TalentApproved

US HR-opas haittavaikutustestaukseen: Suorita, Lue, Korjaa

US HR-opas haittavaikutustestaukseen: Suorita, Lue, Korjaa

Jos rekrytointiprosessisi tuottaa merkittävästi alhaisemman valintaasteen jollekin suojatulle ryhmälle verrattuna parhaiten menestyvään ryhmääsi, sinulla on signaali, joka on syytä tutkia. Laske vaikutussuhde ja tee merkitsevyystesti (käyttäen asianmukaisia menetelmiä suuremmille tai pienemmille näytteille) ennen kuin teet seuraavan rekrytointipäätöksen kyseisellä menettelyllä. Jos kumpi tahansa osoittaa ongelman, validoi arviointi UGESP:n mukaisesti tai vaihda sen tilalle vähemmän syrjivä vaihtoehto, joka ennustaa työssä suoriutumista yhtä hyvin.

TL;DR:

  • Epäsuotuisaa vaikutusta voi esiintyä myös neutraaleilla valintamenettelyillä, kuten testeillä tai haastatteluilla, tuottaen tilastollisesti merkitseviä eroja ilman tahallista tarkoitusta.
  • Arviointien validointi sisältää valintaasteiden laskemisen, alle 0,80 olevien vaikutussuhteiden tunnistamisen sekä merkitsevyystestien tekemisen sopivilla näytekoolla, yhdistäen useita rekrytointikierroksia tarkkuuden varmistamiseksi.
  • Organisaatioiden on pidettävä yksityiskohtaisia kirjauksia hakijatiedoista, validointitoimenpiteistä ja vaikutusanalyyseistä UGESP:n noudattamiseksi ja tarkastusten varalta, erityisesti liittovaltion urakoitsijoiden osalta.
  • Tehtäväkohtaiset, rooliin perustuvat arvioinnit ja strukturoidut haastattelut vähentävät eroja paremmin kuin yleiset seulontamenetelmät, erityisesti silloin kun ne on suunniteltu työnanalyysin pohjalta etukäteen.
  • Vaikutussuhteiden ja tekoälytyökalujen jatkuva seuranta, yhdessä toimittajan validoinnin kanssa, on välttämätöntä oikeudenmukaisten rekrytointikäytäntöjen ylläpitämiseksi ja toistuvien erojen välttämiseksi pitkällä aikavälillä.
Talent Approved
Rakenna jäsennellympiä arviointeja
Luo räätälöityjä, roolikohtaisia taitoarviointeja, jotka auttavat työnantajia arvioimaan todistettuja kykyjä ja tarkastelemaan tuloksia suuremmalla luottamuksella.
Tutustu Talent Approvediin

Sisällysluettelo

Mitä epäsuotuisan vaikutuksen testaus todella mittaa

Epäsuotuisa vaikutus on tilastollinen tulos, ei motiivi. Se ilmenee, kun neutraalilta näyttävä valintamenettely – kognitiivinen testi, haastatteluarviointikehikko tai ansioluetteloseulonta – tuottaa merkittävästi erilaisia läpäisyasteita rodun, sukupuolen, iän tai muiden suojeltujen ryhmien välillä, riippumatta siitä, mitä kukaan on tarkoittanut. Tämä erottaa sen syrjivästä kohtelusta, joka vaatii todisteita siitä, että jotakuta on kohdeltu tarkoituksella eri tavoin. Epäsuotuisan vaikutuksen analyysi esittää kylmemmän kysymyksen: jakautuivatko luvut epätasaisesti, ja jos niin, miksi?

Oikeudellinen kehys rakentuu kolmesta lähteestä. Yhdysvaltain kansalaisoikeuslain VII osasto kieltää työllistämiskäytännöt, jotka suhteettomasti karsivat suojattua ryhmää, ellei työnantaja pysty perustelemaan käytäntöä. Uniform Guidelines on Employee Selection Procedures (UGESP), jonka liittovaltion virastot ottivat yhteisesti käyttöön vuonna 1978, täsmentää, kuinka työnantajien tulisi arvioida valintavälineitään ja milloin heidän on toimitettava viranomaiselle validointitutkimus. EEOC panee täytäntöön VII osaston ja antaa tulkintaohjausta, kun taas OFCCP soveltaa vastaavia standardeja liittovaltion urakoitsijoihin ja suorittaa usein tilastollisen testauksen vaatimustenmukaisuuden tarkastusten aikana.

