著者：  （1）アヌアル・アサミダノフ、クレアモント大学院大学経済学部、150 E 10th St、クレアモント、CA 91711。（電子メール：anuar.assamidanov@cgu.edu）。 リンク一覧 抽象的な 背景 データ 方法論 結果 議論と結論、参考文献 付録 表と図 抽象的な 採用プロセスにおける性差別は、労働市場の格差に寄与する重要な要因の 1 つです。しかし、採用マネージャーによる性差別がこれらの格差の原因となっている程度については、証拠がほとんどありません。この論文では、The Voice テレビ番組のブラインド オーディションの独自のデータセットを、選考プロセスにおける自身の性差別を特定する実験として利用します。4 人の著名なレコーディング アーティストがコーチを務める最初のテレビ放映されたステージ オーディションでは、出場者を見ないように「盲目的に」(椅子はステージから離れて) 出場者の話を聞きます。差分の差分推定戦略を使用すると、コーチ (採用担当者) はアーティストの性別に関して明らかに外生的であり、アーティストが異性のコーチの指導を受けると、選ばれる可能性が 4.5 パーセント ポイント (11 パーセント) 高くなることがわかりました。また、Athey ら (2018) の機械学習アプローチを使用して、チームの性別構成、パフォーマンスの順序、コーチの失敗率による異質性も含めます。この研究結果は、ジェンダー差別に関する過去の研究を充実させる新たな視点を提供し、意思決定者の性別やチームの性別構成によるジェンダーバイアスのばらつきの事例を明らかにしています。 雇用プロセスにおける性差別は、労働市場の不振につながる重要な要因の 1 つです (Blau および Kahn、2007)。雇用における性差は測定が難しく、雇用への影響を人的資本や関連スキルの違いなどの交絡変数と区別することが困難です。しかし、Baert (2018) は、交絡因子を解きほぐして労働市場の結果に対する真の影響を推定する実験的手法を使用して、雇用における性差別の証拠に関する研究を分類しました。 研究では、労働市場における女性に対する採用差別慣行が明らかにされていますが、この研究のほとんどは実験的手法を利用しています (Bertrand and Duflo、2017; Baert、2018; Neumark、2018) 。これらの実験では、候補者の性別のみが異なる架空の求人応募のペアが、実際の求人に送られます。差別は、雇用主からのその後のコールバックと候補者の性別で識別されます。対応テスト方法論は、労働市場における採用差別を推定するためのゴールドスタンダードです (Baert、2015)。ただし、この採用文献では、採用意思決定者の性別は観察できないか、決定は集合的に行われます。さらに、これらの実験はコールバック率のみを捕捉し、採用プロセスの初期段階を超えていません。さらに、雇用主の採用決定がカットオフルールに基づいていると仮定すると、2 つのグループ間の生産性に観察されない変数の違いが存在する可能性があり、偏った差別測定を引き起こす可能性があります (Neumark、2012)。 性差別に関する文献のもう 1 つの部分は、採用決定における自己の性別バイアス (つまり、自分と同じ性別の人に対するえこひいき) です。研究室での実験では、情報が自動的に処理されるときに女性は自己の性別バイアスを示すことが多いのですが、男性ではこれらの結果は見つかりません (Rudman and Goodwin、2004)。ただし、これらの結果が、おそらく反射的 (非自動的) プロセスによって特徴付けられる現実世界の採用決定に当てはまるかどうかは不明です。現実世界の採用決定に関する既存の研究は、通常、労働市場の特定のセグメントを考慮しており、自己の性別バイアスに関するさまざまな証拠が見つかります (Booth and Leigh、2010、Bagues and Esteve-Volart、2010、Bagues ら、2017)。これらの設定ではデータが限られているため、応募者の性別よりも雇用者の性別がえこひいきされているかどうか (つまり、自己の性別バイアス) を区別することは困難です。この論文の主な目的は、採用プロセスに自己の性別バイアスが存在するかどうかをテストすることです。潜在的な発見は、個人レベルでの現在の労働市場と、それに伴う大規模な影響についての理解を深めるのに役立つ可能性があります。 採用プロセスにおけるジェンダーバイアスのテストの主な難しさは、採用の意思決定者と応募者がランダム選択プロセスの結果ではないため、自身のジェンダーバイアスを生み出す原因要因を主張できないことです。また、根本的な識別の課題は、研究者がすでに雇用された労働者に関する実際のデータのみを観察することです。応募者が雇用されていない場合は記録されません。これらの制限により、この文献では、採用の意思決定者の性別が採用される応募者の性別を決定するかどうかという未解決の問題があります。この論文では、選択プロセスにおける自身のジェンダーバイアスを特定するための自然実験として、Voice TV 番組のブラインドオーディションの独自のデータセットを活用します。 私は、コーチ（採用担当者）がアーティストの性別に関して明らかに外生的である設定である、The Voice ショーにおける自身の性別バイアスを評価します。Voice TV ショーの最初のテレビ放映ステージはブラインド オーディションです。