תקציר המאמר

 

פורסם בכתב העת  Information Processing and Management
המאמר נכתב בשיתוף עם ד"ר נטע רבין מהמחלקה להנדסת תעשייה וגב' ויויאן סימון, מוסמכת המחלקה להנדסת תעשייה, שתיהן מהפקולטה להנדסה באוניברסיטת תל-אביב.

שימוש גובר במערכות גיוס עובדים מבוססי בינה מלאכותית הופך מרכיב מרכזי בגיוס טאלנטים, במיוחד באמצעות רשתות חברתיות כגון לינקדאין. עם זאת, עומס הנתונים במערכות אלו, עלול ליצור הטיה מגדרית לא מודעת. במחקר שערכנו יישמנו סט של שיטות לניתוח וזיהוי הטיה טקסטואלית (כדוגמת שיטות NLP ו-USE) בקבוצות עובדים שונות מתוך 14 אלף פרופילי לינקדאין העוסקים בתפקידי IT. מטרת המחקר הייתה לזהות דפוסי פער מגדרי בממצאי הצגה עצמית טקסטואלית. תוצאות המחקר מצביעות על הבדלים מגדריים בהתפלגויות מועמדים בעיקר בתצוגת ה- Skills(מיומנויות). בנוסף, נמצא כי קיימים הבדלים מגדריים גם בקבוצות קטנות והומוגניות יותר של מועמדים בהיבט תפקיד, מיקום גיאוגרפי ותק ארגוני ודרג ניהולי. לממצאי המחקר ישנן השלכות תיאורטיות ומעשיות, הכוללות כלים מעשיים למפתחים על-מנת להפחית הטיה מגדרית במערכות גיוס מבוססות AI, וכן המלצות לאנשי משאבי אנוש במטרה להפחית את תופעת ההטיה המגדרית בתהליכי הגיוס.

לקריאת המאמר המלא לחץ כאן>>