ارائه مدل چندمرحله ای غربالگری هوشمند رزومه با قابلیت تفسیرپذیری برای کاهش سوگیری الگوریتمی در جذب نیرو

سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 27

فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISAPA01_011

تاریخ نمایه سازی: 24 مرداد 1405

چکیده مقاله:

غربالگری خودکار رزومه با استفاده از هوش مصنوعی، یکی از کاربردهای گسترده یادگیری ماشین در مدیریت منابع انسانی است که می تواند زمان و هزینه جذب نیرو را به طور چشمگیری کاهش دهد. با این حال، پژوهش های متعدد نشان داده اند که این سیستم ها در معرض خطر بازتولید و تشدید سوگیری های اجتماعی موجود (مانند سوگیری جنسیتی، نژادی، سنی و منطقه ای) هستند. مطالعاتی در سال ۲۰۲۵ نشان داد از ۲۹۴ شرکت کننده در یک آزمایش استخدام شبیه سازی شده، تنها ۸ نفر سوگیری جنسیتی الگوریتم را تشخیص دادند و حتی پس از قرار گرفتن در معرض توصیه های سوگیرانه، قضاوت انسانی آن ها به طور معناداری تحت تاثیر قرار گرفت. این یافته نشان می دهد که «جعبه سیاه» بودن سیستم های غربالگری، نه تنها استخدام کنندگان را از شناسایی سوگیری ناتوان می کند، بلکه ممکن است سوگیری را به فرآیند تصمیم گیری انسانی نیز منتقل سازد. چارچوب پیشنهادی دارای سه نوآوری اصلی است: اول: تفکیک غربالگری به مراحل «غیرحساس» و «کمکی» – مرحله اول مبتنی بر منطق صریح (با معیارهای سخت مانند حداقل تحصیلات، سنوات تجربه، مهارت های اجباری) عمل می کند که فاقد ابهام و سوگیری یادگیری ماشین است. تنها داوطلبانی که از این فیلتر عبور می کنند وارد مرحله دوم می شوند. این رویکرد «شکست ناپذیر در برابر سوگیری» است. دوم: معماری آداپتور چندویژگی حساس – به جای آموزش مجدد کل مدل برای هر نوع سوگیری، برای هر ویژگی حساس (جنسیت، سن، منطقه، دانشگاه) یک آداپتور نرم افزاری سبک (Lightweight Adapter) آموزش داده می شود. سازمان می تواند بسته به نیاز شغلی، ترکیب دلخواهی از آداپتورها را فعال کند. این روش ضمن حفظ دقت مدل اصلی، هزینه استقرار را به شدت کاهش می دهد. سوم: تفسیرپذیری سه لایه – سیستم خروجی خود را در سه سطح شفاف می سازد: (الف) نمره تطابق کلی، (ب) تفکیک نمره به مولفه های تشکیل دهنده (مهارت ها، تجربه، تحصیلات، تناسب زمینه ای)، و (ج) توضیحات به زبان طبیعی با قابلیت نمایش «اگر چنین بود، آن گاه فلان می شد.» لایه تفسیرپذیری نه تنها سوگیری را آشکار می سازد، بلکه به عنوان یک مکانیزم بازدارنده در برابر سوگیری های پنهان عمل می کند. چارچوب پیاده سازی گام به گام برای سازمان های ایرانی با در نظر گرفتن محدودیت های زیرساختی و نیاز به ممیزی منظم سوگیری ارائه می شود.

کلیدواژه ها:

غربالگری رزومه ، سوگیری الگوریتمی ، تفسیرپذیری هوش مصنوعی (XAI) ، تطبیق شغل و نامزد ، استخدام منصفانه ، آداپتور کاهش سوگیری

نویسندگان