4 人のコーチは、全員が著名なレコーディング アーティストであり、出場者を見ないようにステージから離れた椅子に座って出場者の話を聞きます。コーチが出場者の声が気に入った場合は、ボタンを押して椅子を回転させ、その出場者と仕事をすることに興味があることを示します。これらの推定の利点は、コーチが出場者の声だけを観察し、その声から出場者の性別を推測することです。したがって、「ブラインド」決定プロセスのため、この設定ではアーティストとコーチに関連する他の特性は排除されます。これは、コーチを参加者にランダムに割り当てる一般化された差分の差分識別戦略を使用するのに妥当な環境であると私は考えています。 Price と Wolfers (2010) による NBA 審判員の人種的偏見に関する研究と同様に、女性と男性の出場者が女性と男性のコーチによって選ばれる確率の違いを比較します。 数種類の推論を導き出すことで、分析は異性偏向（異性への偏り）の体系的な証拠を示しています。男性のコーチは主に女性の出場者を好み、女性コーチは男性の出場者を好みます。出場者が異性のコーチに選ばれる可能性は 4.5 パーセントポイント（11 パーセント）高くなります。異質性をより体系的に調べるために、私は Athey と Wager (2019) の機械学習アプローチを採用しました。私は、各コーチのチームの性別構成、コーチの失敗率、およびパフォーマンス順序の異質性を含めることで分析を拡張しました。結果は、新しい出場者の選抜中にチーム構成によって大きく異なる性別偏向に関する興味深い洞察を提供します。 この論文は、性別のランダムな変化が選考プロセスに与える影響を調べるために採用慣行を初めて調査したものの 1 つです。性別のランダムな変化により、観察された差異が競技者の性別間の観察されていない差異による可能性があるという潜在的な懸念を克服できます。次に、この論文では、異質な処置効果に関する因果フォレスト機械学習推論の Athey と Wager (2019) の手法を、準実験的な差異の差異識別戦略に適用します。 この論文は、Carlsson と Eriksson (2019) の研究と密接に関連しています。彼らの研究は、集団内ジェンダー嗜好の役割が他の多くの文脈で文書化されていることを示唆する関連証拠を提供しています。彼らは、採用担当者の性別と多くの企業における女性従業員の割合に関するデータを、採用に関する大規模なフィールド実験のデータと組み合わせて、実際の採用決定における集団内および自身のジェンダーバイアスを調査しました。結果は、女性 (女性の採用担当者または女性従業員の割合が高い企業) が採用プロセスで女性を好むことを示唆しました。ただし、この研究は、採用担当者の性別に関する参加企業の情報のごく一部しか提供していないため、かなりの測定誤差が生じる可能性があります。 この研究と同様に、Goldin と Rouse (2000) は、政策介入としての性別による偏りのあるオーケストラ メンバーの選抜を調査するため、オーケストラの文脈で盲検化を研究しました。この論文が彼らの研究と異なるのは、私が採用者と出場者の性別を観察でき、コーチが声に基づいて演奏者の性別を観察できる点です。コーチの決定も個別に行われますが、オーケストラの盲検オーディションでは集団的な決定がありました。最後に、この設定のもう 1 つの独自性は、各コーチを企業と見なすことができる市場構造を分析できることです。パフォーマンスの順序と演奏した曲のジャンルを活用して、コーチの市場力を示すことができました。これらすべての要因を制御することで、競争市場における性差別に新しい側面が生まれます。 論文の残りの部分は、次のように構成されています。セクション 1 では、The Voice の簡単な背景を説明し、ショーのブラインド オーディション ステージの概要を示し、推定戦略の概要を示します。セクション 2 では、データについて説明します。セクション 4 では、実証戦略について詳しく説明します。セクション 5 では結果を示し、セクション 5 で結論を述べます。 この論文はCC 4.0ライセンスの下で 。 arxivで公開されています

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Precedent Tech 

Precedent publishes about the technology breakthroughes that'll rule tmw's mundane.

Precedent's blog

このオーディオは、ストーリーの元の言語で制作されています。

「ザ・ヴォイス」のオーディションが明らかにした採用における性別による偏見

About Author

コメント

ラベル

この記事は

Related Stories

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

AI の力を解き放つ。最先端技術の体系的レビュー: 概要と序論

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

フロキのヴァルハラがインドのスリランカツアーのアソシエイトスポンサーに加わる

AI の力を解き放つ。最先端技術の体系的レビュー: 概要と序論

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps