读算法霸权笔记07_筛选

本文主要是介绍读算法霸权笔记07_筛选，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1. 美国残疾人法案

1.1. 1990年

1.2. 公司在招聘时使用身体检查是非法的

1.3. 有某些心理健康问题的人被“亮了红灯”，他们因此没能找到一份正常的工作，过上正常的生活，这就使其进一步被社会孤立，而这正是《美国残疾人法案》要极力避免的情况

2. 人格测试

2.1. 公司都在使用同样的人格测试

2.2. 几乎没有任何人对公司的这种操作的合法性产生过质疑

2.3. 找工作

2.3.1. 以前，找工作往往取决于你认识谁

2.3.1.1. 多年来，人们在杂货店、码头、银行或律师事务所的工作都是这样靠人与人的互相推荐得到的

2.3.2. 与人力资源主管不是同类人的求职者有很大可能被拒绝

2.3.2.1. 被拒绝的人中很多都是来自与主管不同种族、民族或有不同宗教信仰的求职者

2.3.2.2. 女性也发现自己往往会被这场内幕游戏排除在外

2.4. 人力资源工作的科学化

2.4.1. 部分原因是为了让招聘过程更加公平

2.4.2. 招聘模型当然不可能包含应聘者将在公司有怎样的表现的信息

2.4.2.1. 因为那是发生在未来的事，目前尚不可知

2.5. 替代变量必定是不够精确的，而且往往隐含着不公平

2.6. 人格测试并不能预测一个人的工作表现

2.6.1. 人格测试的预测准确度很低

2.6.2. 只相当于认知测试的1/3

2.6.3. 远低于背景调查

2.7. 如果测试的目标是找到积极乐观的员工，那么人格测试的确是一种有用的工具

2.7.1. 人格测试并没有被用于此目的

2.7.2. 被用作过滤器淘汰部分求职者

2.7.2.1. 人格测试的首要目标不是去寻找最好的员工，而是以尽可能低的成本排除尽可能多的人

2.8. 调查问卷问题越复杂，钻空子就越难，招聘公司遭遇的麻烦也就越小

2.8.1. 如今公司使用的许多此类人格测试往往需要求职者做出一系列艰难的选择，让他们陷入“选是也不对，选不是也不对”的两难境地

2.8.2. 求职者要么就是在表明自己极易焦虑，要么就是在表明自己懒散成性

2.8.3. 选择“特立独行”表明此人“自我意识强、外向和有自恋倾向”

