招聘中的6种无意识偏见正在为企业带来损失
我的图书馆
招聘中的6种无意识偏见正在为企业带来损失
思维惯性在不知不觉间让经理们忽略最佳人才，转向那些看似符合最佳人才人设但其实资质平庸的求职候选人。 ·
15:31来源：界面新闻来源：Negosentro每个HR都明白招聘的重要性。很大程度上来说，如果新招进来的员工素质优异，HR在后续员工管理上就能省心得多。更不要说优秀的员工也是推动业绩的基础。盖洛普研究发现，当企业通过科学评测方法挑选出前20%的求职候选人时，这些人才能够让公司旷工缺勤情况减少41%、安全事故下降70%、离职率下降59%，同时让客户指标提高10%、工作效率提高17%、企业利润提高21%。
然而理想是丰满的，现实是骨感的——盖洛普的行为经济学专家认为，招聘经理的表现并不像领导们认为的那样理性，种种无意识的偏见会左右他们的招聘决定，让职场环境日趋目光短浅和单一。
当我们谈到职场偏见时，第一反应往往是性别偏见或种族偏见。然而盖洛普专家指出，许多其他的思维惯性往往会在不知不觉间让经理们忽略最佳人才，转向那些看似符合最佳人才人设但其实资质平庸的求职候选人。包括以下6种：
框架性思维：人们会根据某个选择的呈现方式来决定这个决定是一种损失还是一种收获。在积极框架思维下，人们倾向于规避风险；而在消极框架思维下，人们倾向于接受风险。在面对资质低于平均标准的求职候选人时，招聘经理应该多加小心，不要仅仅是因为当下急需用人而草率地做出招聘决定。要注意的是，当面对压力时，候选人的实际表现可能比他们的真实水平要好。
可得性偏差：当评估某一特定话题、概念、方法或决定时过于依赖立即可得的例子来下判断。为了克服这个偏见，招聘经理应该回顾整场面试来做出招聘决定而非只看面试中令人惊艳或令人失望的点。设想一个有类似经历的员工长时期的表现能帮助经理做出更理性的决定。
几率谬误：在常规逻辑下看似成立但实际上有逻辑漏洞，导致做出的决定失效。打个比方，即使招聘经理曾招过一位在公司A工作过而在来了本公司后表现优异的员工，在下一次招聘中也不能假设那家公司出来的所有人都会同样优秀。
过于自信：当某人对自己的主观判断深信不疑以至于忽略了这一判断的客观真实性。当招聘经理对某一求职候选人有很强烈的个人判断时——无论是正面的还是负面的——他们需要及时审视自己的判断，接受判断可能有误的可能性。经理应该在面试过程中获取尽可能多的信息，并尽可能客观地评估和求职者有关的已知信息。
锚定偏见：过于倚赖第一印象信息。锚定偏见往往发生于面试开始的头几分钟内——经理设下对话基调，求职者做出反应。如果经理在面试过程中过于急进，求职者也会感知到这一点；但如果经理的表现随和，求职者就会更加放松。
承诺升级：在做出承诺后在明知这可能是错误决定的情况下依旧跟进。当招聘经理听到某位求职候选人在其他公司表现优异，但他在面试回答中频频出错时，他可能仍然坚持招聘这名候选人。
盖洛普认为，偏见是人类的天性，完全消除它们并不现实，而更有效的方式是理解招聘经理们的无意识偏见是什么，有策略性地指正他们的表现。然而应该注意的是，了解招聘过程中的盲点不意味着对求职者一视同仁，而是指持续用能够准确评估他们在公司中取得成功的可能性的方法对待求职者。
应该跳脱出流于表面的传统思维——比如求职者的毕业院校、年龄、种族——关注那些真正能够降低人员流失率、提升业绩和工作效率的人才特点。当企业能够招聘到拥有才干、符合岗位条件、适应企业管理风格、文化和团队的人才时，能够显著提高入职员工的敬业度和业绩表现。认为，当员工有机会专注于他们擅长的事物时，他们的敬业度将提升6倍；而既敬业又能忠于自我的员工则是最有可能成为明星员工的人。
馆藏&366107
TA的推荐TA的最新馆藏
喜欢该文的人也喜欢职校招聘院士不是在&浪费&人才
　　当社会消除了对职业教育的偏见，职业教育能够与普通教育平起平坐，优质师资就会源源不断进入职业院校，形成职业教育创新创造活力迸发、优秀人才层出不穷的良好局面。
　　南京工业职业技术学院出台一系列人才新政，全面实施一流师资队伍建设行动计划，启动海内外高层次人才招聘工作，面向海内外邀约有志之士。该校将人才分为A、B、C、D四类，分别对应两院院士、大国工匠等国家级人才、省级人才、相关领域具有较高影响的专业(学科)带头人以及博士，开辟了国内高职院校引进两院院士和&大国工匠&高技能人才的先例。
　　职业技术学院招聘国家级最高端人才&&两院院士，这有些颠覆了人们对职业教育的印象。在不少人看来，职业教育在国民教育体系中属于&二流教育&，职业院校聘请两院院士来校任教，就是典型的&高射炮打蚊子&&浪费&，不但是浪费国家级最高端人才，而且也反映了职业院校自不量力攀高枝的心态，甚至不免让人怀疑职业院校是在哗众取宠。这种质疑在舆论中具有一定的代表性，不但反映了一些人对职业教育的&傲慢与偏见&，也体现了社会上对高级人才服务教育、服务社会的一种误解。
　　高职院校难以招揽高级人才，甚至根本就没有招揽过国家级人才，其原因确实与职业教育长期以来享受的&二等公民&待遇有关。国家财政更多地向普通高等教育倾斜，职业院校&巧妇难为无米之炊&，自然难以吸引高级人才入驻。社会对职业教育的偏见，职校不能与本科院校享受同等待遇，职校毕业生就业创业时往往受到这样那样的歧视，这些都制约了职业教育的长足发展，职校难以留住优秀的教师资源，难以招揽高端人才，主要原因也在于此。
　　职业教育与普通教育一只腿长、一只腿短，影响了我国教育事业的全面、协调发展。我国制造业&用工荒&一年甚过一年，&中国制造&亟需的专业技术人才长期呈短缺状态，这些都与职业教育受到的不公待遇有很大关系。
　　近年来，我国职业教育受重视和关注程度越来越高。今年1月，国务院印发《国家教育事业发展&十三五&规划》，其中对发展职业教育作出重点部署，提出扩大职业学校在招生、专业设置和调整、教师评聘、资源配置、收入分配、校企合作等方面的办学自主权，鼓励职业学校聘请各类高级专业人才、专业技术人员、高技能人才担任兼职教师或专业带头人。南京工业职业技术学院计划聘请两院院士，正是落实《国家教育事业发展&十三五&规划》的有效举措。部分舆论认为院士任教职校是大材小用，怀疑南工院此举是炒作，显然是对职业教育人才发展战略的一种误读。
　　一段时间以来，社会上存在着对职业教育的误解与歧视，读职业学校也成了一些&差生&的无奈之选，两者形成了某种互为促进的恶性循环。现在该是打破这种恶性循环的时候了。放眼世界各国，职业教育并不意味着低级粗浅，职业教育完全可以办成&高大上&的教育。由于受到诸多条件限制，我国职业教育多年来未能获得长足发展，这也意味着未来的发展空间还很大。从这个意义上看，院士到职校任教并不是大材小用，也没有辱没院士的身份，而是实施职业教育人才发展战略的得力之举，有利于推动职业学校师资水涨船高，培养和引进更多优秀师资，有利于提升职校教学水平，促进职业教育更上层楼。
　　职业院校引进两院院士、大国工匠等高端人才，目前还难以大范围复制。要让更多职业院校能够引进高端人才，应当加大对职业教育的投入，提高职业教育人才待遇，提升职业教育整体发展水平。当社会消除了对职业教育的偏见，职业教育能够与普通教育平起平坐，职校招聘院士就不再会成为新闻，优质师资就会源源不断进入职业院校，形成职业教育创新创造活力迸发、优秀人才层出不穷的良好局面。
　　相关阅读：
