中文

众包绩效评估中偏差与策略性行为的发现

机器学习 2019-10-15 v2 计量经济学 机器学习

摘要

随着行业从传统层级结构向扁平化管理结构转变的趋势,众包绩效评估已获得主流普及。众包绩效评估的一个根本挑战在于个人利益可能引入事实扭曲的风险,尤其是当该系统被用于决定绩效薪酬或晋升时。在本文中,我们开发了一种方法来识别众包绩效评估中的偏差与策略性行为,所用数据来自一家中国专业服务公司收集的丰富数据集。我们发现了同行评价中一种“歧视性慷慨”的模式:评价者会下调已通过客观晋升要求的同侪同事的评分,同时高估尚未通过的同侪同事。这引入了两类偏差:第一类针对更有能力的竞争者,第二类偏向资格不足的同行,而后者可作为第一类偏差的掩饰。本文还旨在将公平感知数据挖掘的视角引入人才与管理计算。历史决策记录(如绩效评级)常包含易受影响于偏差与策略性行为的主观判断。对于预测性人才分析的从业者而言,调查历史决策记录背后潜在的偏差与策略性行为十分重要。

关键词

引用

@article{arxiv.1908.01718,
  title  = {Discovery of Bias and Strategic Behavior in Crowdsourced Performance Assessment},
  author = {Yifei Huang and Matt Shum and Xi Wu and Jason Zezhong Xiao},
  journal= {arXiv preprint arXiv:1908.01718},
  year   = {2019}
}

备注

International Workshop of Talent and Management Computing, KDD 2019