Validointi käynnistyy heti, kun epäsuotuisan vaikutuksen analyysi paljastaa tilastollisen ja käytännöllisen merkitsevyyden kynnykset ylittävän eron. Siinä vaiheessa EEOC:n ohjeistus on suoraviivaisesta: työnantajan on osoitettava, että menettely liittyy työn vaatimuksiin ja on yhdenmukainen liiketoiminnan tarpeiden kanssa, tai siirryttävä vähemmän syrjivään vaihtoehtoon.

Liittovaltion laki suojaa seuraavia ryhmiä työhön liittyvän testauksen yhteydessä:

  • Rotu ja väri
  • Sukupuoli, mukaan lukien raskaus ja sukupuoli-identiteetti
  • Kansallinen alkuperä
  • Uskonto
  • Ikä (40 vuotta täyttäneet, ADEA:n nojalla)
  • Vammaisuus (ADA)

Jokainen näistä kategorioista tarvitsee oman valintaastervertailunsa. Niiden niputtaminen yhteen tai ainoastaan rodun tarkistaminen iän ohittaen on se tapa, jolla erot jäävät huomaamatta siihen asti, kunnes syyte saapuu pöydällesi.

Kuinka laskea luvut: valintaasteet, vaikutussuhteet ja merkitsevyystestit

Rekrytointiprosessisi syrjinnän testaaminen noudattaa kiinteää järjestystä. Ohita vaihe ja joko menetät todellisen ongelman tai jahtaat kuvitteellista.

  1. Laske kunkin ryhmän valintaaste. Jaa valittujen määrä kyseisen ryhmän hakijoiden määrällä. Jos 80 naista haki ja 20 palkattiin, valintaaste on 25 %.
  2. Tunnista korkein valintaasteen ryhmä. Tästä tulee vertailuperustasi ryhmän koosta riippumatta.
  3. Laske vaikutussuhde. Jaa kunkin ryhmän valintaaste perusryhmän asteella. Alle 0,80 oleva suhde laukaisee neljä-viidesosaa -säännön.
  4. Tee merkitsevyystesti. Ryhmille, joissa on 30 tai enemmän henkilöä, käytä kahden otoksen binomiaalista Z-testiä. Pienemmille otoksille käytä Fisherin tarkkaa testiä, joka ei perustu suurten otosten approksimaatioihin.
  5. Tulkitse suhteessa alfatasoosi. Useimmat ammattilaiset käyttävät alfatasoa, joka vastaa noin 95 %:n luottamusta, vaikka jotkin virastot soveltavat tiukempia kynnysarvoja kaksisuuntaisiin vertailuihin.

Tilastollinen huomio: OFCCP pitää tilastollisesti merkitsevänä absoluuttista Z-arvoa, joka vastaa karkeasti noin 95 %:n luottamustasoa. Tämä luku, ei pelkästään neljä-viidesosaa -suhde, on se, jonka liittovaltion vaatimustenmukaisuusvirkailija todella laskee tarkastuksen aikana.

Neljä-viidesosaa -sääntö on seulontaväline, ei tuomio. EEOC:n ohjeistus kuvaa sitä nyrkkisääntönä, jota virastot soveltavat harkinnanvaraisesti. 0,79:n suhde kuuden hakijan joukossa ei tilastollisesti tarkoita lähes mitään. 0,83:n suhde 4 000 hakijan joukossa saattaa silti edustaa todellista, merkitsevää eroa. Sääntö osoittaa, missä kannattaa katsoa. Z-testi tai Fisherin tarkka testi kertoo, onko se, mitä katsot, pelkkää kohinaa.

