布鲁金斯学会:机器学习自动招聘中人类评分员的系统差异研究(2022)
本报告由布鲁金斯学会发布,探讨基于机器学习的自动招聘系统中人类评分员存在的系统差异。研究揭示了评分偏差对招聘公平性的影响,为AI招聘系统优化提供重要参考。亮点:首次系统量化人类评分员差异,数据来自SHL/Aspiring Minds的真实招聘场景。
本报告由布鲁金斯学会发布,探讨基于机器学习的自动招聘系统中人类评分员存在的系统差异。研究揭示了评分偏差对招聘公平性的影响,为AI招聘系统优化提供重要参考。亮点:首次系统量化人类评分员差异,数据来自SHL/Aspiring Minds的真实招聘场景。
本报告由布鲁金斯学会发布,探讨基于机器学习的自动招聘系统中人类评分员存在的系统差异。研究揭示了评分偏差对招聘公平性的影响,为AI招聘系统优化提供重要参考。亮点:首次系统量化人类评分员差异,数据来自SHL/Aspiring Minds的真实招聘场景。
本报告由布鲁金斯学会发布,探讨基于机器学习的自动招聘系统中人类评分员存在的系统差异。研究揭示了评分偏差对招聘公平性的影响,为AI招聘系统优化提供重要参考。亮点:首次系统量化人类评分员差异,数据来自SHL/Aspiring Minds的真实招聘场景。
本报告由布鲁金斯学会发布,发布于 2022 年。
覆盖 2022 年,全文约 36。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合人力资源从业者、AI研究人员、政策制定者等读者参考。
重点分析了互联网、系统差异等议题。