文件名称:在算法时代公平招聘-研究论文
文件大小:410KB
文件格式:PDF
更新时间:2024-06-29 21:18:46
machine learning fairness
自动化的广泛发展减少了对人工输入的需求。 然而,尽管机器学习的力量越来越大,但在许多情况下,这些程序做出的决策有问题。 数据中的偏见和不透明的模型放大了人类的偏见,产生了诸如亚马逊(现已失效)实验性招聘算法之类的工具,当在活动前添加“女性”一词时,发现该算法会持续降级简历。本文批判性地调查了围绕算法招聘的现有法律和技术环境。 我们认为,招聘算法的负面影响可以通过提高雇主对公众的透明度来减轻,这将使民间倡导团体能够追究雇主的责任,并允许美国司法部提起诉讼。 我们的主要贡献是自动招聘透明度框架、算法透明度报告,法律要求使用自动招聘软件的雇主发布这些报告。 我们还解释了平等就业机会委员会和国会如何扩展现有的就业和商业秘密法规定以适应这些报告。