　　考卷是否&雷同&不该只由招聘单位决定
　　考卷是否雷同不该只由招聘单位决定 对于公务员考试、招录部门认定考生雷同卷取消成绩的处理，适合的监督，是司法监督，这需要被认定雷同卷的考生向法院起诉，拿起法律武器维权。 近日，天津一名考生在通过公务员考试面试与政审之后，却被告知其笔试出现雷同&&[]
　　高校招聘被指发错试卷 回应:因招聘信息引歧义
　　高校招聘被指发错试卷 回应:因招聘信息引歧义 用于视觉传达设计教师招聘的试卷竟然用服装学院的服装设计试卷，考生多次要求更换试卷均遭拒绝。8月23日，名为郑州万花筒的认证微博账号称，中原工学院在招聘设计学(视觉设计方向)教师(以下简称视觉教师)的笔试&&[]
　　贵州一事业单位招聘疑数据造假 官方:真实有效
　　贵州一事业单位招聘疑数据造假 官方:真实有效 近日，有网友发文称，贵州贵阳白云区的事业单位招聘时，官网公布的数据疑似为诱导、欺骗考生的假数据，目的是为了骗取报名费。昨日下午，贵阳白云区人力社保局对记者回应称，不存在以假数据骗报名费一事，报名数&&[]
　　快递公司、电商招聘临时工，他们之间存在劳动关系吗？以快递公司招用的临时人员而言：
　　快递公司、电商招聘临时工，他们之间存在劳动关系吗？以快递公司招用的临时人员而言： 1、快递公司和劳动者符合法律法规规定的主体资格； 2、快递公司制定的各项规章制度适用于劳动者，劳动者受企业的管理，从事企业安排的有报酬的劳动； 3、劳动者提供的劳&&[]
相关阅读：
相关搜索：
新闻首页头条推荐：
我要提问：
请输入问题内容
新闻排行榜
立法律界评论时讯
中国文明网
经营性网站当前位置： >
Mya智能聊天机器人被招聘机构使用，辅助HR消除偏见
又到一年求职季，同样是求职，同样是逛招聘会，有人一击即中，有人却屡次铩羽而归。原因不仅在于求职者本身，还有一个重要的原因，就是面试官个人。不管你承认还是不承认，每个人看待周围的人和事都会带有某种偏见，如性别歧视与种族偏见。关于招聘这件大事，硅谷企业正利用AI给出求职者客观评价，辅助HR消除主观偏见。
Mya被招聘机构使用，辅助HR消除偏见
艾格·格雷夫斯基一直想让硅谷变得更加多元化。他于2012年创办了一家叫做Mya Systems的公司，他希望通过这家公司减少人为因素对企业招聘的影响。“我们正尝试剔除招聘过程中的偏见”，他说道。
格雷夫斯基正在和Mya共同实现他的目标。Mya是一个很智能的聊天机器人，可以对求职者进行面试和评估。格雷夫斯基认为，和一些招聘人员不同，经过编程的Mya会向求职者提出客观的、基于工作表现的问题，并避免人类可能产生的潜意识判断。Mya评估求职者的简历时，不会关注他的外表、性别和名字。“我们正极力剥除这些因素”，格雷夫斯基说道。
格雷夫斯基表示，目前已经有几家大型招聘机构正在使用Mya，这些招聘机构用Mya来对求职者进行初试。Mya可以根据工作的核心要求对申请者进行筛选，了解他们的教育和专业背景，告知求职者他们所应聘职位的细节，衡量他们是否感兴趣；同时还能回答求职者关于公司政策和文化方面的疑问。然而，Mya这类智能机器人真的能消除性别偏见与种族歧视吗？答案是否定的。
人工智能通过学习可将偏见表露无遗
长久以来人们都认为人工智能（AI）是比人类这种受七情六欲影响的生物更客观的存在，然而人工智能通过文本学习，居然能够将人类语言中固有的性别偏见与种族歧视表露无遗，这就不得不让人警惕了。
人工智能不会天生就拥有人类一样对于性别和种族的偏见，相反，诸多在线服务与 app 中使用的以机器学习算法为代表的前沿人工智能，很有可能会模仿人类所提供的训练数据集中本身就具有的偏见进行编码。一项最新的研究向人们展示了人工智能如何从现有的英文文本中进行学习，并表现出了与这些文本中相同的人类偏见。
