Bias Score for Recruitment software
BCR ontwikkelt een tool om bias in recruitmentsoftware te identificeren en te verminderen, waardoor inclusiviteit en de beste kandidaten worden bevorderd.
Projectdetails
Inleiding
Het vinden van personeel is de afgelopen jaren in veel sectoren erg lastig geworden. De personeelstekorten zijn groot en daarom is het belangrijk om een goede procedure te hebben die de juiste kandidaten aantrekt. Tevens moet het selectieproces zo zijn ingericht dat de beste kandidaat wordt aangetrokken.
Inclusiviteit en Gelijke Kansen
Daarnaast is er steeds meer aandacht gekomen voor inclusiviteit en gelijke kansen voor iedereen. Indien in een team of bestuur bepaalde maatschappelijke groepen ontbreken, is er juist voorkeur voor het aannemen van iemand uit een niet goed vertegenwoordigde groep. Zeker nu er tekorten zijn, is het niet alleen voor potentiële werknemers die over het hoofd werden gezien van belang dat iedereen een eerlijke kans krijgt, ook voor werkgevers is het belangrijk dat goede kandidaten die buiten het zicht bleven nu ook kunnen worden aangenomen.
Automatisering van het Recruitment Proces
Naast deze veranderingen in de maatschappij speelt ook de automatisering van het recruitmentproces een rol. Computers zullen op zichzelf niet discrimineren, echter bij een onjuist algoritme of anderszins verkeerde selectiemethode kan discriminatie optreden. In een tijd waarin werkgevers bewust worden gemaakt van hun vooroordelen, blijkt software ook bias te kunnen hebben.
Overheidsinitiatieven
Dit is ook de overheid niet ontgaan en er worden thans eisen gesteld aan het voorkomen van discriminatie op de arbeidsmarkt, inclusief discriminatie door software. Wij willen bijdragen aan deze ontwikkeling om discriminatie en misrepresentatie op de arbeidsmarkt verder uit te bannen. Dit is tevens onderdeel van de KIA-ontwikkelingen KIA5a en KIA6.
Gebruik van Recruitment Technologieën
Bij werving en selectie van werknemers wordt in toenemende mate gebruikgemaakt van recruitment technologieën. Het gebruik hiervan kan het risico op discriminatie en uitsluiting vergroten. Uit onderzoek is gebleken dat vooral wanneer gebruik wordt gemaakt van kunstmatige intelligentie bepaalde patronen van discriminatie en uitsluiting worden versterkt. Ook kunstmatige intelligentie kan biased zijn, wat inhoudt dat het een systematische fout heeft, waardoor uitkomsten oneigenlijk worden beïnvloed.
Toetsing van Bias door BCR
BCR gaat met gebruikmaking van het innovatieve product toetsen of en zo ja in welke mate er bias zit in de gebruikte software. Bij afwijkingen kan dan worden bijgestuurd om op maat de processen te verbeteren en discriminatie meer en meer uit te bannen uit dit proces. Tegelijkertijd zal de kans op het aannemen van de beste kandidaat die beschikbaar is, aanmerkelijk worden vergroot.
Voorfase van het Proces
Ook in de voorfase wordt door BCR getoetst. Dit gebeurt door de gebruikte communicatie te controleren op bias, die ook kan worden bijgestuurd om bestaande onevenwichtige verdelingen in het team of bestuur gelijk te trekken. Hierbij kan gedacht worden aan het expliciet afstemmen van de vacature op vrouwelijke kandidaten naar aanleiding van een vrouwenquotum.
Bedrijven en Recruitment Technologieën
In Nederland zijn er 428.500 bedrijven met personeel, waarvan 15.500 met 50 of meer werknemers. Met name deze groep zal in overwegende mate reeds gebruikmaken van recruitment technologieën, dan wel binnen afzienbare tijd hier gebruik van gaan maken.
De 413.000 bedrijven met minder dan 50 werknemers zullen dit in mindere mate doen, desondanks neemt ook het gebruik van recruitment technologieën toe bij deze bedrijven. Bedrijven die gebruikmaken van recruitment software willen erop kunnen vertrouwen dat de beste kandidaten naar voren komen, omdat dit de beste resultaten zal geven voor het bedrijf.
Huidige Status van Recruitment Software
Thans staat deze software nog in de kinderschoenen en is er nog altijd sprake van bias, waardoor het gebruik hiervan nog niet duidelijk genoeg blijkt tot de beste selectie en daarmee de hoogste bedrijfsresultaten.
Toekomstige Ontwikkelingen met BCR
Met gebruikmaking van BCR zal de software zich ontwikkelen tot het niveau dat bias compleet zal worden uitgebannen. Omdat BCR op individueel niveau test, specifiek voor de relevante selectiecriteria en dit ook vastlegt, kan heel nauwkeurig voor iedere functie bias uitgesloten worden.
Voordelen van de Verbeterde Software
Hiermee snijdt het mes aan twee kanten:
- De beste mensen zullen worden geselecteerd, hetgeen de arbeidsproductiviteit van bedrijven zal verhogen.
- Dit gebeurt zonder daarbij de werknemers meer te belasten, aangezien de extra efficiëntie voortkomt uit de betere match.
Daarnaast zal door constante verbetering van de software niet alleen het selectieproces verbeterd en versimpeld worden, maar ook het gebruik hiervan toenemen.
Economische Impact
Al met al zou moeiteloos over de gehele linie de arbeidsproductiviteit met 5-10% kunnen toenemen, hetgeen zorgt voor een verbetering van het economische klimaat en welvaartsgroei die ten goede komt aan zowel werkgever als werknemer.
