Niveau: intermédiaire
Robert Reul, fondateur, Isometric Solutions
Éliminer la discrimination sur le lieu de travail. L’un des objectifs communs des candidats et des employeurs est peut-être de rechercher et de trouver un emploi répondant à un ensemble complet de caractéristiques non discriminatoires: connaissances, compétences et expérience. La triste réalité est que ceux-ci sont trop souvent annulés par d'autres facteurs plus facilement discernables qui ont très peu à voir avec le rendement au travail et, pire encore, incarnent des pratiques contraires à l'éthique et illégales lors de l'embauche de candidats. Peut-on utiliser l'analyse de données pour exclure un biais discriminant lors de la décision d'embauche? En utilisant une littérature académique exhaustive sur la personnalité et les performances, plusieurs cadres émergent qui servent de vecteurs de résultats pour les modèles prédictifs, à savoir les «5 grands» traits de personnalité et la fiabilité, la sympathie et la confiance. Mais que faire des prédicteurs? L’expérimentation de données de traitement d’images faciales provenant de sources telles que Google et Microsoft a montré des promesses prédictives. En utilisant une série de méthodes analytiques qui criblent le potentiel prédictif et réduisent la complexité dimensionnelle, les prouesses prédictives émergent avec un ensemble de variables latentes totalement non discriminatoires qui informent le «qui interroger» / «qui engager» des recommandations basées uniquement sur la personnalité culturelle en forme. Cette présentation révélera les défis et les succès de cet effort, prouvant que c'est non seulement faisable, mais que cela pourrait devenir la nouvelle norme.