Tässä on yksinkertaistettu läpikäynti. Oletetaan, että 200 miestä ja 150 naista hakee teknikkopaikkaa. Vaikutussuhde on 20/30 eli 0,67, selvästi alle 0,80:n kynnyksen. Kahden otoksen Z-testin ajaminen noille luvuille (molemmissa ryhmissä yli 30 henkilöä) kertoisi, johtuuko tuo 10 prosenttiyksikön ero todennäköisesti sattumasta vai heijastaako se rakenteellista ongelmaa itse arvioinnissa.

Vaikutussuhteen laskenta ja testauksen etenemispolku

Tulosten tulkinta ilman ylireagointia tai alireagointia

Merkitty suhde on lähtökohta tutkinnalle, ei automaattinen syrjintähavainto, eikä puhdas suhde takaa, että prosessisi on reilu. Pienet hakijajoukot vääristävät sekä neljä-viidesosaa -suhdetta että merkitsevyystestejä: muutama palkkauspäätös voi heilauttaa valintaastetta 10–15 prosenttiyksikköä, joten yksi rekrytointikierros kertoo harvoin koko tarinan yksin.

Varo näitä yleisiä virheitä:

  • Kymmenien alaryhmien testaaminen alfaa säätämättä, mikä kasvattaa väärien positiivisten todennäköisyyttä jossakin datan kohdassa pelkästään sattuman vuoksi.
  • Luottamusvälien huomiotta jättäminen ja rajatapaussuhteen käsitteleminen ehdottoman hyvänä tai ehdottoman rikkinäisenä.
  • Ylireagointi yhteen huonoon kvartaaliin sen sijaan, että useita rekrytointikierroksia yhdistettäisiin sen selvittämiseksi, pitääkö malli paikkaansa.
  • Alireagointi "hyväksyttyyn" neljä-viidesosaa -suhteeseen, joka piilottaa tilastollisesti merkitsevän Z-arvon, sillä nämä kaksi mittaria vastaavat eri kysymyksiin.

Jokaiseen merkitsevyystestiin liittyy kompromissi tyypin I virheen (oikeudenmukaisen prosessin merkitseminen syrjiväksi) ja tyypin II virheen (aidosti syrjivän prosessin huomaamatta jättäminen) välillä. Tiukempi alfa vähentää vääriä hälytyksiä, mutta helpottaa todellisten erojen liukumista läpi pienemmissä otoksissa – juuri siksi sääntelijät tukeutuvat Fisherin tarkkaan testiin Z-testin sijaan, kun ryhmäkoot ovat pieniä.

Vinkki: Yhdistä vähintään kaksi tai kolme rekrytointikierosta ennen kuin päätät, onko ero todellinen. Yksi poikkeuksellinen kvartaali 12 hakijalla voi tuottaa dramaattiselta näyttävän suhteen, joka häviää, kun lisäät seuraavat 200 ehdokasta tietojoukkoon.

Kun tulos ylittää sekä neljä-viidesosaa -kynnyksen että merkitsevyystestin useiden kierrosten ajan, on aika siirtyä validointiin tai kokeilla korvaavaa vaihtoehtoa – ei vain seurata ja toivoa itsestään korjaantumista.

Prosessin korjaaminen: työnanalyysi, strukturoidut haastattelut ja paremmat arvioinnit

Lieventäminen toimii parhaiten, kun se alkaa ennen kuin julkaiset ainuttakaan työpaikkailmoitusta – ei vasta sen jälkeen, kun epäsuotuisan vaikutuksen analyysi paljastaa ongelman.

