章 5
人工智能辅助招聘与甄选
就业机会中的效度、无障碍性与不歧视。
5.1 岗位分析
经得起论证的甄选，始于识别岗位任务、能力要求及工作条件。标准必须关联这些要求，并能够解释。照搬以往员工的特征，可能延续历史人员构成，却无法证明这些特征必不可少。
测试必须适合所要衡量的内容。采用熟悉的技术，并不会自动继承效度。必须考察评价是否提供相关信息，其后果是否符合所声明的目的。
5.2 申请材料筛选
人工智能可以协助定位求职材料中的信息，或比较明确要求。对于信息缺失和格式差异，必须谨慎处理。非传统简历并不证明能力较差，提取错误也可能排除合适的人选。
宜将信息检索与淘汰决策分离。必须保留可供复核的证据，并在存在技术障碍时提供替代渠道。标准应保持稳定，不得在流程中暗中改变。
5.3 面试与无障碍性
结构化面试采用与岗位有关的问题及明确的评分标准。数字工具可以组织流程，却不能据此作出未经验证的人格或情绪推断。口音、残障或网络连接质量，不应成为隐性的劣势。
无障碍性需要清楚的说明、可用的格式，以及依据具体情况和适用框架提供的合理便利。替代方案应允许进行可比评价，不惩罚需要其他参与渠道的人。
5.4 公平与审计
公平并不只是删除姓名或照片。其他变量可能充当受保护特征的间接指标。审计必须考察成功的定义、历史数据、甄选错误及完整流程的结果。
解释指标时，应关注样本规模与不确定性。统计差异需要调查；平均值相近也不能证明不存在歧视。结论应形成文档，并与具体纠正措施相联系。
5.5 决策与沟通
决策必须关联相关标准及充分证据。求职者需要获得易懂的流程说明和复审渠道。解释不必披露他人数据，或与论证结果无关的秘密。
欧洲框架将就业领域中人工智能的某些用途列为高风险。适用分类、义务和时间表必须依据最新官方来源核实；它们并非只取决于工具的商业标签[R1]。
问卷
本章理解 & 人力资源困境
困境题不设道德评分，也不用于评价求职申请。