論文の概要: Do job seekers value procedure in AI hiring only for error correction? Evidence from a conjoint experiment

• arxiv url: http://arxiv.org/abs/2609.16390v1
• Date: Mon, 14 Sep 2026 21:57:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.251792
• Title: Do job seekers value procedure in AI hiring only for error correction? Evidence from a conjoint experiment
• Title（参考訳）: AI採用における求職者の価値評価 : コンジョイント実験による検証
• Abstract要約: 米国の求職者は、独立にランダム化された意思決定権限、エラー率、説明、オプトアウト、控訴、独立バイアス監査のレベルを持つシステム間で8つの選択を行った。 人間の関与は、いかなる手続き的特徴よりも重くなり、不当な拒絶を30%から10%に減らすことと同じくらいに、宣言された選択を移動させた。 これらのパターンは単純な誤り訂正の勘定に制約があり、申請者による手続きの評価と整合性がある。
• 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: Employers increasingly delegate initial screening to automated systems, which in many cases reject an application before any human reads it. Acceptance of such systems plausibly depends both on how well they perform and on the procedure that produces the decision. Prior studies rarely vary procedure and performance independently, leaving it unclear whether applicants value procedure for its own sake or for the errors it corrects. In a preregistered paired-profile conjoint experiment, 1,919 United States job seekers made eight choices between systems with independently randomized levels of decision authority, error rate, explanation, opt-out, appeal, and independent bias audit. The value of the appeal, the opt-out, and the bias audit did not rise as wrongful rejections became more common, each staying within a preregistered equivalence bound. Human involvement carried more weight than any procedural feature, moving stated choice about as much as cutting wrongful rejections from 30% to 10%. These patterns constrain a simple error-correction account and are consistent with applicants valuing procedure partly for its own sake, so that improving a system's performance does not substitute for a right applicants can invoke.
• Abstract（参考訳）: 従業員は、自動化されたシステムに初期スクリーニングを委譲する傾向にあり、多くの場合、人間がそれを読む前にアプリケーションを拒否する。 このようなシステムの受容は、いかにうまく機能するかと、決定を下す手順に大きく依存する。 従来の研究は手続きや性能が独立して変化することはめったになく、応募者が自己の目的のために手続きを重んじるかどうか、あるいはそれが修正する誤りについて不透明なままである。 登録済みのペア・コンジョイント実験では、1919名の米国求職者が、独立にランダム化された意思決定権限、エラー率、説明、オプトアウト、控訴、独立バイアス監査のレベルを持つシステム間で8つの選択を行った。 上訴の価値、オプトアウト、バイアス監査は、不正な拒絶がより一般的になり、それぞれが事前登録された同値域内に留まるにつれて上昇しなかった。 人間の関与は、いかなる手続き的特徴よりも重くなり、不当な拒絶を30%から10%に減らすことと同じくらいに、宣言された選択を移動させた。 これらのパターンは単純な誤り訂正勘定を制約し、手続きを部分的に評価する申請者と一致しているため、システムの性能向上が適切な申請者にとって代わらない。