  1. Aloita työnanalyysilla. Määrittele tehtävän todelliset tehtävät ja osaaminen ennen kuin valitset tai rakennat minkäänlaista testiä. Yleinen kognitiivinen kykytesti tiedonsyöttötehtävään kutsuu esiin eroja, jotka tehtäväpohjainen kirjoitusnopeus- ja tarkkuustesti välttäisi.
  2. Suosi tehtäväpohjaisia, roolikohtaisia arviointeja laajojen seulontojen sijaan. Strukturoidut, työn kannalta relevantit testit, jotka heijastavat todellisia työtehtäviä, tuottavat tyypillisesti pienempiä ryhmäeroja kuin abstraktit soveltuvuustestit samalla ennustaen suoriutumista hyvin.
  3. Käytä strukturoituja haastatteluja kiinteiden kysymysten ja pisteytyskehikkojen avulla. Strukturoimattomat haastattelut, joissa kukin haastattelija kysyy mitä mieleen tulee, ovat paikka, jossa subjektiivinen harha pääsee voimakkaimmin vaikuttamaan.
  4. Rakenna pistelomakkeet ja kouluta arvioijat kalibroimaan niihin perustuen. Kahden haastattelijan saman vastauksen pisteytysten tulisi erota korkeintaan yhden pisteen verran, ei kolmen.
  5. Kokeile vaihtoehtoja, kun työkalu osoittaa epäsuotuisaa vaikutusta. UGESP edellyttää työnantajilta sopivien vaihtoehtojen arvioimista ja sen omaksumista, jolla on olennaisesti yhtä hyvä validiteetti ja pienempi vaikutus.

Vinkki: Älä hylkää arviointia pelkästään siksi, että se osoittaa eron. Vertaile sen validiteettia ensin ehdotettuun korvaajaan. Hyvin validoidun testin vaihtaminen testaamattomaan voi vaihtaa juridisen riskin huonon palkkauksen riskiin.

Strukturoidut, tehtäväpohjaiset seulontatyökalut, jotka on kartoitettu suoraan työn osaamisvaatimuksiin, suoriutuvat johdonmukaisesti paremmin kuin yleiset seulonnat sekä oikeudenmukaisuuden että ennustevaliditeetin suhteen – pitkälti siksi, että ne mittaavat sitä, mitä työ todella vaatii, eikä jonkin sen korviketta.

Tehtäväosaaminen kartoitettuna arviointimoduuleihin

Validointi ja kirjanpito: mitä UGESP edellyttää säilytettäväksi

UGESP edellyttää validointitutkimusta, kun epäsuotuisan vaikutuksen analyysi ylittää tilastolliset ja käytännölliset kynnykset, ja ohjeistus tunnistaa kolme todistelutapaa: sisältövaliditeetti (testi heijastaa suoraan työtehtäviä), kriteerivaliditeetti (pisteet korreloivat todellisen työssä suoriutumisen kanssa) ja rakennevaliditeetti (testi mittaa työn menestykseen liittyvää taustalla olevaa piirrettä).

Paikallinen validointi, omaan hakijapopulaatioosi perustuva tutkimus, on painavin. Siirretty validiteetti, jossa luotetaan vastaavan tehtävän muualla tehtyyn validointitutkimukseen, on hyväksyttävä, kun roolit ja ympäristöt ovat aidosti vertailukelpoisia, mutta sääntelijät tarkastelevat sopivuutta tarkasti.

Pidä nämä tiedot tallessa ja tarkastusvalmiina:

  • Hakijavirtatiedot eriteltynä suojeltujen ryhmien mukaan, jokaista toimeksiantoa varten
  • Valintaasteet ja vaikutussuhdelaskelmat kullekin rekrytointikierrokselle
  • Kaikki validointitutkimusdokumentaatio, mukaan lukien metodologia ja tulokset
  • Toimittajien materiaalit, joissa kuvataan, kuinka hankittu arviointi on rakennettu ja validoitu

CFR §1607.4 hahmottaa kirjanpitovaatimukset suoraan neljä-viidesosaa -säännön täytäntöönpanoon sidottuna. Käsittele näitä tietoja kuten verodokumentteja: säilytä ne vuosien ajan, järjesteltynä kierroksen mukaan, ja valmiina luovutettavaksi lyhyellä varoitusajalla.

