Fairness in AI-Driven Recruitment: Challenges, Metrics, Methods, and Future Directions

招聘流程对于一个组织的成功至关重要，从寻找合格和匹配的求职者到影响其产出和文化。因此，在过去的一个世纪中，人力资源专家和工业-组织心理学家已经建立了招聘实践，例如通过工作广告吸引候选人，使用评估来衡量候选人的技能，并使用面试问题来评估组织适配性。然而，大数据和机器学习的出现已经导致了传统招聘流程的快速转型，因为许多组织已经开始使用人工智能（AI）。鉴于基于AI的招聘的普及，越来越多的人担心人类偏见可能会延续到这些系统所做的决策中，并通过系统应用放大这种影响。实证研究已经确定了候选人排名软件和聊天机器人交互中普遍存在的偏见，催生了过去十年AI公平性领域的不断研究。本文通过讨论AI驱动招聘中遇到的偏见类型、探索各种公平度量和缓解方法以及审计这些系统的工具，提供了对这个新兴领域的全面概述。我们强调当前的挑战，并概述未来发展公平AI招聘应用的方向，确保公平对待候选人并增强组织的成果。

研究人工智能招聘中存在的偏见问题，探讨如何开发公平的人工智能招聘应用

通过讨论AI驱动招聘中存在的偏见类型、探索各种公平度量和缓解方法，并审查审计这些系统的工具来提出公平的AI招聘应用。

论文介绍了人工智能招聘中存在的偏见类型，讨论了公平度量和缓解方法，还介绍了审计这些系统的工具。同时，论文提出了当前面临的挑战并提出了未来开发公平AI招聘应用的方向。

最近的相关研究包括：《公平性在招聘中的应用》、《使用机器学习进行招聘的道德问题》、《消除机器学习招聘中的性别偏见》等。