Detailansicht
The perception of fairness in AI-enabled algorithm-driven personnel preselection
Sophie Ortner
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Internationale Betriebswirtschaft
Betreuer*in
Oliver Fabel
DOI
10.25365/thesis.73411
URN
urn:nbn:at:at-ubw:1-30712.75848.176124-2
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Die Besetzung freier Stellen wird für einige Unternehmen zunehmend schwieriger. Die Vorauswahl von Personal kann entweder durch menschliche Personalvermitt-ler:innen oder durch KI-gestützte Algorithmen erfolgen. Durch den Einsatz solcher Algorithmen können viele Ressourcen, insbesondere Zeit und Kosten, eingespart werden. Außerdem kann dadurch die Attraktivität eines Unternehmens gesteigert werden. Darüber hinaus gibt es bereits viele Programme, die KI-gestützt sind. Bis-lang werden sie in Österreich allerdings nur selten eingesetzt. Damit ein Auswahl-verfahren auch erfolgreich ist, müssen es die Bewerber:innen allerdings zunächst akzeptieren. Dafür müssen sie ein Auswahlsystem fair empfinden. Das Konzept von Fairness ist jedoch schwierig zu erfassen. Viele verschiedene Modelle versuchen, die Wahrnehmung von Fairness zu messen: In dieser Arbeit wird das Modell der Reaktionen von Bewerber:innen auf Personalauswahlsysteme verwendet (Gilliland, 1993). Zusammen mit zehn Regeln der Verfahrensgerechtig-keit kann die gesamte Fairness eines Auswahlverfahrens direkt abgeleitet werden. In dieser Arbeit wird versucht, die folgende Forschungsfrage zu beantworten: Wie verändert sich die wahrgenommene Fairness beim Einsatz von KI-gestützten Algo-rithmen in der Personalvorauswahl? Die angewandte Forschungsmethode ist eine quantitative Online-Befragung. Die Stichprobe umfasst 101 Student:innen und junge Berufstätige im Alter von 18 bis 35 Jahren. Sie wurden zu zwei Szenarien befragt: In einem Fall geht es um eine KI in der Personalvorauswahl, im zweiten um eine:n menschliche:n Personalvermitt-ler:in. Anschließend wurde auch der direkte Vergleich der beiden erfragt. Die Ant-worten der Befragten werden zur Überprüfung der Hypothesen herangezogen. Damit wird die Forschungsfrage behandelt. Die vorliegende Arbeit zeigt, dass die gestellte Forschungsfrage nicht eindeutig be-antwortet werden kann. Weder KI noch menschliche Personalvermittler:innen wer-den als fairer wahrgenommen. Dennoch zeigen die Ergebnisse, dass KI in Bezug auf die Art des Verfahrens als fairer wahrgenommen wird. Gleichzeitig werden Per-sonalvermittler:innen hinsichtlich menschlicher Aspekte, wie zwischenmenschli-chem Austausch, bevorzugt. Darüber hinaus gibt es einige Aspekte, bei denen der Entscheidungsmodus keinen Einfluss auf die Wahrnehmung der Fairness hat, beispielsweise ‚Information zum Auswahlprozess‘. Eventuell könnte der gemein-same Einsatz von KI und menschlichen Personalvermittler:innen ein Weg sein, um die größte Wahrnehmung von Fairness bei Bewerber:innen zu erreichen.
Abstract
(Englisch)
Filling vacancies becomes increasingly challenging for some companies. Person-nel preselection can either be done by human recruiters or by AI-enabled algo-rithms. Deploying such algorithms can save a lot of resources, especially time and costs, and might increase employers’ attractiveness as well. Moreover, many tools to deploy AI-enabled algorithms already exist. So far, they are rarely used in Austria. Still, in the first place, applicants must accept the selection process to be successful. Therefore, selection systems must be perceived as fair. The concept of fairness is challenging to grasp. Many different models are trying to measure fairness perception. This research uses the model of applicants' reactions to employment selection systems (Gilliland, 1993). Along with ten procedural justice rules, the overall fairness of a selection process can be directly derived. This thesis tries to answer the research question: How is perceived fairness changed when im-plementing AI-enabled algorithms in personnel preselection? The method used in this research is a quantitative online survey. The sample com-prises 101 students and young professionals aged 18 to 35. They were asked about two scenarios; one involves AI in personnel preselection, and the second one in-volves a human recruiter. Subsequently, the direct comparison of the two modes of decision-making was also surveyed. The respondents' answers given in the survey are used to verify the hypotheses. Along with these findings, the posed research question is addressed. The given research question cannot be answered clearly. Therefore, neither AI nor human recruiters are perceived as fairer than the other one. Still, the results show AI is perceived as fairer regarding the mode of procedure. At the same time, human recruiters are preferred regarding human aspects, such as interpersonal exchange. Moreover, there are some aspects for which the decision-making mode does not impact fairness perception, such as ‘selection information’. This research concludes that applying AI and human recruiters might be the right mix to achieve the greatest fairness perception by applicants.
Schlagwörter
Schlagwörter
(Deutsch)
Personalvorauswahl KI Fairness Algorithmen
Schlagwörter
(Englisch)
Personnel preselection AI fairness algorithms
Autor*innen
Sophie Ortner
Haupttitel (Englisch)
The perception of fairness in AI-enabled algorithm-driven personnel preselection
Paralleltitel (Deutsch)
Die Wahrnehmung von Fairness in der KI-gestützten, algorithmengesteuerten Personalvorauswahl
Publikationsjahr
2023
Umfangsangabe
72 Seiten : Diagramme
Sprache
Englisch
Beurteiler*in
Oliver Fabel
AC Nummer
AC16819781
Utheses ID
66482
Studienkennzahl
UA | 066 | 914 | |