Czy algorytmy zatrudniania oparte na technologii mogą replikować odchylenia queerphobic pod neutralną fasadą?
Algorytmy zatrudniania oparte na technologii są zaprojektowane tak, aby analizować dane wnioskodawców i dopasowywać je do otworów pracy. Ich celem jest zwiększenie efektywności i skłonności procesu rekrutacji do błędów ludzkich, takich jak nieświadome uprzedzenia.
Mogą jednak mieć pewne ograniczenia, które mogą prowadzić do reprodukcji biaz queerfobowych pod neutralną fasadą. W tym artykule analizujemy, jak takie uprzedzenia występują, ich wpływ na osoby LGBTQ + i jak je złagodzić.
Jak zatrudniać algorytmy technologiczne Pracuj
Wynajem algorytmów technologicznych wykorzystuje techniki danych do analizy dużych zbiorów danych. Wyodrębniają odpowiednie funkcje z wznowień i aplikacji, definiują szablony i mapują je do wymagań pracy. Algorytmy oceniają umiejętności, doświadczenie, edukację i inne czynniki, które pomagają przewidzieć wyniki pracy. Porównują również kandydatów do siebie w oparciu o te kryteria.
Queerphobia w rekrutacji
Queerphobia odnosi się do dyskryminacji lub uprzedzeń wobec osób, które utożsamiają się z lesbijkami, gejami, biseksualistami, transseksualistami lub nie-binarnymi. Jest to aktywna forma ucisku, która wpływa na wszystkie aspekty życia, w tym możliwości zatrudnienia. Według najnowszych badań, queerfobic relacje są powszechne wśród pracowników i menedżerów heteroseksualnych, co prowadzi do niższych płac i mniej promocji dla pracowników LGBTQ +. Na przykład 38% pracowników LGBTQ + zgłosiło w 2019 r. dyskryminację w miejscu pracy ze względu na orientację seksualną lub tożsamość płciową.
Odtwarzanie Biazy Queerphobic Pod fasadą neutralną
Algorytmy zatrudniania technologii mogą odtwarzać biazy queerfobowe, koncentrując się na nieistotnych cechach lub sprzyjając niektórym grupom nad innymi. Na przykład, mogą one nadać większą wagę tradycyjnym cechom męskim lub żeńskim, takim jak przywództwo lub praca zespołowa, które są związane z heteronormatywnością. Uprzedzenia te są osadzone w procesie uczenia się algorytmu, wzmacnianym przez poprzednich pracowników i replikowanym w różnych branżach.
Wpływ na osoby LGBTQ +
Replikacja biaz queerfobowych pod neutralną fasadą ma istotne konsekwencje dla osób poszukujących pracy LGBTQ +. Stoją przed większymi barierami w znalezieniu pracy, awansowaniu i wchodzeniu na drabinę mieszkaniową. Prowadzi to do wyższego poziomu bezrobocia i niedostatecznego zatrudnienia, zwiększonego stresu i mniejszej satysfakcji z zatrudnienia. Wpływ jest jeszcze gorszy dla mniejszościowych podgrup w społeczności LGBTQ +, takich jak osoby trans lub osoby żyjące z HIV/AIDS.
Mitigating Queerphobic Bias
Aby złagodzić bias queerfobowy w algorytmach zatrudniania opartych na technologii, organizacje powinny podjąć proaktywne kroki:
- Przegląd projektu algorytmu i upewnić się, że nie utrwala stereotypów lub faworyzuje niektóre demografie.
- Włączenie wskaźników różnorodności do procesu rekrutacji, w tym orientacji seksualnej i tożsamości płciowej.
- Menedżerowie i rekruterzy pociągów, aby rozpoznać domyślne stronniczości i aktywnie im przeciwdziałać.
- Współpraca z grupami adwokackimi LGBTQ + w celu określenia najlepszych praktyk i promowania włączenia społecznego.
Algorytmy zatrudnienia technologicznego mogą pomóc firmom w podejmowaniu lepszych decyzji o kandydatach.
Potrzebują jednak starannego projektowania i monitorowania, aby uniknąć powielania biaz queerfobowych, które nieproporcjonalnie wpływają na zmarginalizowane społeczności. Zajmując się tymi zagadnieniami, możemy stworzyć bardziej sprawiedliwe miejsce pracy, w którym wszyscy pracownicy rozwijają swoje umiejętności i składki.
Czy algorytmy zatrudniania oparte na technologii mogą replikować biazy queerfobowe pod neutralną fasadą?
Algorytmy wynajmu technologicznego mogą być zaprojektowane w celu zmniejszenia tendencji queerfobowych, które wynikają z uprzedzeń i stereotypów człowieka, ale mogą one nie zawsze odnieść sukces. Systemy te opierają się na danych do podejmowania decyzji o kandydatach, a jeśli dane te są stronnicze, utrwalają te stronniczości w procesach decyzyjnych.