Arbeidseconoom Joop Schippers van de Universiteit Utrecht doet in het kader van het NSvP/NIAS fellowship vijf maanden lang onderzoek naar de arbeidsmarkt van nu en morgen, met name gericht op jongeren en een leven lang leren. De aanleiding? Huidige jongeren hebben het minder makkelijk dan de generatie van hun ouders en grootouders. Hoe komt dat en wat doen we eraan? Wij spreken Joop tijdens een kop koffie op Utrecht Centraal Station en hij praatte ons bij over trends en ontwikkelingen op de arbeidsmarkt. Een verslag van de onderzoeksresultaten toe nu toe.
Black boxes bij AI treden op wanneer machine learning systemen beslissingen maken die door de gebruiker niet duidelijk of vanzelfsprekend zijn. Het gebruik van de zelflerende algoritmes kan onbedoeld leiden tot discriminatie of een gebrek aan vertrouwen. Transparantie, verklaarbaarheid, verantwoordelijkheid zijn belangrijke kenmerken voor een begrijpelijk en uitlegbaar AI-systeem. Waarom gebruikt niet iedereen Explainable AI?
De aanwezigen hebben hun kennis over algoritmische toepassingen de hele middag flink bijgespijkerd. Men heeft een inkijkje gekregen van de mogelijkheden, welke gevaren er op de loer liggen, en welke kansen AI kan bieden. Bovendien heeft men op ludieke wijze ervaren hoe het is om door algoritmes beoordeeld te worden. Maar heb je hier als sollicitant nou eigenlijk nog invloed op? Kun je een algoritme bijvoorbeeld voor de gek houden?
Een algoritme is een eindige reeks instructies die vanuit een gegeven begintoestand naar een beoogd doel leiden.
Onze hersenen zijn in de basis ook algoritmes. Vanuit een reeks instructies, die we vaak onbewust geven, komen we tot een conclusie, bijvoorbeeld wie we uitnodigen voor een sollicitatiegesprek of wie na zo'n gesprek de baan krijgt.
Wat werkt het beste als je ethisch gedrag wilt stimuleren? Wat kunnen werknemers zelf doen om meer te bewegen op het werk? Aan welke eisen moet inzetbaarheidsbeleid voldoen om het passend te maken voor een individu? Dit zijn de vragen die de drie winnende masterstudenten zich stelden en waarin een gedragsgerichte benadering een rol speelt. Hun onderzoek van uitmuntende kwaliteit en met praktische relevantie is door de NSvP beloond met de David van Lennep Scriptieprijs.
Proxies zijn cijfers die correlaties aanduiden tussen bepaalde concepten, waardoor ze voor een algoritme dienen als een soort voorspellers. Blond haar is bijvoorbeeld een proxy voor een blank huidtype. Aan de hand van zulke correlaties worden mensen ingedeeld in groepen. Er ontstaan patronen waaruit blijkt dat bepaalde groepen gemiddeld slechtere prestaties, vaardigheden of capaciteiten vertonen, met als gevolg een systematische uitsluiting van die groepen. Wat kunnen we eraan doen?
Als je algoritmes wil gebruiken om iets automatisch te voorspellen, moet je de wereld vereenvoudigen om het in programmeertaal te kunnen vastleggen. Bijvoorbeeld: wil je een slimme kandidaat - neem iemand met een universitair diploma. Organisaties maken dus keuzes over welke indicatoren ze opnemen in hun algoritmische analyses. Dit keuzeproces wordt ‘feature selection’ genoemd. Omdat algoritmes een vereenvoudigde wereld vereisen, kunnen biases ontstaan. Deel 3 uit een serie van vijf.
Bij het Openbaar Ministerie Noord-Holland gaat een groep van 15 medewerkers aan de slag met kleine experimenten binnen de NSvP Sterke Punten Challenge. Door het ontwikkelen van de VerSterker willen zij enerzijds dat medewerkers ontdekken welke talenten zij hebben en hen stimuleren deze ook daadwerkelijk in te zetten in hun werk. Anderzijds willen zij dat het binnen de organisatie ‘normaler’ wordt om stil te staan bij wat je goed kan en hierover met elkaar in gesprek te zijn. Vanuit de projectgroep wordt een blog geschreven over het verloop van dit project.
Steeds meer scholen, kindcentra en kinderopvangorganisaties voelen de noodzaak om opvang en onderwijs anders te organiseren en daarmee beter aan te sluiten op wat kinderen nodig hebben. Tegelijkertijd zien we een grote druk op het hele onderwijssysteem. Vanuit een positieve houding heeft een groep ervaringsdeskundigen de handen ineen geslagen. Met de brigade ‘Anders leren, anders organiseren’ helpen zij collega’s een stap verder. Zo komt de eigentijdse inrichting van leren op een leuke én effectieve manier dichterbij.
Steeds vaker gebruiken organisaties HR-technologie en analytics ten behoeve van beter matchende en presterende medewerkers. Maar wat als individuele werkenden op hun beurt dit ook gaat inzetten om werkgevers en hun HR-beleid beter te kunnen inschatten?