Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

ÉQuité et biais dans le recrutement algorithmique : une enquête multidisciplinaire

Created by
  • Haebom

Auteur

Alessandro Fabris, Nina Baranowska, Matthew J. Dennis, David Graus, Philipp Hacker, Jorge Saldivar, Frederik Zuiderveen Borgesius, Asia J. Biega

Contour

Cet article présente une étude de recherche multidisciplinaire sur ce domaine, où l'équité algorithmique est particulièrement importante en raison des enjeux importants et des inégalités structurelles, dans un contexte d'introduction des technologies de recrutement algorithmique tout au long du processus de recrutement. Alors que les études précédentes ont eu tendance à adopter des points de vue soit optimistes, soit pessimistes, par exemple en remplaçant les décisions biaisées des recruteurs ou en soulignant l'automatisation de la discrimination, cet article cherche à répondre à la question de savoir comment et quels types de recrutement algorithmique peuvent être plus bénéfiques et moins biaisés pour la société que les alternatives low-tech. Il vise à proposer une approche équilibrée et intégrée des systèmes, des biais, des mesures, des stratégies d'atténuation, des ensembles de données et des aspects juridiques du recrutement algorithmique et de l'équité, au bénéfice des praticiens et des chercheurs, et à favoriser une compréhension et une gouvernance contextualisées de la technologie, en formulant des recommandations pour les recherches futures et en garantissant des avantages partagés pour toutes les parties prenantes.

Takeaways, Limitations

Takeaways : Fournit une compréhension complète et équilibrée des systèmes, des biais, des mesures, des stratégies d'atténuation, des ensembles de données et des aspects juridiques des technologies de recrutement algorithmique, en fournissant des conseils pratiques aux praticiens et aux chercheurs. Permet une gouvernance technologique contextuelle en clarifiant les opportunités et les limites actuelles. Propose des orientations de recherche futures pour garantir des avantages partagés par toutes les parties prenantes.
Limitations: Bien que cet article soit une étude de recherche multidisciplinaire, il peut contenir des études de cas spécifiques ou des résultats de vérification expérimentale limités de systèmes d'adoption d'algorithmes réels. De plus, il peut présenter des limites quant à la parfaite représentation des tendances technologiques en évolution rapide. Il pourrait être nécessaire de vérifier si les opinions des différentes parties prenantes ont été suffisamment prises en compte.
👍