Tekoäly- ja algoritmipohjaisten seulontatyökalujen hallinta

Algoritmi ei saa vapautusta vain siksi, että ihminen ei kirjoittanut pisteytyssääntöjä käsin. EEOC:n tekninen ohjeistus on selkeä: algoritmipohjaista vapautusta ei ole olemassa. Ohjelmistojen, ansioluetteloiden ranking-työkalujen ja tekoälypohjaisten seulontojen on täytettävä sama työn vaativuuteen liittyvä ja validointistandardi kuin paperilla tehtävän testin vuodelta 1985.

Rakenna seurantarytmi, ei kertaluonteinen tarkastus:

  • Aja vaikutussuhteet ja merkitsevyystestit uudelleen joka rekrytointikierros tai kvartaali, kumpi tahansa tulee ensin
  • Seuraa valintaasteita suojeltujen ryhmien mukaan jokaisessa vaiheessa, johon työkalu koskettaa, ei pelkästään lopullisessa päätöksessä
  • Kysy toimittajilta suoraan heidän validointinäyttönsä, kuvaus heidän koulutusaineistostaan ja mahdolliset oikeudenmukaisuustestit, joita he ovat suorittaneet
  • Pidä korjauspolku valmiina: mallin säätö, lisätty ihmisarviointi tai vaihtoehtoisen arvioinnin käyttöönotto

Vinkki: Pyydä toimittajan epäsuotuisan vaikutuksen dokumentaatio ennen sopimuksen allekirjoittamista, ei ensimmäisen merkityn kvartaalin jälkeen. Tekoälyseulontatyökalujen jatkuva valvonta toimii paljon paremmin vakiintuneena käytäntönä kuin kiireisenä paikkausyrityksenä.

Käytännön tarkistuslista oikeudenmukaisempien arviointien rakentamiseen

Oikeudenmukainen testaus alkaa suunnittelusta, ei vahinkojen korjaamisesta. Kartoita työtehtävät testin sisältöön, rakenna osiot näiden tehtävien pohjalta, pilotoi todellisella hakijaotoksella, mittaa vaikutussuhteet, validoi tai tarkista ennen täysimittaista käyttöönottoa.

  • Kartoita ydintyötehtävät ennen kuin kirjoitat yhtäkään kysymystä
  • Rakenna tehtäväpohjaisia osioita, ei yleisiä soveltuvuuskysymyksiä
  • Pilotoi edustavalla hakijaotoksella
  • Mittaa vaikutussuhteet ja merkitsevyys ennen täyttä käyttöönottoa
  • Validoi tai iteroi pilotin tulosten perusteella

Petostentorjuntatoimet ja tekoälyn tuottamat pisteytysyhteenvedot nopeuttavat tätä sykliä huomattavasti. Kun jokainen ehdokas suorittaa saman tehtäväpohjaisen testin samoissa valvotuissa olosuhteissa ja jokaiseen pisteeseen liittyy dokumentoitu perustelu, saat puhtaampaa dataa vaikutussuhdelaskelmiin ja paperijäljen valmiina tarkastukseen.

Miltä epäsuotuisan vaikutuksen testaus näyttää eri toimialoilla

Mekaniikat pysyvät kaikkialla samoina, mutta tarkastelun kohteeksi joutuvat työkalut vaihtelevat toimialoittain. Teollisuudessa ja logistiikassa fyysisen kyvyn testit ja voimakkuuden arvioinniit ovat historiallisesti tuottaneet joitakin suurimmista sukupuolten välisistä eroista, mikä on saanut monet työnantajat siirtymään tehtävänsimulaatiotesteihin, jotka heijastavat todellista nostotyötä tai vaadittuja liikkeitä raakojen voimamittareiden sijaan.

Teknologia- ja rahoitusalalla kognitiiviset kykytestit ja koodausarvioinnit herättävät eniten tarkastelua. Yleinen logiikkatesti voi tuottaa rodun tai kansallisen alkuperän mukaisia eroja, joita roolikohtainen koodaushaaste – arvioituna todellisen työn käyttämää kieltä ja tehtäväpinoa vasten – usein kaventaa huomattavasti.