関連論文リスト

• The Audit Decides the Verdict: Instrument Effects Rival Demographic Bias in LLM Decision Audits [2.347309464574674]
  チャリタブルエイドのベンチマークでは、評価が1度に1度だけ要求された場合、同じモデルが少数候補者を好んでおり、並べてランク付けすると一部が罰せられると報告されている。 我々は、それが雇用、貸与、医療トリアージに一般化するかどうかを検証する。
  論文  参考訳（メタデータ） (2026-09-08T17:08:53Z)
• From Skill Extraction to Multistakeholder Recommendation: A Two-Stage Framework for Bias Governance in Skills-Based Job Matching [0.8749675983608171]
  スキル抽出、プロファイル形成、および候補ジョブマッチングのバイアスは、候補者の不公平な治療に寄与する可能性がある。 本稿では,スキルベースのジョブマッチングにおいて,バイアスを検出し,管理するための2段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-17T07:37:17Z)
• Interventional Causal Circuits for Safe Robot Action Testing and Failure Recovery [4.492262382019958]
  運動パラメータの形式的テストは計算に費用がかかり、コストはアクション空間の次元に悪影響を及ぼす。 本稿では,JPT(Joint Probability Tree)とMarginal-Deterministic Variable Tree(Marginal-Deterministic Variable Tree)から派生した因果回路を結合した閉ループフレームワークを提案する。 このフレームワークは、ロボットが動作を開始する前に全ての介入クエリのトラクタビリティを検証し、サポート外候補を自動的に検出し、修正から除外する。
  論文  参考訳（メタデータ） (2026-07-16T10:41:20Z)
• Correct Answers from Sound Reasoning: Verifiable Process Supervision for Language Models [94.68358825189738]
  本稿では,予測精度と推論品質を協調的に最適化する検証済み領域の学習後フレームワークを提案する。 我々は,エンジン信号に対して推論ステップを確定的に検証できる制御テストベッドであるチェスのVPSを評価する。 VPSは、推論品質を著しく向上させながら精度を保ち、勝利率エラーを最大30%削減し、一貫性をほぼ飽和状態に回復する。
  論文  参考訳（メタデータ） (2026-04-03T15:19:46Z)
• Biased Error Attribution in Multi-Agent Human-AI Systems Under Delayed Feedback [0.0]
  マルチエージェント型ヒューマンAIタスクにおいて、遅延結果が意思決定や責任帰属を形作るかを検討する。 非対称な反応の利得と損失を観察し, 負の結果の補正がより強くなった。 我々は,この現象を帰属バイアスの一形態として言及し,遅延フィードバック下での誤り帰属として現れる。
  論文  参考訳（メタデータ） (2026-03-24T16:52:14Z)
• Pathways of Thoughts: Multi-Directional Thinking for Long-form Personalized Question Answering [57.12316804290369]
  ユーザ固有の情報ニーズに質問応答システムを適用するためには,パーソナライゼーションが不可欠である。 本稿では,タスク固有の微調整を必要とせず,任意の大規模言語モデル (LLM) に適用可能な推論段階の方法として,思考の経路 (PoT) を提案する。 PoTは競争ベースラインを一貫して上回り、13.1%の相対的な改善を達成している。
  論文  参考訳（メタデータ） (2025-09-23T14:44:46Z)
• Validating LLM-as-a-Judge Systems under Rating Indeterminacy [65.137380612741]
  評価の不確定性の下でLLM-as-a-judgeシステムを検証するための枠組みを提案する。 本研究では, 強制選択評価指示に応答する際の評価の不確定性を人間とLLMがどう解決するかの相違が, 偏見の検証に大きく寄与することを示した。
  論文  参考訳（メタデータ） (2025-03-07T22:09:47Z)
• Efficient Weighting Schemes for Auditing Instant-Runoff Voting Elections [57.67176250198289]
  AWAIREは、適応的に重み付けされたテスト統計量であり、本質的には、テストに有効な仮説のセットを「学習」する。 我々は、より広範囲にスキームと設定を検討し、実践のための効率的な選択を特定し、推奨する。 現在のAWAIRE実装の制限は、少数の候補者に限られている。
  論文  参考訳（メタデータ） (2024-02-18T10:13:01Z)
• Online Decision Mediation [72.80902932543474]
  意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。 臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
  論文  参考訳（メタデータ） (2023-10-28T05:59:43Z)
• Improving Selective Visual Question Answering by Learning from Your Peers [74.20167944693424]
  VQA(Visual Question Answering)モデルは、間違っていた場合の回答を控えるのに苦労する可能性がある。 本稿では,複数モーダル選択関数の学習におけるLearning from Your Peers (LYP) アプローチを提案する。 提案手法では,学習データの異なるサブセットに基づいて訓練されたモデルの予測を,選択的VQAモデルの最適化のターゲットとして利用する。
  論文  参考訳（メタデータ） (2023-06-14T21:22:01Z)
• Incentives to Offer Algorithmic Recourse [17.68987003293372]
  我々は、意思決定者に対して、一連の応募者にレコメンデーションを提供するインセンティブを分析します。 意思決定者は、極端な場合、すべての応募者に対してのみレコメンデーションを提供する。 一部の応募者は、意思決定者がリコースを提示できる場合、さらに悪化する可能性がある。
  論文  参考訳（メタデータ） (2023-01-27T00:27:36Z)

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。