Information

Lutter contre les préjugés lors de l'embauche avec une évaluation basée sur un cadre objectif

Lutter contre les préjugés lors de l'embauche avec une évaluation basée sur un cadre objectif

Comme détaillé dans Les femmes dans la technologie: leur statut actuel, ce qu'elles ont accompli et ce qu'elles veulent, le discours du bout des lèvres que de nombreuses entreprises accordent à la diversité et à l'égalité des chances en matière d'embauche ne se traduit pas par une représentation égale des femmes et des minorités dans l'industrie de la technologie.

Un certain nombre de personnes et d'organisations ont porté leur attention sur le dépassement des préjugés stéréotypés et la réduction de ce fossé en matière d'embauche.

CONNEXES: POUR LA PREMIÈRE FOIS, LA MAJORITÉ DES CHEFS DE DÉPARTEMENT D'INGÉNIERIE DU MIT SONT DES FEMMES

CodeSignal apporte l'IA à l'embauche

Désormais, une entreprise appelée CodeSignal propose sa solution de recrutement basée sur l'IA comme outil pour surmonter les préjugés en matière de recrutement. Sophia Baik, co-fondatrice et vice-présidente des opérations chez CodeSignal, a répondu à mes questions sur la manière dont ce qu'elle appelle l'équivalent de l'examen SAT pour les admissions à des emplois peut contribuer à rendre les conditions de recrutement plus équitables et plus équitables.

Le nombre d'embauches de femmes est-il proportionnel au nombre de candidats, ou les femmes dans certains domaines représentent-elles un pourcentage beaucoup plus faible des candidats dans l'ensemble? Et les minorités?

Oui, il y a certainement un problème de pipeline dans le domaine du génie logiciel. Statistiquement parlant, il y a moins de femmes qui obtiennent leur diplôme universitaire d'ingénieur chaque année que leurs homologues masculins.

Quand on regarde les chiffres, environ 22% seulement des diplômés universitaires américains en génie sont des femmes. Comparé à d'autres professions, l'ingénierie a un long chemin à parcourir. Par exemple, en 2017, nous avons vu que pour la première fois, il y avait plus de femmes inscrites dans les facultés de médecine américaines que d'hommes.

Vous n’avez pas besoin d’obtenir un diplôme universitaire en informatique ou en génie pour devenir ingénieur logiciel. Mais ce déséquilibre est représentatif de la composition des talents entrant dans l'industrie.

Selon le US Bureau of Labor Statistics 2018, seuls 26% des informaticiens sont des femmes.

Les stéréotypes négatifs peuvent influencer négativement les décisions de carrière des gens, et ce type de biais inconscient est un domaine que CodeSignal s’efforce d’améliorer.

Les préjugés programmés dans l'IA aggravent-ils le problème des préjugés lors de l'embauche?

L'IA, comme tout modèle mathématique, dépend fortement de la qualité de l'entrée pour produire sa sortie. Pour utiliser des termes simples, ce système reflète le concept de GIGO, qui signifie garbage in, garbage out.

Lorsque nous alimentons et formons des archives historiques de l'IA sur les décisions d'embauche qui sont biaisées, l'IA produira certainement des résultats avec le même biais intégré dans les résultats, car elle fait partie du modèle déjà intégré à la machine. L'IA aide les humains à prendre les mêmes décisions plus rapidement et à plus grande échelle et, par conséquent, elle pourrait potentiellement amplifier le biais à une échelle beaucoup plus grande.

Le danger ici est que si nous prenons aveuglément les résultats sortant d'une boîte noire, il n'y a aucun mécanisme pour corriger le biais. Reconnaître qu'il pourrait y avoir un biais dans l'entrée d'un modèle d'IA ou d'apprentissage automatique, ainsi qu'interpréter les résultats avec un œil critique pour vérifier les biais est important pour réduire cette tendance à l'embauche dans son ensemble.

[voir-aussi Notre Site / our-brave-new-world-why-the-advanced-of-ai-soulève-éthiques-préoccupations]

Les ajustements et la transparence pourraient-ils transformer l'IA en un outil efficace pour parvenir à plus d'égalité?

Absolument. Si nous définissons notre direction pour améliorer l'égalité et utilisons l'IA avec cette intention, nous pouvons la faire fonctionner pour nous au lieu de la laisser amplifier accidentellement le problème. Par exemple, CodeSignal utilise l'intelligence artificielle pour évaluer les compétences techniques à grande échelle et calculer un score de codage qui est fortement corrélé aux performances du candidat lors de l'entretien d'embauche et aux performances professionnelles.

