Proxies zijn cijfers die correlaties aanduiden tussen bepaalde concepten, waardoor ze voor een algoritme dienen als een soort voorspellers. Blond haar is bijvoorbeeld een proxy voor een blank huidtype. Aan de hand van zulke correlaties worden mensen ingedeeld in groepen. Er ontstaan patronen waaruit blijkt dat bepaalde groepen gemiddeld slechtere prestaties, vaardigheden of capaciteiten vertonen, met als gevolg een systematische uitsluiting van die groepen. Wat kunnen we eraan doen?
Als je algoritmes wil gebruiken om iets automatisch te voorspellen, moet je de wereld vereenvoudigen om het in programmeertaal te kunnen vastleggen. Bijvoorbeeld: wil je een slimme kandidaat - neem iemand met een universitair diploma. Organisaties maken dus keuzes over welke indicatoren ze opnemen in hun algoritmische analyses. Dit keuzeproces wordt ‘feature selection’ genoemd. Omdat algoritmes een vereenvoudigde wereld vereisen, kunnen biases ontstaan. Deel 3 uit een serie van vijf.
Bij het Openbaar Ministerie Noord-Holland gaat een groep van 15 medewerkers aan de slag met kleine experimenten binnen de NSvP Sterke Punten Challenge. Door het ontwikkelen van de VerSterker willen zij enerzijds dat medewerkers ontdekken welke talenten zij hebben en hen stimuleren deze ook daadwerkelijk in te zetten in hun werk. Anderzijds willen zij dat het binnen de organisatie ‘normaler’ wordt om stil te staan bij wat je goed kan en hierover met elkaar in gesprek te zijn. Vanuit de projectgroep wordt een blog geschreven over het verloop van dit project.
Steeds meer scholen, kindcentra en kinderopvangorganisaties voelen de noodzaak om opvang en onderwijs anders te organiseren en daarmee beter aan te sluiten op wat kinderen nodig hebben. Tegelijkertijd zien we een grote druk op het hele onderwijssysteem. Vanuit een positieve houding heeft een groep ervaringsdeskundigen de handen ineen geslagen. Met de brigade ‘Anders leren, anders organiseren’ helpen zij collega’s een stap verder. Zo komt de eigentijdse inrichting van leren op een leuke én effectieve manier dichterbij.
Steeds vaker gebruiken organisaties HR-technologie en analytics ten behoeve van beter matchende en presterende medewerkers. Maar wat als individuele werkenden op hun beurt dit ook gaat inzetten om werkgevers en hun HR-beleid beter te kunnen inschatten?
Deelnemer Bibianne Findhammer (leerkracht groep 8) vertelt haar ervaring met de Sterke Punten Challenge. "Ik laat de kinderen nu zelf plannen maken hoe ze hun leerdoelen gaan halen. De kinderen zetten zich enorm in, ze zijn zeer gemotiveerd. Wat een energie! En ikzelf kan veel gerichter en met aandacht begeleiden."
Hoe kan AI een goede en eerlijke arbeidsmarkt faciliteren of juist frustreren? Met het OmkeerEvent – AI in Recruitment – op 18 juni 2019 willen we partijen laten kennismaken met HR-technologie aangedreven door Artificiële Intelligentie (AI). Samen willen we scherper krijgen wat de tech-beloften de arbeidsmarkt van morgen écht te bieden hebben. Hoe beïnvloedt het de kansen op werk voor verschillende partijen – positief, maar mogelijk ook negatief? De AI-technologie is boeiend en interessant en kan zeer nuttig zijn. Maar welke vragen moeten we ons blijven stellen in zowel de wetenschap als praktijk? Denk en debatteer mee!
Wat een algoritme leert, hangt af van de ‘trainingsdata’ waaraan het is blootgesteld. Deze gegevens trainen het algoritme om zich op een bepaalde manier te gedragen. De kwaliteit en waarde (en neutraliteit) van de ingevoerde data is hierbij dus essentieel. Dit valt onder te verdelen in twee categorieën: ‘labelling examples’ en ‘data collection’. Deel 2 in de (5-delige) serie Waarom AI niet neutraal is.
Organisaties gebruiken data als input voor algoritmes, die hen vervolgens kunnen ondersteunen in het maken van keuzes. Stel, een organisatie wil uit een grote groep potentiële medewerkers een selectie maken van 'goede' werknemers. Hoe definieer je ‘goed’ in meetbare eigenschappen? Is een goede werknemer iemand die de meeste producten verkoopt? Iemand die nooit te laat komt? In eerste instantie lijken dit redelijke overwegingen in het voorspellen van ‘goede’ werknemers, maar uitsluiting van groepen mensen is hierbij reëel. Deel 1 uit een serie: Waarom een doelvariabele kan leiden tot (onbedoelde) discriminatie.
Aanpassen aan onbekende omstandigheden kan een interessante uitdaging zijn, of juist een stressvolle, moeilijke situatie. Zeker wanneer het gaat om iets dat zo belangrijk is als je werk. Het proefschrift ‘Ready for the Change’ van Anna van der Horst is geschreven om mensen en organisaties te helpen zich beter voor te bereiden op veranderingen in werk. Welke vaardigheden en gedrag dragen bij aan een succesvolle loopbaan? Voor welke mensen is het makkelijk of juist moeilijk om dit gedrag te laten zien? Het proefschrift presenteert verschillende interventies die je helpen dit gedrag te versterken om zo beter passend werk te vinden.