2.8.4. 选择“井井有条”表明此人做事尽责，有较强的自控力

2.8.5. 求职者必须要在不知道招聘模型将如何解读他的答案的情况下做出选择

2.9. 在测试中设置了很多问题，不会因为一个问题的答案不符合要求就刷掉一个求职者

2.9.1. 总归有某个特定的整体答案模式是被用来刷掉求职者的，而且我们不清楚那种答案模式到底是什么样的

2.10. 没有被告知人格测试的目的是什么

2.10.1. 整个评估的过程完全是不透明的

2.10.2. 一旦模型经过了技术专家的校准投入使用，此后模型收到的可用于修正的反馈数据就变得极少

2.11. 人格测试归为数学杀伤性武器

2.11.1. 被广泛采用并且影响巨大

2.11.2. 在人格测试发明之前，雇主毫无疑问也带有偏见，但是不同公司的雇主偏见程度不一样

3. 雇用低薪员工的公司

3.1. 雇用低薪员工的公司管理的是群体

3.2. 用筛选机器取代人力资源专业人员，以降低成本

3.3. 模型的目标是从众多求职者中筛选出更容易管理的那部分人

3.4. 除非工作场所发生失控事件，比如大规模盗窃事件，或者生产效率急剧下跌等，否则公司没有理由去调整筛选模型

3.5. 公司可能对现状很满意，但受苦的则是自动筛选系统的受害者

3.5.1. 错过一些优秀的求职者完全是可以接受的损失

4. 篮球队

4.1. 篮球队管理的是个体，每个球员的潜在身价可达数百万

4.2. 篮球队的表现评估模型对其掌握竞争优势至关重要，而且篮球队特别需要反馈数据

4.3. 如果没有持续输入的反馈数据，篮球队的模型就会失效

5. 筛选求职者的模型

5.1. 白人名字的简历收到的回复比黑人名字的简历多50%

5.2. 白人申请者中的履历优秀者得到的反馈比履历普通者要多

5.2.1. 当面对的是白人申请者的简历时，招聘经理会给予简历的内容以更多的关注

5.3. 黑人申请者中的履历优秀者并没有比履历普通者得到更多的关注

5.4. 招聘市场依然带有很深的种族偏见

5.5. 避免此类偏见的理想方式就是盲选

5.5.1. 乐手在演奏时需要隐藏在幕后

5.5.1.1. 人脉关系和声誉突然间变得毫无意义

5.5.1.2. 乐手的种族或者毕业学校也变得不再重要

5.5.1.3. 只有从幕后传来的音乐具有说服力

5.5.1.4. 女性乐手在管弦乐队的人数比例大幅跃升

5.5.1.4.1. 现在已比当初增长了5倍

5.5.1.4.2. 依然只占据乐团总人数的25%左右

5.5.2. 很少有职业可以像乐团那样找到一种完全公平的选拔方式

5.6. 公司雇主不得不靠筛选简历寻找具有成功潜质的员工

5.6.1. 约72%的简历根本没有被招聘人员看到

5.7. 求职者必须要精心制作自己的简历，要考虑简历筛选程序的偏好设定

5.7.1. 所造成的结果就是那些拥有充足的金钱和资源来准备简历的人脱颖而出

5.7.1.1. 展示了有钱人和消息灵通的人能占据多大的优势

5.7.2. 没有精心准备简历的人也许永远不会知道他们投递的简历已经早早被机器排除了

5.7.2.1. 穷人被判出局的可能性又有多高

5.8. 上一代求职者中的消息灵通人士

5.8.1. 用IBM（美国国际商用机器公司）出品的高端电脑输入信息

5.8.2. 用优质打印纸打印出来

5.8.3. 这样的简历获得招聘者认可的可能性更高

5.8.3.1. 手写的简历，或者蹭上油印机器黑墨的简历通常都会被丢进垃圾桶

5.9. 懂行情的人知道简历筛选程序喜欢什么不喜欢什么

5.9.1. 安全的简历都采用普通字体

5.9.1.1. 如Ariel和Courier字体

5.10. 机会的不公平并不是什么新鲜事

5.10.1. 现在不公平有了一个新的化身：自动化筛选程序

5.11. 自动化筛选程序的不公平操作不仅仅局限于筛选简历

5.11.1. 我们的生计也越来越依赖于我们顺应机器的能力

5.11.2. 在这个被吹捧为公平、科学和民主的数字化世界里，仍然只有内部人士才能找到那条通往成功的路径

5.12. 电脑从人这里学到了如何区别对待不同的申请，而且电脑进行区别对待的效率惊人

5.12.1. 并不是圣乔治医学院所有的训练数据都存在明显的种族歧视

5.12.2. 训练数据让它在之前被筛掉的申请与申请者的出生地和姓氏之间建立了联系

5.12.3. 以往的招聘人员也会拒绝女性求职者，他们理所当然地认为，家庭责任和抚养孩子很可能会影响她们的工作表现，而这些当然也被机器学会了

5.12.4. 数字版的盲选系统，排除地理位置、性别、种族或者姓名等变量

5.13. 数学模型可以通过数据筛选锁定那些很可能正在遭遇人生难题的人，不管人生难题是犯罪、贫困方面的，还是教育或其他方面的

5.13.1. 利用数学模型拒绝和惩罚他们，还是给他们提供需要的资源去帮助他们，完全取决于社会

5.13.2. 规模和效率使得数学杀伤性武器更具破坏力，但我们也可以利用模型的规模和效率帮助这些人，如何选择完全取决于我们为模型设定的目标

5.14. 大多数公司利用数学杀伤性武器降低行政开支，减少用人不善（或者需要更多培训投入）的风险

5.14.1. 过滤器的目标就是节省开支

5.14.2. 一家公司找人接替一个年薪5万美元的员工的成本约为1万美元，也就是这位员工年薪的20%

5.14.3. 接替一个高层管理者的成本还要翻上几倍

5.14.4. 员工流失分析是为了防止出现用人不善的情况

5.14.5. 人力资源部门更重要的工作是寻找未来的职场之星，也就是寻找那些具备能够改变公司命运的智慧、创造性和驱动力的人

5.15. 有大批追随者的人更有价值

5.16. 有些职场人员在线下做的事情即使是最高明的程序也推断不出来，至少在今天还做不到

6. 颅相学

6.1. 一种模型，依靠伪科学建立权威，风行了几十年

6.2. 现如今的大数据似乎也落入了同样的窠臼

6.3. 这些模型的“科学性”之所在只不过是一些未被证实的假设罢了

这篇关于读算法霸权笔记07_筛选的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---