Financiële details & Tijdlijn
Financiële details
Subsidiebedrag | € 20.000 |
Totale projectbegroting | € 60.000 |
Tijdlijn
Startdatum | 1-8-2022 |
Einddatum | 30-4-2023 |
Subsidiejaar | 2022 |
Partners & Locaties
Projectpartners
- Posip BVpenvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
Bias NeutraliserCorTexter ontwikkelt een deep learning software om onbedoelde vooroordelen in recruitmentteksten te herkennen en te neutraliseren, waardoor gelijke kansen voor werkzoekenden worden bevorderd. | Mkb-innovati... | € 20.000 | 2021 | Details |
Candidate quality assessment AI engineRecrubo BV onderzoekt de haalbaarheid van een AI-engine voor het versnellen en vereenvoudigen van het recruteringsproces. | Mkb-innovati... | € 20.000 | 2023 | Details |
Generiek linguïstisch AI-voorspellingsmodel voor eerlijke HR-besluitvormingSeedlink ontwikkelt een generiek AI-voorspellingsmodel voor HR-besluitvorming, gericht op het verbeteren van nauwkeurigheid en eerlijkheid zonder specifieke klantdata, toegankelijk voor kleinere bedrijven. | Mkb-innovati... | € 20.000 | 2020 | Details |
BiasScoreBiasScore biedt een innovatieve oplossing om genderbias in geschreven content te identificeren en te waarborgen dat deze inclusief is. | Mkb-innovati... | € 20.000 | 2023 | Details |
Be your own recruiter 2.0Becruit BV ontwikkelt een intelligent recruitmentplatform met A.I. en predictive analytics om de kwaliteit en effectiviteit van kandidaten te verbeteren en de groei te versnellen. | Mkb-innovati... | € 20.000 | 2020 | Details |
Bias Neutraliser
CorTexter ontwikkelt een deep learning software om onbedoelde vooroordelen in recruitmentteksten te herkennen en te neutraliseren, waardoor gelijke kansen voor werkzoekenden worden bevorderd.
Candidate quality assessment AI engine
Recrubo BV onderzoekt de haalbaarheid van een AI-engine voor het versnellen en vereenvoudigen van het recruteringsproces.
Generiek linguïstisch AI-voorspellingsmodel voor eerlijke HR-besluitvorming
Seedlink ontwikkelt een generiek AI-voorspellingsmodel voor HR-besluitvorming, gericht op het verbeteren van nauwkeurigheid en eerlijkheid zonder specifieke klantdata, toegankelijk voor kleinere bedrijven.
BiasScore
BiasScore biedt een innovatieve oplossing om genderbias in geschreven content te identificeren en te waarborgen dat deze inclusief is.
Be your own recruiter 2.0
Becruit BV ontwikkelt een intelligent recruitmentplatform met A.I. en predictive analytics om de kwaliteit en effectiviteit van kandidaten te verbeteren en de groei te versnellen.
Vergelijkbare projecten uit andere regelingen
Project | Regeling | Bedrag | Jaar | Actie |
---|---|---|---|---|
Developing Bias Auditing and Mitigation Tools for Self-Assessment of AI Conformity with the EU AI Act through Statistical MatchingAct.AI aims to enhance AI fairness and compliance with the EU AI Act by providing a versatile, plug-and-play tool for continuous bias monitoring across various data types and industries. | ERC Proof of... | € 150.000 | 2024 | Details |
Biases in Administrative Service Encounters: Transitioning from Human to Artificial IntelligenceThis project aims to analyze communicative biases in public service encounters to assess the impact of transitioning from human to AI agents, enhancing service delivery while safeguarding democratic legitimacy. | ERC Consolid... | € 1.954.746 | 2025 | Details |
Algorithmic Bias Control in Deep learningThe project aims to develop a theory of algorithmic bias in deep learning to improve training efficiency and generalization performance for real-world applications. | ERC Starting... | € 1.500.000 | 2022 | Details |
Color your Lines!Het project ontwikkelt een slimme applicatie voor het testen van leesvaardigheid en het toepassen van kleurenfilters om leesproblemen te verminderen. | Mkb-innovati... | € 151.900 | 2022 | Details |
Synthetische Data GeneratorHet project ontwikkelt een automatische data generator voor synthetische data om AI-modellen in de agrarische en industriële sector te trainen, met als doel de efficiëntie en nauwkeurigheid te verbeteren. | Mkb-innovati... | € 176.050 | 2023 | Details |
Developing Bias Auditing and Mitigation Tools for Self-Assessment of AI Conformity with the EU AI Act through Statistical Matching
Act.AI aims to enhance AI fairness and compliance with the EU AI Act by providing a versatile, plug-and-play tool for continuous bias monitoring across various data types and industries.
Biases in Administrative Service Encounters: Transitioning from Human to Artificial Intelligence
This project aims to analyze communicative biases in public service encounters to assess the impact of transitioning from human to AI agents, enhancing service delivery while safeguarding democratic legitimacy.
Algorithmic Bias Control in Deep learning
The project aims to develop a theory of algorithmic bias in deep learning to improve training efficiency and generalization performance for real-world applications.
Color your Lines!
Het project ontwikkelt een slimme applicatie voor het testen van leesvaardigheid en het toepassen van kleurenfilters om leesproblemen te verminderen.
Synthetische Data Generator
Het project ontwikkelt een automatische data generator voor synthetische data om AI-modellen in de agrarische en industriële sector te trainen, met als doel de efficiëntie en nauwkeurigheid te verbeteren.