Waarom AI niet neutraal is: bias #3

up down selection HR algoritme

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.

Future of HR - Raconteur (2018)

Een Engelstalige digitale themakrant (onafhankelijke bijlage van The Times) over de Future of HR. Ook hier staat de "digitale transformatie" binnen HR centraal, inclusief de vraag wat dit betekent voor de HR-afdeling, de HR-medewerkers en de organisatie in het geheel. Kansen en bedreigingen, mogelijkheden en vraagstukken worden in dit document onder de loep genomen door verschillende journalisten. Ook gerelateerde onderwerpen als diversiteit, langer doorwerken, kortere werkweken en duurzame inzetbaarheid passeren de revue. 

 

The Future of HR - Raconteur.net (2018)

Stappenplan Artificial Intelligence Impact Assessment - ECP (2018)

AIIA EPC

Het maatschappelijk debat rondom AI heeft zich snel ontwikkeld. Naast de potentiële voordelen van AI, is er daarbij snelgroeiende aandacht voor bedreigingen en risico’s (transparantie, privacy, autonomie, cybersecurity et cetera) die om een zorgvuldige benadering vragen. Voorbeelden uit het recente verleden (slimme meters, ov-chipkaart) laten zien dat de invoering van IT-toepassingen niet ongevoelig is voor het juridische en ethische debat. Dat geldt ook bij de toepassing van AI.

AI en recruitment als kat-en-muisspel

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?

Waarom AI niet neutraal is: bias #2

Bias AI - werving & selectie recruitment algoritmes

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.

Waarom AI niet neutraal is: bias #1

Bias in AI - werving & selectie recruitment algoritmes

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 van vijf: Waarom een doelvariabele kan leiden tot (onbedoelde) discriminatie.

Ready for the Change - Bijdragen aan proactief loopbaangedrag

Anna van der Horst - Ready for the Change 2019)

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 breiden 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.

Eerlijkheid binnen AI: het sollicitant-perspectief

Fairness in AI recruitment

De traditionele werving en selectie, waarbij HR-medewerkers zelf een CV en motivatiebrief lezen en beoordelen, heeft plaatsgemaakt voor het zogenoemde e-recruitment of ATS (Applicant Tracking System). Door middel van algoritmes worden CV’s en motivatiebrieven gescand op bepaalde vaardigheden of kenmerken. De kandidaat wordt op basis van deze analyse afgewezen of uitgenodigd voor een sollicitatiegesprek. Maar wordt deze manier van afwijzen als eerlijk ervaren? Een uiterst relevante vraag, want de sollicitanten zijn een belangrijke groep die met AI te maken krijgt en hun ervaring is bepalend voor maatschappelijke acceptatie van de inzet van AI bij recruitment.

Psychotechniek revisited

David van Lennep algoritmes psychotechniek

In het werving en selectieproces is in de afgelopen eeuw veel kennis ontwikkeld over het beoordelen en meten van geschiktheid, het kritisch toetsen van instrumenten op validiteit en betrouwbaarheid, en het terugdringen van bias. Er doet zich nu een nieuw fenomeen voor: de inzet van AI in recruitment en selectieprocedures. Claims zijn dat dat sneller, effectiever en met minder bias plaatsvindt dan met de tussenkomst van mensen. Opvallend is dat de ICT bij de ontwikkeling van algoritmes een belangrijke rol speelt, maar dat de link naar bestaande kennis vanuit de personeelsselectie weinig wordt gelegd. Wat is er nodig om de uitspraken over geschiktheid op zijn merites te kunnen toetsen en hoe kan door samenwerking tussen personeelspsychologie en ICT de kwaliteit verbeterd worden?

Basisbaan in Nederland? Een vooronderzoek

Mensen maatschappij inclusie

Het antwoord op de vraag hoe een inclusieve en duurzame arbeidsmarkt gerealiseerd kan worden, is complex. De NSvP zet zich in voor een menswaardige toekomst van werk: een inclusieve arbeidsmarkt ligt daar aan de basis van. Marieke Stolp (universiteit Leiden) schreef in opdracht van de NSvP een Vooronderzoek Basisbaan. Ze onderzoekt vanuit wetenschappelijk psychologisch perspectief wat de betekenis van werk is voor de mens, en omgekeerd, wat de psychologische effecten zijn van exclusie op werkzoekenden. Hoe werkt het nu, wat werkt er niet en waarom niet? Hoe zou de basisbaan kunnen bijdragen aan het huidige beleid, en wat zijn de verwachte maatschappelijke en psychologische opbrengsten?

Over NSvP

De NSvP is een onafhankelijk vermogensfonds, dat zich inzet voor een menswaardige toekomst van werk. Wij stellen de vraag hoe de arbeidsmarkt van morgen er uit ziet en wat dat vraagt van de talent-ontwikkeling van jongeren en werkenden.

Rijnkade 88
6811 HD Arnhem
info@nsvp.nl
026 - 44 57 800

logo footer

Vind ons op Facebook
Volg ons