研究:那些致力发展多元化员工公司为何仍然失败
1815字
2021-02-13 15:04
43阅读
火星译客

即使你的公司致力于员工多元化包容,你公司在招聘策略中也可能存在隐藏的偏见。根据最近对几家知名公司的招聘实践的研究,存在这几种形式。例如,你可能认为无薪实习比其他类型的暑期工作更好,这就有了社会经济偏见。而你可能认为,如果提供给你一份工作,你可能会认为,少数族裔和女性求职者不太可能接受一份工作,因为有那么多其他公司也有兴趣聘用她们(顺便说一句,研究没有证实这一点);正因为如此,你可能不太可能追求招聘这些候选人。所以,如果你真的想要实现公司的员工多元化,请你认真审视一下你的招聘流程,并正视这样一个事实,即它们在实践中可能并不像想象中那样有效。

我们正在进行一场早该进行的关于系统性种族偏见和不平等的全国性对话。这种估算迫使大大小小的公司不得不应对自身员工多元化,许多公司已经发现它们缺少多元化员工。

随着经济持续回暖,工人在各行业间重组满足新的劳动力需求,企业可以解决这些问题。然而,为了利用这一次机会,企业——即使是拥有积极的多元化和包容性员工举措的企业,也必须检查公司招聘流程的各个部分是否存在无意的偏见。

大量学术研究发现,招聘经理都会对代表性不足的少数群体有偏见。一个突出的例子是2004年的一项关于种族偏见的研究,研究人员使用了 "简历审核"。他们将同样的简历发给许多经理,并在顶部随机分配一个名字。他们发现,当一份简历的名字被研究人员暗示候选人是黑人时(如 "Lakisha "或 "Jamal"),选择来面试的请求比为听起来像白人的名字时(如 "Emily "或 "Greg")要少。

这些发现已经被重复很多次,但是“简历审核”方法只能调查些愿意面试通过招聘广告申请的未知候选人的雇主的偏见。这些雇主通常规模较小,招聘的职位选择性较低。

我们想探讨职位选择更大、更知名的雇主的偏好--这类雇主通过与学校和其他支线组织的关系而不是冷简历来进行招聘。这些雇主中的许多人都有积极的员工多元化和包容性举措,这表明他们在招聘时可能会倾向于多元化候选人,或至少避免对少数族裔和妇女有偏见。

为了调查是否如此,所以,我们建立了一个我们需要的新工具。与我们前研究生科林-沙利文一起,,开发了一种我们称之为“激励简历评级”的方法。我们的方法是邀请公司对随机分配的特征(如GPA、专业、工作经验、课外活动和技能)的简历进行评分,以及对种族和性别有指示作用的名字。招聘人员知道这些简历是假设的,但有一个重要的变化:他们的会回答被用来与真实的求职者进行匹配,从而从而激励公司仔细评估这些假设性的简历。

我们首先对我们的母校--宾夕法尼亚大学参与校园招聘的雇主实施了激励性的简历评级。来自著名公司的招聘经理报名参加了我们的项目,他们每人给40份简历打分,为我们提供了一个了解他们招聘偏好的机会。我们的研究结果最近发表在《美国经济评论》上。

我们发现了什么?

我们要求企业以1-10分的标准对他们对聘用潜在候选人的兴趣程度进行评分。正如预期的那样,公司看重更高的平均绩点,因此我们以平均绩点的其他影响为基准,他们更喜欢在宾大内部的名校(如沃顿商学院)就读的候选人,而不是标准本科课程的候选人。

同样如预期的那样,公司重视实习经验的质量和次数:

  • 在大四之前的暑假里,如果拥有一份优秀的实习工作(比如高盛、麦肯锡和谷歌),而不是一份比较标准的实习工作,则会增加大约相当于半个GPA点的评分(比如从3.5分到4.0分)。 
  • 在大三前的暑假多一份标准的实习也很受重视,大约相当于0.25个GPA点。

然而,相比之下,在大三之前有一份暑期工作,学生为了赚钱可能会从事的工作(比如咖啡师、服务员或救生员),完全不能增加雇主的评价。

这一结果表明,企业并不重视在这些工作中培养的能力。这也带来了社会经济偏见。:公司看重的标准实习通常是不带薪的,一些候选人没有能力接受这些实习,而不得不为钱而工作。

这是第一个暗示,企业的决策方式可能并不能符合其公司增加多元化员工的目标。接下来我们来看看种族和性别在简历评分中的作用。

我们研究中的招聘人员告诉我们,他们正在寻找各种各样的员工。当我们对这些公司进行调查时,90%的公司表示,增加性别和种族多样性是他们在招聘时积极考虑的一个因素。而他们的简历评分却恰恰相反:

