अमेरिकी श्रम मंत्रालय के पूर्व अन्वेषक को रिज्यूमे एटीएस टिप्स द्वारा साझा किया जाता है

यह निबंध जो कि दो दशकों से अधिक समय तक अमेरिकी श्रम मंत्रालय के पूर्व शोधकर्ता देशी SAMR के साथ बातचीत पर आधारित हो सकता है, जो फ्लोरिडा में रहते हैं। उनकी पहचान की जाँच की जाती है। इस कहानी को लंबाई और स्पष्टता से सजाया गया है।

कई नियोक्ता सारांश को वर्गीकृत करने और नौकरी के उम्मीदवारों की पहचान करने के लिए आवेदक की निगरानी के लिए एआई सिस्टम का उपयोग करते हैं। अपने करियर के दौरान, मैंने इनमें से सैकड़ों प्रणालियों का ऑडिट किया है। अक्सर कोई मानवीय हस्तक्षेप नहीं होता है और यह एक समस्या है।

एआई एक डबल ब्लेड तलवार है। यह संशोधन प्रक्रिया को मानकीकृत करके पूर्वाग्रह को कम कर सकता है, लेकिन यह पूर्वाग्रह को भी बढ़ा सकता है यदि एल्गोरिदम को खराब तरीके से डिज़ाइन या परीक्षण किया गया है। किसी को यह सुनिश्चित करने के लिए डेटा को दर्ज करने और देखने की आवश्यकता है कि संरक्षित समूह प्रतिकूल प्रभाव का अनुभव न करें। लेकिन ऐसा हमेशा नहीं होता है।

ये पूर्वाग्रह अक्सर सूक्ष्म होते हैं। उदाहरण के लिए, वे महिला आवेदकों पर पुरुषों का पक्ष ले सकते हैं। यहां तक ​​कि जब सारांश सीधे लिंग का हवाला नहीं देते हैं, तो सिस्टम इसे बिरादरी या सेरियलिटी में सदस्यता जैसे विवरणों से समाप्त कर सकता है।

कार्यदिवस के खिलाफ उच्च, तरल कानूनी मामला इस प्रकार के पूर्वाग्रह को बताता है।

अत्यधिक विशिष्ट भाषा और फ़िल्टरिंग

एक और समस्या यह है कि आवेदक निगरानी प्रणाली एक ऐसी भाषा की तलाश करती है जो अत्यधिक विशिष्ट हो। नौकरी विज्ञापन कह सकता है कि “नेतृत्व कौशल” की आवश्यकता है, और सिस्टम को केवल उन सटीक शब्दों को खोजने के लिए सेट किया जा सकता है, उन उम्मीदवारों को छोड़कर, जिनके सारांश को यह कहते हुए कि “मैं टीमों को चलाता हूं” या “मैंने कई प्रमुख पदों पर रखा।” यदि आपके पास सही शब्दावली नहीं है, तो सिस्टम आपको हटा सकता है।

एक्सक्लूसिव फिल्टर, जो आवेदकों को सूचना के आधार पर खारिज कर देते हैं जैसे कि डाक संख्या और स्नातक के वर्षों के वर्ष, कुछ समूहों को प्रभावित कर सकते हैं। अन्य फ़िल्टर को गैर -ट्रैडिशनल ट्रेल्स और क्रेडेंशियल्स के लिए आवेदकों द्वारा दंडित किया जाता है।

नियोक्ता जरूरी नहीं हैं कि यह मानव हस्तक्षेप की कमी के कारण हो रहा है। यह एक सुरक्षा कैमरे की तरह है जो रिकॉर्ड करता है कि क्या चल रहा है, लेकिन कोई भी रिकॉर्डिंग में नहीं दिखता है।

त्वरित अस्वीकृति

कई नौकरी चाहने वालों को यह भी एहसास नहीं है कि मशीनें उन्हें अस्वीकार करती हैं। लेकिन कुछ संकेत हैं जो आप इस संकेत के लिए देख सकते हैं कि निगरानी प्रणाली पक्षपाती है या कीवर्ड का एक कठोर मैच है।

एक को कुछ मिनटों या घंटों के आवेदन के भीतर एक स्वचालित अस्वीकृति प्राप्त करना है, तब भी जब आपकी योग्यता स्पष्ट रूप से नौकरी के विवरण को फिट करती है। दूसरा यह है कि जब आपको बताया जाता है कि आपका सारांश “साफ नहीं किया जा सकता है” या “मैंने न्यूनतम मानदंड नहीं भरे हैं” बिना स्पष्टीकरण के।

अनावश्यक व्यक्तिगत जानकारी से निपटने के दौरान, आवेदक के जन्म की सटीक तारीख या वर्ष के स्नातक होने के कारण, संरक्षित लक्षणों के लिए चेकिंग प्रश्न भी संरक्षित लक्षणों के लिए प्रॉक्सी के रूप में काम कर सकते हैं। यह पूर्वाग्रह को “फिट” या “पात्रता” के दोषी के तहत आकर्षित करने की अनुमति देता है।

असंबद्ध प्रतिक्रिया

वीडियो या पारदर्शिता खेलों के आधार पर मूल्यांकन के बारे में भी यही सच है। आपको AI मूल्यांकन परीक्षणों को पूरा करने के लिए कहा जाता है, लेकिन नियोक्ता यह नहीं बताएगा कि क्या मापा जाता है या परिणामों की गणना कैसे की जाती है। अनुसंधान से पता चलता है कि ये रणनीति चेहरे की मान्यता, भाषण विश्लेषण या सांस्कृतिक संदर्भों के माध्यम से पूर्वाग्रह पैदा कर सकती है, जो विकलांग, न्यूरोडाइवरगेंस या अपूर्ण लहजे के साथ प्रतिकूल उम्मीदवार हो सकते हैं।

प्रतिक्रिया की कमी भी स्वचालन के पूर्वाग्रह का एक संकेतक हो सकती है। जब आप पूछते हैं कि आपको क्यों खारिज कर दिया जाता है, तो आपको अस्पष्ट या सामान्य उत्तर मिलते हैं जैसे कि “आप एक वास्तविक फिट नहीं थे” बिना किसी विशिष्टता के। नैतिक रोजगार प्रथाओं को मूल्यांकन के मानदंडों के बारे में कम से कम कुछ पारदर्शिता की आवश्यकता होती है।

एक resimea अतीत एटीएस प्राप्त करना

आवेदक के आवेदन के लिए ट्रैकिंग सिस्टम को पारित करने और रोजगार के हाथ प्रबंधक में अपने सारांश को पारित करने की संभावना बढ़ाने के लिए, नौकरी विवरण को मिरर करें। नियोक्ता के सटीक शब्दों और वाक्यांश का उपयोग करें।

इस बीच, अपने अधिकारों को जानें और अपने अनुप्रयोगों, अस्वीकृति और आपके द्वारा नोटिस किए गए किसी भी जनसांख्यिकीय पैटर्न का रिकॉर्ड बनाएं। यदि आप मानते हैं कि आपके साथ भेदभाव किया गया था, तो आप EEOC या उस राज्य को अपील दायर कर सकते हैं, जिसके लिए नियोक्ताओं को AI के आधार पर रोजगार उपकरणों के उपयोग की खोज करने की आवश्यकता होती है, जैसे कि इलिनोइस और न्यू यॉर्क।