Vähittäiskaupan ja hotelli- ja ravintola-alan rekrytointi nojaa vahvasti strukturoituihin haastatteluihin ja persoonallisuusarviointeihin, joissa strukturoimattomat, vapaamuotoiset haastatteluformaatit ovat edelleen yksi yleisimmistä arvioijalähtöisten erojen lähteistä. Terveydenhuoltojärjestelmät testaavat yhä enemmän lupaan liittyviä taitoja (potilastietojen kirjaustarkkuus, lääkelaskenta) laajan soveltuvuuden sijaan, pitkälti siksi, että nämä tehtäväpohjaiset mittarit kestävät paremmin sekä validiteetti- että epäsuotuisan vaikutuksen tarkastelussa.

Julkisen sektorin ja liittovaltion urakoitsijoiden rekrytointi on kaikkein tiukimman tarkasteluun alaista, sillä OFCCP:n vaatimustenmukaisuusarvioinnit poistavat hakijavirtatiedot rutiininomaisesti ja laskevat Z-testin uudelleen itsenäisesti. Kaikkien liittovaltion sopimuksia omaavien työnantajien pitää olettaa, että heidän lukunsa lasketaan uudelleen jonkun organisaation ulkopuolisen toimesta.

Missä epäsuotuisan vaikutuksen testaus jää vajaaksi

Neljä-viidesosaa -sääntö ja merkitsevyystestaus ovat hyödyllisiä työkaluja, mutta niillä on rajoituksensa. Molemmilla menetelmillä on rakenteellinen heikkous: ne mittaavat tuloksia ryhmätasolla, mikä tarkoittaa, että ne voivat jättää kokonaan huomaamatta yksilötason epäoikeudenmukaisuuden – tai merkitä eron, jolla ei ole mitään tekemistä itse testin kanssa vaan kaikki epäedustavan hakijajoukon kanssa.

Otoskoko leikkaa molempiin suuntiin. Liian vähän hakijoita ryhmässä ja neljä-viidesosaa -suhde heilahtelee rajusti yhdestä tai kahdesta palkkauksesta. Fisherin tarkka testi käsittelee pieniä otoksia paremmin kuin Z-testin approksimaatio, mutta pienet otokset rajoittavat tilastollista voimaa – eikä sekään pysty luomaan tilastollista voimaa kahdeksan hakijan joukosta. Toisessa ääripäässä hyvin suuret hakijajoukot voivat tuottaa tilastollisesti merkitsevän Z-arvon niin pienelle erolle, ettei sillä ole käytännöllistä merkitystä kenenkään uralle.

Tietojen laatu on oma heikkoutensa. Itseraportoiduissa demografisissa tiedoissa on aukkoja ja epäjohdonmukaisuuksia. Monivaiheinen rekrytointisuppilo tekee helpoksi menettää käsityksen siitä, ketkä ehdokkaat poistuivat vapaaehtoisesti ja ketkä karsittiin pois testattavalla työkalulla. Ja kymmenien työkategorioiden tai sijaintien samanaikainen testaaminen ilman useiden vertailujen oikaisua kasvattaa todennäköisyyttä, että jokin näyttää merkityltä pelkästään sattuman vuoksi.

Mikään tästä ei tee metodologiaa hyödyttömäksi. Se tarkoittaa, että epäsuotuisan vaikutuksen testaus on yksi syöte harkintapäätökseen, ei kaava, joka itsestään tuottaa puhtaan hyväksymisen tai hylkäämisen.

Epäsuotuisan vaikutuksen tarkistusten sisällyttäminen jatkuvaan hallintaan

Suurin virhe, jonka näen, on tämän käsitteleminen kertaluonteisena tarkastuksena pysyvän käytännön sijaan. Aja suhteet kerran, korjaa merkitty testi, siirry eteenpäin – ja sama ero nousee usein esiin kaksi rekrytointikierrosta myöhemmin hieman erilaisessa muodossa. Sisällytä se kvartaaliarviointeihin, kouluta rekrytointivastaavat tunnistamaan varoitusmerkit ennen kuin HR:n täytyy napata ne jälkikäteen, ja saat lakiosaston, HR:n ja analytiikan samaan huoneeseen, kun luku liikkuu. Omistajuuden jakautuminen kolmelle osastolle ilman yhteistä kojelautaa on se tapa, jolla erot jäävät vuosiksi huomaamatta.

