論文の概要: Quantifying Algorithmic Friction in Automated Resume Screening Systems

• arxiv url: http://arxiv.org/abs/2602.04087v1
• Date: Tue, 03 Feb 2026 23:49:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.314412
• Title: Quantifying Algorithmic Friction in Automated Resume Screening Systems
• Title（参考訳）: 自動Resumeスクリーニングシステムにおけるアルゴリズム摩擦の定量化
• Authors: Ibrahim Denis Fofanah,
• Abstract要約: キーワードベースの履歴表示は高いレベルのアルゴリズム的摩擦を示す。 意味表現は、精度を損なうことなく、偽陰性拒絶を著しく減少させる。 本研究は,近代労働市場における採用制度設計が適合効率に与える影響を評価するための実証的基盤を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated resume screening systems are now a central part of hiring at scale, yet there is growing evidence that rigid screening logic can exclude qualified candidates before human review. In prior work, we introduced the concept of Artificial Frictional Unemployment to describe labor market inefficiencies arising from automated recruitment systems. This paper extends that framework by focusing on measurement. We present a method for quantifying algorithmic friction in resume screening pipelines by modeling screening as a classification task and defining friction as excess false negative rejection caused by semantic misinterpretation. Using controlled simulations, we compare deterministic keyword-based screening with vector-space semantic matching under identical qualification conditions. The results show that keyword-based screening exhibits high levels of algorithmic friction, while semantic representations substantially reduce false negative rejection without compromising precision. By treating algorithmic friction as a system-level property, this study provides an empirical basis for evaluating how recruitment system design affects matching efficiency in modern labor markets.
• Abstract（参考訳）: 自動化された履歴検診システムは現在、大規模な採用の中心となっているが、厳格な検診ロジックは、人間による審査の前に適格な候補者を除外できるという証拠が増えている。 本研究では, 自動採用システムによる労働市場の非効率性を表現するために, 人工摩擦失業の概念を導入した。 本稿では,その枠組みを計測に焦点をあてて拡張する。 本稿では,探索を分類タスクとしてモデル化し,意味的誤解釈による過剰な偽陰性否定と定義することにより,再スクリーニングパイプラインのアルゴリズム的摩擦を定量化する手法を提案する。 制御されたシミュレーションを用いて、決定論的キーワードベースのスクリーニングとベクトル空間意味マッチングを同一条件下で比較する。 その結果、キーワードベースのスクリーニングは高いレベルのアルゴリズム的摩擦を示し、セマンティック表現は精度を損なうことなく偽陰性拒絶を著しく減少させることがわかった。 本研究は, アルゴリズム摩擦をシステムレベルの特性として扱うことにより, 現代の労働市場において, 採用システム設計が適合効率に与える影響を評価するための実証的基盤を提供する。

関連論文リスト

• The Algorithmic Barrier: Quantifying Artificial Frictional Unemployment in Automated Recruitment Systems [0.0]
  米国の労働市場は高い失業率と長期失業期間の持続的共存を示している。 本稿では,現代摩擦失業の非自明な部分は,自動採用システムによって人工的に引き起こされていることを論じる。
  論文  参考訳（メタデータ） (2026-01-20T23:08:06Z)
• Accelerate Speculative Decoding with Sparse Computation in Verification [49.74839681322316]
  投機的復号化は、複数のドラフトトークンを並列に検証することにより、自動回帰言語モデル推論を加速する。 既存のスペーシフィケーション方式は主にトークン・バイ・トーケンの自己回帰復号化のために設計されている。 そこで本研究では,注目度,FFN,MoEを両立させるスパース検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-26T07:53:41Z)
• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• Bisimulation Learning [55.859538562698496]
  我々は、大きな、潜在的に無限の状態空間を持つ状態遷移系の有限バイシミュレートを計算する。 提案手法は,実際に行われている他の最先端ツールよりも高速な検証結果が得られる。
  論文  参考訳（メタデータ） (2024-05-24T17:11:27Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)
• ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
  本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。 まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。 最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
  論文  参考訳（メタデータ） (2022-07-14T17:46:37Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Classification with abstention but without disparities [5.025654873456756]
  我々は、異なる影響を回避しつつ、予測を棄却できる汎用的な分類アルゴリズムを構築した。 提案したアルゴリズムに対して,有限サンプルリスク,公平性,および留意保証を確立する。 本手法は, 適度な禁制率により, リスク・フェアネストレードオフを回避できることを実証的に示す。
  論文  参考訳（メタデータ） (2021-02-24T12:43:55Z)
• Prune Responsibly [0.913755431537592]
  機械学習アプリケーションにおける特定の公正性の定義を無視すると、基礎となるモデルを刈り取ることがそれに影響を及ぼす。 本研究では,100万以上の画像分類モデルを対象としたタスクやアーキテクチャにおいて,望ましくない性能不均衡の出現と悪化を調査・記録する。 ニューラルネットワークプルーニングに関する実際のエンジニアリング意思決定において、バイアス、公平性、包括的メトリクスを含む透過的なレポートの必要性を実証する。
  論文  参考訳（メタデータ） (2020-09-10T04:43:11Z)
• Neuromorphic Event-Based Slip Detection and suppression in Robotic Grasping and Manipulation [1.0674604700001966]
  スリップ検出と抑制のための新しい視覚ベースフィンガーシステムを提案する。 スリップ検出を改善するために,ノイズをリアルタイムに自動サンプリングするしきい値法を考案した。 突発的すべりフィードバックを用いたファジィ型抑制戦略を提案し, グリップ力の制御について検討した。
  論文  参考訳（メタデータ） (2020-04-15T23:12:30Z)

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。