Lorsque vous disposez de données objectives et d'une mesure des compétences, une décision d'embauche peut être prise facilement. Cela réduit également considérablement la portée dans laquelle les responsables du recrutement et les préjugés inconscients des recruteurs peuvent intervenir. Ils n’ont plus à se fier à leur impression subjective d’un candidat pour prendre une décision d’embauche.

De plus, il permet aux femmes et aux candidats appartenant à des minorités de se promouvoir eux-mêmes pendant le processus de recrutement avec des preuves à l'appui de leurs compétences.

Dans la vidéo ci-dessous, Baik présente les 3 principaux avantages des évaluations basées sur un cadre.

Comment fonctionne votre solution?

Nous avons une suite de solutions d'évaluation pour aider les entreprises #GoBeyondResumes dans le recrutement technologique: tester, interviewer et certifier. Certify, actuellement en version bêta, est notre dernière offre et c'est le premier produit d'évaluation technique qui peut être utilisé tout en haut de l'entonnoir de recrutement, permettant aux professionnels de l'acquisition de talents et aux responsables de l'ingénierie de demander et de comparer des résultats d'évaluation impartiaux et faciles à comprendre. à grande échelle pour prendre des décisions d'embauche basées sur les données.

Certify est destiné à faire pour les professionnels de l'embauche technique ce que l'examen SAT fait pour les admissions à l'université. Il s'agit d'un test fiable de maîtrise des compétences qui permet également aux entreprises de mener une évaluation des compétences de premier ordre sans avoir à la créer elles-mêmes.

Lorsqu'ils utilisent une telle solution toute faite, les professionnels des RH peuvent consacrer leur temps et leur énergie à utiliser les données pour prendre une décision d'embauche au lieu de construire une opération d'évaluation des compétences professionnelles avec des travaux de création et de maintenance de tests rigoureux.

Qu'est-ce qui a inspiré votre entreprise à développer cette solution?

Le précurseur de CodeSignal était un site Web que les gens pouvaient visiter pour résoudre des défis de codage intéressants afin d'améliorer leurs compétences. Avec plus d'un million d'ingénieurs expérimentés résolvant un grand volume de tâches de codage, nous avons pu définir leurs compétences en programmation.

Apprendre que ceux qui sont au sommet du spectre de compétences avaient du mal à trouver un emploi parce qu'ils n'avaient pas l'air bien sur le papier, ainsi que la lutte que vivent de nombreuses organisations pour trouver et embaucher des ingénieurs en logiciel talentueux de divers horizons, était fou.

Cette prise de conscience nous a incités à combler le fossé en rendant une évaluation objective et crédible des compétences techniques facilement et facilement disponible à des fins de recrutement et pour aider l'industrie à aller au-delà des CV.

La vidéo ci-dessus montre comment Greenhouse utilise CodeSignal dans son processus de recrutement technique.

Avez-vous des études de cas qui prouvent que davantage de femmes ou de minorités ont été embauchées suite à la mise en œuvre de votre solution?

Beaucoup de nos clients qui comprennent clairement la valeur des évaluations objectives des compétences ont tendance à avoir déjà des initiatives de diversité et d'inclusion à l'œuvre. Par conséquent, il est difficile de séparer le seul effet de la mise en œuvre de notre solution sur leur capacité à réussir à améliorer la diversité au sein de leurs équipes.

Ce que nous pouvons dire avec confiance, c’est que beaucoup de candidats qui n’auraient pas été considérés sans les résultats de l’évaluation de CodeSignal ont été interviewés pour de nombreux emplois en génie logiciel et ont ensuite été embauchés dans ces entreprises.

Il est logique qu’un processus d’entretien objectif garantisse aux candidats à un poste l’attachement de l’entreprise à prendre des décisions d’embauche justes et impartiales et attirerait davantage de femmes ou de candidats appartenant à des minorités qui apprécient davantage un environnement de travail diversifié.

Nous utilisons en interne notre propre solution d'évaluation pour embaucher des ingénieurs logiciels. Lorsque les candidats manifestent de l'intérêt, nous leur demandons de partager leur score de codage CodeSignal dans un premier temps et de ne pas prêter attention à leur curriculum vitae, ce qui pourrait introduire un biais inconscient.

Nous les invitons à démarrer un processus d'entrevue sur la base de leurs scores de codage. Cette pratique a été très bien accueillie par nos candidats et nous a permis d'embaucher le meilleur candidat en fonction de ses capacités.


Voir la vidéo: #11 Comprendre le comportement des recruteurs pour mieux lutter contre les discriminations (Septembre 2021).