  • 我们没有发现对少数民族或女性候选人的总体偏好。
  • 我们发现,在STEM领域招聘的公司对少数族裔和女性候选人的评价明显低于白人男性。在STEM领域中,要获得与GPA 3.75的白人男性相同的评分,少数或女性候选人需要4.0。

此外,我们的数据显示,女性和少数族裔候选人对上述优秀实习的评价分比较低。白人男性简历上有优秀实习机会比女性或少数族裔简历上的相同实习机会提高了50%的评分。

这一结果与2004年简历审核的结果一致,从这个审核发现,提高简历质量对白名候选人的帮助大大超过黑名候选人。

我们还发现了一种新的歧视的证据。

除了询问公司对聘用每个候选人的兴趣有多大外,我们还询问他们每个候选人接受公司工作的可能性有多大。我们认为这个问题是一个重要的指标,因为雇主不太可能投入时间和精力去面试和招聘那些不太可能加入他们公司的候选人。在所有领域中,雇主对少数族裔和女性求职者的评价都较低,认为他们不太可能接受一份工作。

这一结果表明,公司可能不太会招聘少数族裔和女性候选人,担心他们很难雇用来。

那么,为什么同样的经历如果由少数族裔或妇女担任,公司会不太欣赏?为什么他们会认为少数族裔或女性候选人不愿意接受一份工作?

我们的推测是,雇主们认为,他们所在行业的其他公司在招聘时偏爱多元化候选人。因此,他们可能认为,少数族裔或女性候选人更容易获得好的的实习机会(因此,对于少数族裔或女性求职者来说,这些实习机会就不那么能反映出求职者的素质了)。同样,他们也可能认为,少数族裔和女性候选人将更难招到,因为许多其他公司都在招聘他们。

但我们的数据表明,这些想法是错误的。我们没有发现企业表现出对多样性的积极偏好的证据。事实上,在STEM领域招聘的企业表现出对少数族裔和女性的出现了偏见。

为了协调这些结果,我们研究了公司是否对少数族裔和女性候选人有无意识的偏见。这种无意识的偏见可能会 "取消 "在评定简历时对多样性的积极偏好。我们确实发现了无意识动机的证据。 随着评分者越来越疲惫,花在每份简历上的时间越来越少,对少数族裔和妇女的偏见也变得越来越大。

各企业的下一步措施

我们的研究表明,企业可能存在无意识的偏见,通过各种方式将错误的候选人拉入招聘漏斗。各公司该如何解决这个问题?

第一步需要认真审视你的招聘流程。这一步可能包括量化历史上来自不同人口背景的申请人的比例,并查看每个群体中被邀请参加面试并获得工作的比例。

如果数据表明有问题,下一步就是诊断问题。重要的是,不要认为善意的人就一定会中立的招聘筛选。我们的研究显示,公司的多元化目标和他们在当地的实际决策之间可能存在差距。

在此评估的基础上,下一步是制定一个计划来解决这些问题。要注意,一些快速修复方法会带来自身的问题。例如,根据历史数据训练的机器学习算法可能会 "掺入 "历史偏见。删改候选人姓名的方法不一定能删除所有识别候选人种族或性别的信息,这可能会导致潜意识中的偏见潜移默化。

研究表明,基于客观标准的较慢、较审慎的评估,不太容易出现偏差。一种方法是要求简历筛选人员放慢速度,用客观标准来比较简历。对于一些公司来说,这不太不实际,可能仍然需要 "快速筛选"。一个低技术含量的解决方案可能是同时删去姓名和任何可能表明候选人种族或性别的信息。当我们建立我们的工具时,我们使用了真实的简历组件,但使它们在种族和性别上保持中立(例如,从俱乐部、活动和运动队中删除性别语言)。

更复杂的方法也是有的。在我们的 "激励简历评级 "方法中,除了忽略性别和种族数据外,工具所捕捉到的雇主的招聘偏好(GPA、工作经验和领导力)被用来筛选真实的简历并创建匹配。这就中和了大多数算法方法的一个问题。因此,参与我们研究的公司所匹配的候选人比他们自己筛选的候选人更加多元化。

最终,我们的研究让我们窥见了知名大公司的偏好,我们发现了令人惊讶的种族和性别偏见,因为这些公司声称要寻求员工多元化。为了响应当下的号召,企业需要认真审视自己的招聘流程,正视自己在实践中可能并不像想象中那样热爱多元化的事实。

0 条评论
评论不能为空