في ظل تزايد استخدام أنظمة مطابقة المرشحين التي تعتمد على الذكاء الاصطناعي، أصبح من الضروري ضمان العدالة والمساواة في التوظيف. ومع ذلك، يعد تدقيق هذه الأنظمة للكشف عن التحيزات الديموغرافية أمرًا معقدًا ومكلفًا. ولكن، ماذا لو كان هناك حل مبتكر يجعل هذه العملية أكثر كفاءة؟

تقدم ورقة بحثية جديدة منهجية عامة وقابلة لإعادة الاستخدام لاختبار التحيز في أنظمة مطابقة المرشحين. تعتمد هذه الطريقة على استخدام نماذج اللغة الكبيرة (Large Language Models) لخلق سير ذاتية متوازنة من حيث الهوية، مما يسمح بتجريب تأثيرات ديموغرافية محددة عبر خمسة محاور محمية (مثل الجنس/النوع، العمر، الإقامة، اللغة، والإعاقة).

تتضمن المنهجية عدة مراحل: من إنتاج مصفوفات تدقيق تلقائية تقوم بتقييم خصائص المحميين، مرورا بتصنيف المرشحين بناءً على جودة سيرهم الذاتية، وصولًا إلى حساب تسع مقاييس عدالة شاملة. هذا الأسلوب لا يوفر فقط طريقة فعالة ورخيصة للتحقق من التحيزات، بل يقدم أيضًا تقريرًا آليًا يوضح مستوى المخاطر المحتملة.

المثير للاهتمام هو أن النتائج تشير إلى ضرورة استخدام مقاييس متعددة بدلاً من حسابات الإجمالية البسيطة. حيث أظهرت الدراسة أن بعض النتائج الهامة يمكن أن تُفقد إذا اقتصرنا على تقييمات غير معمقة.

إذا كنت من المهتمين بعالم الذكاء الاصطناعي والعدالة في العمل، فما رأيك في استخدام هذه المنهجية الجديدة؟ هل تعتقد أنها ستحدث فرقًا حقيقيًا في كيفية مطابقة المرشحين؟ شاركونا آرائكم!