Werving & Selectie

Onderzoek naar de voordelen van ADHD op de werkvloer, samenwerking tussen mens en algoritme bij personeelsselectie en vrouwelijk leiderschap in hybride werkomgeving zijn de onderwerpen van de winnende scripties bij de David van Lennep Scriptieprijs 2024. Op 7 februari werden de drie winnaars bekend gemaakt tijdens het symposium 'Werken tot Nut van het Algemeen' in Utrecht. Franziska Linn (Vrije Universiteit Amsterdam), Shagun Thakur (Universiteit Maastricht) en Georgia de Lima Zanella (Universiteit van Amsterdam) ontvingen respectievelijk de 1e, 2e en 3e prijs en de daaraan verbonden geldbedragen van € 2.000, € 1.500 en € 1.000. 

Met de huidige krapte op de arbeidsmarkt zijn er meer mogelijkheden om te solliciteren voor een baan. Maar heb je een afkomst of identiteit die afwijkt van de meerderheid, dan kan zo’n sollicitatieprocedure er opeens heel anders uitzien. Discriminatie rondom sollicitaties is een veel besproken onderwerp, maar hoe komt het dat discriminatie nog steeds voorkomt en hoe gaan sollicitanten om met deze mogelijkheid gediscrimineerd te worden? Dit laatste is een weinig besproken onderwerp en de invalshoek van dit artikel.

“Als je haar maar goed zit!” is een gevleugelde uitspraak. Maar wat is goed en wie bepaalt dat? Janice Odijk deed onderzoek naar natural hair-dilemma: de invloed van een natuurlijke Afrikaanse haarstijl bij sollicitaties. “Je wilt je authentieke zelf zijn en tegelijkertijd een professionele indruk achterlaten, maar het één lijkt het ander uit te sluiten”, aldus Janice. Met het onderzoek wil zij de bewustwording rond dit thema vergroten en laten zien dat onbewuste bias een rol speelt bij concepten als geschiktheid en professionaliteit.

Hoe zet je de kracht van AI in ten gunste van werkenden en werkzoekenden? Het projectteam van Jaap Jan van Assen (eelloo) ontwikkelden een AI-gedreven instrument “Mark My Words – daarmee zoeken mensen op een Tinder-achtige manier naar banen die matchen bij hun profiel én geven zij feedback aan het systeem. Ze gaan als het ware in gesprek met het algoritme. Beoogd resultaat: betere kansen op de arbeidsmarkt en betere loopbaanbeslissingen voor werkenden. Bovendien draagt het bij aan meer Responsible en Explainable AI in recruitment. 

Op welke kenmerken verschilt de lijst van geschikte kandidaten, wanneer machine learning modellen worden gebruikt in plaats van meer traditionele technieken? Komen er meer inclusieve, diverse keuzes of juist meer exclusieve keuzes in geschikte kandidaten in de praktijk tot stand? Of maakt het geen verschil? Jacqueline van Breemen (NOA) onderzocht de consequenties van selectie met AI op de diversiteit van de geselecteerden. Ze won hiermee tevens de Eindprijs van de NSvP AI x Recruitment Challenge.

Sollicitanten zijn een belangrijke groep bij de introductie van algoritmes in matching en recruitment. Wat vinden zij ervan als zij door AI worden beoordeeld? Hoe eerlijk ervaren sollicitanten het als ze worden beoordeeld door AI op basis van hun LinkedIn profiel of video-interviews? En maakt het daarbij uit of ze uiteindelijk geschikt of ongeschikt worden bevonden? Een projectgroep aan de Vrije Universiteit onderzocht in het kader van de NSvP AI x Recruitment Challenge hoe het zit met de acceptatie van sollicitanten bij gebruik van AI in sollicitatieprocedures.

AI heeft binnen werving & selectie veel potentie. Het toepassen van algoritmes op meer ‘softe’ sociale variabelen (zoals persoonlijke eigenschappen en vaardigheden) - in plaats van meetbare, feitelijke variabelen (zoals aantal jaar werkervaring) - als voorspellers van succes en gedrag is echter nog een groot grijs gebied. Daarom is wetenschappelijk onderzoek in dit veld zo belangrijk. Zodat de werkzoekenden van de toekomst hun voordeel kunnen doen met het onderzoek van vandaag. Een gesprek met onderzoekers Janneke Oostrom (Vrije Universiteit Amsterdam), Jaap Jan van Assen (eelloo) en Jacqueline van Breemen (NOA).

Hoe faciliteert – of frustreert – AI de diversiteit op de arbeidsmarkt? Wat als algoritmes straks over alle sollicitaties beslissen? Een team creatievelingen maakte dit tastbaar en invoelbaar voor ons allemaal.

Waar we in eerdere artikelen spraken over hoe het gebruik van data mining en algoritmes onbedoeld kan leiden tot discriminatie bij de werving en selectie van personeel, draait dit laatste mechanisme de rollen een beetje om. Algoritmes bieden namelijk handvatten om juist bewust te discrimineren. We bespreken het laatste mechanisme genoemd door onderzoekers Barocas en Selbst: masking. 

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?