مرور نظام‌مند هوش مصنوعی در استخدام: چارچوبی پویا برای عدالت و کاهش سوگیری الگوریتمی

چکیده

با گسترش استفاده از سیستم‌های هوش مصنوعی (AI^[1]) در فرآیندهای استخدامی، نگرانی‌ها در مورد بازتولید تبعیض‌های تاریخی و نقض عدالت افزایش یافته است. این مقاله، مروری نظام‌مند بوده و در تلاش است با بررسی منابع مرتبط و معتبر منتشر شده پس از سال ۲۰۲۲، راهکارهای تضمین عدالت و کاهش سوگیری در استخدام هوشمند را تحلیل می‌کند. تمرکز اصلی بر مقایسه رویکردهای استاتیک و پویا در کاهش سوگیری الگوریتمی است. در رویکرد استاتیک، مدل و داده‌ها یک‌بار اصلاح می‌شوند، درحالی‌که رویکرد پویا بر پایش مستمر، بازآموزی دوره‌ای مدل‌ها، ممیزی عدالت، نمونه‌برداری تطبیقی و ادغام بازخورد انسانی-الگوریتمی تأکید دارد. یافته‌ها نشان می‌دهند که مدل‌های پویا تا 30% در کاهش نرخ بازتولید تبعیض نسبت به مدل‌های استاتیک مؤثرتر هستند، به‌ویژه در محیط‌های پیچیده و چندمرحله‌ای مانند مصاحبه‌های ویدیویی خودکار که بیشترین خطر تشدید تفاوت‌های جنسیتی (حدود 18%) را دارند. چارچوب پویای پیشنهادی شامل مؤلفه‌هایی مانند پایش مداوم داده‌های حساس، استفاده ترکیبی از معیارهای عدالت (مانند برابری فرصت و برابری جمعیتی)، و گزارش‌دهی شفاف است. این پژوهش نتیجه می‌گیرد که دستیابی به استخدام عادلانه‌تر مستلزم گذار از مدل‌های ایستا به سیستم‌های پویا، پاسخگو و شفاف است که قادر به انطباق با تغییرات داده‌ها و زمینه‌های عملیاتی باشند. پیشنهاد می‌شود تحقیقات آتی بر توسعه متریک‌های عملی عدالت، آزمون چارچوب‌ها بر داده‌های صنعتی واقعی و همسویی با الزامات قانونی تمرکز کنند.

[1] Artificial Intelligence (AI)