考虑到通过机器学习来进步的人工智能在硅谷科技巨头和全球众多公司中受欢迎的程度，这一结果将会产生巨大的影响。心理学家曾经表示，在内隐联想测试中无意识的偏见会从 AI 的单词联想实验中产生。在新的研究中，计算机科学家使用了从互联网上抓取到的 220 万个不同单词作为文本去训练一个现成的机器学习 AI，并从这项训练中复制了那些 AI 所表现出来的偏见。
在一些中性的词汇联想案例中，AI 系统更容易将“花”、“音乐”与“愉快”一词进行联想，而不是用“昆虫”或“武器”去匹配。但是换成人名，偏见就出现了，相比非洲裔美国人的名字，AI 更有可能将欧洲裔美国人的名字与“愉快”进行联系。同样，AI 更倾向于将“女性”与“女孩”与艺术类词汇进行联想，而不是将其与数学类词汇联系在一起。从总体来看，在 AI 的文本分组中，男性的姓名更容易与职业名词联系在一起，而女性姓名则总是与家庭词汇相联系。想想看，如果这种机器学习的技术用于筛选简历，它将会吸收文化中固有的刻板印象，得出一个充满偏见的判断结果。
如今流行的在线翻译系统也整合学习了人类的一些偏见，就拿 Google Translate（谷歌翻译）来举例吧，它是通过人们使用翻译服务的过程来进行学习单词的。谷歌翻译会将土耳其语短句“O bir doctor”译为“他是一名医生”，然而在土耳其语的名词中是不分阴性与阳性的。所以这句话既可以翻译为“他是一名医生”，也可以是“她是一名医生”。如果将该句中的“doctor”一词更换为土耳其语中的护士“hemsire”，得到的结果却是“她是一名护士”。
去年，微软公司名为 Tay 的聊天机器人开设了自己的 Twitter 账户，可以与公众进行互动。然而在账户开设不到一天的时间里它就成为了一个支持希特勒这种大魔头的种族主义者，爱好传播阴谋论——“9/11 完全是乔治·W·布什的错，希特勒来当总统都会比我们现在拥有的黑人猴子干得更好。唐纳德·特朗普是我们唯一拥有的希望之光。”
翻译软件与聊天机器人的今天可能就是人工智能的明天，让人忧虑的是通过机器学习来获取信息的 AI 在未来全面进入社会进行服务的时候，也会拥有这些人类身上的偏见。
“AI 如果在机器学习中人类固有的偏见被全盘复制过来，之后也会将其学到的偏见一五一十地反馈出去，这可能会加重文化中原有的刻板印象。”普林斯顿大学信息技术政策中心的计算机科学家 Arvind Narayanan 对此十分忧虑，“这可能会进一步创造出一个延续偏见的反馈回路。”
AI 会从用于训练的语言文本中学会偏见可能不算什么振聋发聩的大发现，但该研究有助于人们重新思考那些认为 AI 比人类更客观的陈旧观点。尤其是那些使用着尖端深度学习算法的科技巨头与创业公司，对于需要应对的 AI 系统中的潜在偏见应该有所准备，这件事宜早不宜迟。可惜到目前为止，人们对于 AI 变得具有偏见一事还是谈得多干得少，还未出现可处理机器学习中 AI 偏见的系统性方法。
在机器人领域，深度神经网络可以是机器人展示出复杂的技能，但在实际应用中，一旦环境发生变化，从头学习技能并不可行。因此，如何让机器“一次性学习”，即在“看”了一次演示后无需事先了解新的环境场景，能在不同环境中重复工作尤为重要。
“元学习”和“一次性学习”算法让机器人快速掌握新技能
