(LLM)は、自然言語生成において顕著な能力を示してきたが、社会的バイアスを増大させることも観察されている。 GenderCAREは、革新的な基準、バイアス評価、リダクションテクニック、評価メトリクスを含む包括的なフレームワークである。
  論文  参考訳（メタデータ） (2024-08-22T15:35:46Z)
• Fairness and Bias in Algorithmic Hiring: a Multidisciplinary Survey [43.463169774689646]
  この調査は、システム、バイアス、尺度、緩和戦略、データセット、およびアルゴリズム雇用と公正性の法的側面のバランスよく統合されたカバレッジを持つ実践者や研究者を対象としている。 私たちの仕事は、現在の機会と制限を強調し、すべての利害関係者に対する共有メリットを保証するために、将来の作業に対する推奨を提供することによって、この技術のコンテキスト化された理解とガバナンスを支援します。
  論文  参考訳（メタデータ） (2023-09-25T08:04:18Z)
• Choosing an algorithmic fairness metric for an online marketplace: Detecting and quantifying algorithmic bias on LinkedIn [0.21756081703275995]
  等資格候補に対する等機会の公平性の概念から、アルゴリズム的公正度計量を導出する。 提案手法は、LinkedInが使用している2つのアルゴリズムの性別に関するアルゴリズムバイアスを計測し、定量化する。
  論文  参考訳（メタデータ） (2022-02-15T10:33:30Z)
• Statistical discrimination in learning agents [64.78141757063142]
  統計的差別は、訓練人口のバイアスとエージェントアーキテクチャの両方の関数としてエージェントポリシーに現れる。 我々は、リカレントニューラルネットワークを使用するエージェントによる差別の低減と、トレーニング環境のバイアスの低減が示される。
  論文  参考訳（メタデータ） (2021-10-21T18:28:57Z)
• Selection-Expansion: A Unifying Framework for Motion-Planning and Diversity Search Algorithms [69.87173070473717]
  本稿では,2つの多様性探索アルゴリズム,ノベルティ探索アルゴリズムとゴール探索処理アルゴリズムの特性について検討する。 mpアルゴリズムとの関係は、ポリシーパラメータ空間と結果空間の間のマッピングの滑らかさ、あるいは滑らかさの欠如が検索効率において重要な役割を担っていることを示している。
  論文  参考訳（メタデータ） (2021-04-10T13:52:27Z)
• Intersectional Affirmative Action Policies for Top-k Candidates Selection [3.4961413413444817]
  本研究では,トップk候補を応募者のプールから選抜する問題について検討する。 我々は,一部の候補者が歴史的かつ現在の不利を経験している状況を考える。 そこで本研究では,OECD国における学力評価と学士号取得のデータセットを用いて,この問題を解き,解析し,評価する2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-29T12:27:18Z)
• Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
  異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。 我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。 我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
  論文  参考訳（メタデータ） (2020-04-15T15:58:05Z)

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。