論文の概要: Algorithmic Monocultures in Hiring

• arxiv url: http://arxiv.org/abs/2605.27371v1
• Date: Tue, 26 May 2026 17:59:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:42.595934
• Title: Algorithmic Monocultures in Hiring
• Title（参考訳）: 雇用におけるアルゴリズム的モノカルチャー
• Authors: Rishi Bommasani, Sarah H. Bana, Kathleen A. Creel, Dan Jurafsky, Percy Liang,
• Abstract要約: 多くの雇用主は、同じ少数のアルゴリズムベンダーによって構築されたアルゴリズムで求職者をスクリーニングしている。 私たちは、400万のアプリケーションを提出する300万の応募者の新しいデータセットを取得し、分析します。 応募者の結果には明確な人種格差がある。
• 参考スコア（独自算出の注目度）: 70.15400013850069
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many employers screen job applicants with algorithms built by the same few algorithm vendors. We hypothesize that algorithmic monoculture leads to the same individuals and members of the same racial groups facing rejection. We acquire and analyze a novel dataset of 3 million applicants submitting 4 million applications where all the applications are screened by algorithms built by the same vendor. We find clear racial disparities in applicant outcomes. Of all applications submitted by Asian and Black applicants, 14.74% and 25.87% are submitted to positions that adversely impact Asian and Black applicants, respectively, according to U.S. employment discrimination standards. Individuals also receive homogeneous outcomes: 4% of all applicants who apply to 10 positions are recommended for rejection from all positions, a rate higher than expected by chance. To better understand this homogeneity, we leverage the deterministic replicability of hiring algorithms to generate the outcomes applicants would have received if they applied to all positions. We show that applicants would need to apply widely in order to ensure their applications are considered by a human
• Abstract（参考訳）: 多くの雇用主は、同じ少数のアルゴリズムベンダーによって構築されたアルゴリズムで求職者をスクリーニングしている。 我々は、アルゴリズムによるモノカルチャーは、同じ個人と同じ人種集団のメンバーが拒絶に直面しているという仮説を立てる。 私たちは、同じベンダーが構築したアルゴリズムによって、すべてのアプリケーションがスクリーニングされる400万のアプリケーションを提出する300万の応募者の新しいデータセットを取得し、分析します。 応募者の結果には明確な人種格差がある。 アジアと黒人の応募者によって提出された全ての申請のうち、14.74%と25.87%が、それぞれアジアと黒人の応募者に悪影響を及ぼす地位に申請されている。 10職に応募する全ての応募者の4%は、偶然に予想されるよりも高い割合で、全てのポジションからの拒否を推奨している。 この均質性をよりよく理解するために、採用アルゴリズムの決定論的複製性を利用して、応募者が全てのポジションに適用した場合の成果を生成する。 我々は、応募者が、その申請が人間によって検討されていることを保証するために、広く適用する必要があることを示している。

関連論文リスト

• An External Fairness Evaluation of LinkedIn Talent Search [55.18656975953939]
  LinkedInのTalent Searchランキングシステムのバイアスに対する、独立したサードパーティによる監査を行います。 我々は、性別と人種の2つの属性にまたがる潜在的なランキングバイアスに焦点を当てている。 我々の分析は、初期階級の少数派を過小評価していることを示している。
  論文  参考訳（メタデータ） (2025-11-13T19:10:49Z)
• Diversification as Risk Minimization [55.503117695676416]
  分散化アルゴリズムは、単純な非分散化アルゴリズムほど堅牢ではないことを示す。 クエリにおいて、最小限の意図によって直面する期待されるリスクを計測するVRiskを導入する。 次に、証明可能な近似保証を備えた高速グリーディリランカであるVRiskerを提案する。
  論文  参考訳（メタデータ） (2025-10-26T13:51:45Z)
• Algorithmic Hiring and Diversity: Reducing Human-Algorithm Similarity for Better Outcomes [0.5831737970661138]
  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。
  論文  参考訳（メタデータ） (2025-05-20T14:09:43Z)
• Laypeople's Attitudes Towards Fair, Affirmative, and Discriminatory Decision-Making Algorithms [6.974741712647656]
  本稿では,2つの実験の結果について述べる。 公正なアルゴリズムを好意的に見ることができ、差別的システムを非難する。 我々は、これらの区分の源を特定できる。人々は、誰(もしも)が辺境化されているかについて、様々な信念を持っている。
  論文  参考訳（メタデータ） (2025-05-12T08:25:15Z)
• "You Gotta be a Doctor, Lin": An Investigation of Name-Based Bias of Large Language Models in Employment Recommendations [29.183942575629214]
  我々はGPT-3.5-TurboとLlama 3-70B-Instructを利用して、人種や性別を強く示す320のファーストネームを持つ候補者の雇用決定と給与勧告をシミュレートする。 以上の結果から,40の職種にまたがる他の人口集団よりも,白人女性の名前を持つ候補者を雇用する傾向が示唆された。
  論文  参考訳（メタデータ） (2024-06-18T03:11:43Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 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。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• 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。