— Jimmie

Rakenna oikeudenmukaisempia testejä nopeammin Talent Approvedilla

Talent Approved tarjoaa työkaluja tehtäväpohjaisten arviointien nopeaan luomiseen, mikä voi olla hyödyllistä, kun epäsuotuisan vaikutuksen analyysi osoittaa tarpeen kokeilla vaihtoehtoa nopeasti. Magic Create -ominaisuus rakentaa roolikohtaisia testejä suoraan työnkuvauksesta tai taitoluettelosta – juuri sellainen tehtäväkartoitettu arviointi, jota tämä opas suosittelee yleisten kognitiivisten seulontojen sijaan.

Talent Approved

Sisäänrakennettu seuranta ja tekoälyn tuottamat suoritusyhteenvedot pyrkivät tarjoamaan puhtaat, dokumentoidut pisteytysdatat, jotka ovat hyödyllisiä validointitutkimuksissa tai arvioinneissa. Tuo dokumentaatiopolku – suoraan kytkettynä yllä käsiteltyihin lieventämistoimiin – on usein se ero, joka erottaa nopean vaatimustenmukaisuusvastauksen vanhojen laskentataulukoiden selaamisesta. Jos nykyinen seulontatyökalusi on koskaan saanut sinut hermostumaan valintaasteistaan eri ryhmien välillä, aloita roolikohtaisen arvioinnin rakentaminen Talent Approvedilla ja katso, kuinka nopeasti oikeudenmukaisempi testi syntyy.

Lähteet

UKK

Mikä on ero epäsuotuisan vaikutuksen ja syrjivän kohtelun välillä?

Epäsuotuisa vaikutus on tilastollinen ero suojeltujen ryhmien tuloksissa neutraalista menettelystä johtuen, kun taas syrjivä kohtelu vaatii todisteita tahallisesta syrjinnästä tiettyä henkilöä tai ryhmää kohtaan.

Mikä on neljä-viidesosaa -sääntö työhön liittyvässä testauksessa?

Se merkitsee mahdollisen ongelman, kun suojatun ryhmän valintaaste laskee alle 80 %:n korkeimman valintaasteen ryhmän asteesta, vaikka EEOC:n ohjeistus käsittelee sitä seulontatyökaluna eikä lain absoluuttina.

Milloin minun pitäisi käyttää Z-testiä vs. Fisherin tarkkaa testiä?

Käytä kahden otoksen binomiaalista Z-testiä, kun kussakin ryhmässä on 30 tai enemmän hakijaa; käytä Fisherin tarkkaa testiä pienemmille otoksille, joissa suurten otosten approksimaatiot muuttuvat epäluotettaviksi.

Tarvitsevatko tekoälyrekrytointityökalut myös epäsuotuisan vaikutuksen testausta?

Kyllä. EEOC on selventänyt, että algoritmipohjaisille työkaluille ei ole vapautusta epäsuotuisan vaikutuksen analyysista, joten ohjelmistojen ja tekoälypohjaisten seulontatyökalujen on täytettävä samat testaus- ja validointivaatimukset kuin perinteisten arviointien.

Mitä tapahtuu, jos arviointini osoittaa epäsuotuisaa vaikutusta?

Sinun on osoitettava, että menettely liittyy työn vaatimuksiin ja on yhdenmukainen liiketoiminnan tarpeiden kanssa, tai otettava käyttöön vähemmän syrjivä vaihtoehto, jolla on vertailukelpoinen validiteetti – ja alustat kuten Talent Approved voivat auttaa sinua pilotoimaan ja dokumentoimaan tuon vaihtoehdon nopeasti.