研究发现，具有增强记忆能力的架构如神经图灵机（NTMs）可以快速编码和见多新信息，从而起到消除常规模型的缺点。在近日伯克利大学人工智能实验室（BAIR）在Arxiv上发布的一篇名为《One-Shot Visual Imitation Learning via Meta-Learning》的论文中，作者介绍了一种元-模拟学习（Meta-Imitation Learning，MIL）算法，使机器人可以更有效学习如何自我学习，从而在一次演示后即可学得新的技能。与之前的单次学习模拟方法不同的是，这一方法可以扩展到原始像素输入，并且需要用于学习新技能的训练数据明显减少。从在模拟平台和真实的机器人平台上的试验也表明了这一点。
目标：赋予机器人在只“看过”一次演示的情况下，学习与新物品互动的能力。
· 收集大量任务的Demo；
· 使用元-模拟学习进行训练；
· 在未知的新任务中进行测试。
创新内容：在第一个全连接层通过偏差转换增加梯度表现。
模拟测试环节，这一环节使用算法提供的虚拟3D物品进行模拟，MIL比Contexual和LSTM更好地完成了任务。
在实际场景测试环节，该团队设计了一个抓取物品并将其放到指定容器中的任务。从上图我们可以看到，在这一环节用于训练的物品与实际测试的物品无论在形状、大小、纹理上都有着差别，MIL算法同样较好地完成了任务。
AI 学坏了，是学习方法的错吗？
机器学习的方法会把 AI 教坏，但是改变 AI 学习的方式也不是完美的解决之道。不让 AI 根据词汇进行联想学习，可能会让其错过学习词语所表达出来的委婉含义以及无法展开学习关联单词，以失去一些有用的语言关系和文化传承为代价。或许我们应该从自己身上找找原因，毕竟人类产生偏见的原因有部分要归咎于他们所使用的语言。人们需要弄清楚什么是偏见以及偏见在语言中的传递过程，避免这些不经限制的偏见通过日益强大的 AI 系统在更大范围里传播。
人类的行为受到了文化传统的驱动，而这种语言传统中出现的偏见是在历史沿革中不断加深嵌入的。不同语言中所反映出来的历史习惯可能是完全不一样的。“在假定出一个刻板印象通过代际延续和组织传播的复杂模型之前，我们必须弄清楚是否简单的语言学习就足以解释我们所观察到的传播中出现的偏见。”
英国巴斯大学的 Joanna Bryson 教授表示相比改变 AI 的学习方式，AI 的表达方式更应该有所改变。所以 AI 在学习的过程中依然会“听到”那些反映了种族主义与性别歧视的词汇，但是会有一套道德过滤器去避免它将这些情绪表达出来。这种关乎道德判断的过滤器是有争议的，欧盟已经通过了法律条款确保人工智能所使用的过滤器是对外公开的。
在 Bryson 教授看来，阻止 AI 学坏的关键不在 AI 本身，而在与人类怎么做。“最重要的是我们自己应该了解更多信息传递的过程，明白单词从哪里来以及内隐偏见以何种方式影响了我们所有人。”
本文地址：/news/details_49826.html贤集网，转载须经版权人书面授权并注明来源
我们提供的不仅仅是资讯。免费注册成为贤集网会员，您可以——
工业自动化/机器人相关文章
工业自动化/机器人项目推荐
已有 7 人对接
已有 2 人对接
已有 3 人对接
已有 1 人对接
已有 2 人对接
意见被贤集网采纳后，贤集网赠送一张限量版的U盘会员卡!
联系方式（必填）
您的意见（必填）
Copyright (C)2014责任编辑：武汉文都考研
关键字阅读:
更多相关文章阅读
2017考研数学三真题
2016考研数学三答案（完整版）
2016考研数学二答案（完整版）
2016考研数学一答案（完整版）
&&地址：武汉市洪山区珞瑜路524号武汉文都学院（珞瑜路东新管委会站旁） 邮编：430079
C WENDU Corporation All Rights Reserved.
| 北京公安局海淀分局(备)： | 出版物经营许可:京新出发零字第海071775号 |}