Fairness and Bias in Algorithmic Hiring: a Multidisciplinary Survey

要約

雇用主は、採用パイプライン全体にわたってアルゴリズム採用テクノロジーを採用しています。
アルゴリズムの公平性は、リスクが高く構造的不平等があるため、この分野に特に適用できます。
残念ながら、この分野のほとんどの研究は部分的な扱いを提供しており、多くの場合、偏った採用担当者の決定を置き換えることに楽観的に焦点を当てたり、差別の自動化を悲観的に指摘したりする2つの競合する物語によって制約されています。
アルゴリズム採用がローテク採用よりも偏見が少なく、社会にとってより有益であるかどうか、そしてより重要なのは、信頼性を損なうことになるが、現時点では未解決のままである。
この学際的な調査は、システム、バイアス、対策、緩和戦略、データセット、アルゴリズム採用と公平性の法的側面をバランスよく統合してカバーし、実務家と研究者に対応しています。
私たちの取り組みは、現在の機会と限界を強調し、すべての利害関係者に共通の利益を確保するための将来の取り組みへの推奨事項を提供することで、このテクノロジーの状況に応じた理解とガバナンスをサポートします。

要約(オリジナル)

Employers are adopting algorithmic hiring technology throughout the recruitment pipeline. Algorithmic fairness is especially applicable in this domain due to its high stakes and structural inequalities. Unfortunately, most work in this space provides partial treatment, often constrained by two competing narratives, optimistically focused on replacing biased recruiter decisions or pessimistically pointing to the automation of discrimination. Whether, and more importantly what types of, algorithmic hiring can be less biased and more beneficial to society than low-tech alternatives currently remains unanswered, to the detriment of trustworthiness. This multidisciplinary survey caters to practitioners and researchers with a balanced and integrated coverage of systems, biases, measures, mitigation strategies, datasets, and legal aspects of algorithmic hiring and fairness. Our work supports a contextualized understanding and governance of this technology by highlighting current opportunities and limitations, providing recommendations for future work to ensure shared benefits for all stakeholders.

arxiv情報

著者 Alessandro Fabris,Nina Baranowska,Matthew J. Dennis,David Graus,Philipp Hacker,Jorge Saldivar,Frederik Zuiderveen Borgesius,Asia J. Biega
発行日 2024-09-24 16:18:51+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CY パーマリンク