Entrofy 你的群体：一种面向候选人选择的数据科学方法

从一组候选人中选择一个群体是学术界内外常见的任务。录取学生、颁发资助、为会议选择演讲者都是人类偏见可能影响最终群体构成的情况。我们提出了一种新算法 Entrofy，旨在作为更大决策策略的一部分，使群体选择尽可能公正、定量、透明和可问责。我们建议将该算法嵌入两步选择程序中。首先，所有申请材料都剥离可能引发有意识或潜意识偏见的身份标记。在盲审期间，委员会选择所有符合其基于优秀程度标准的申请人、投稿或其他实体。这通常会产生一个大于可录取人数的群体。在第二阶段，可以通过一种新算法和软件工具从这一优秀候选池中选择目标群体。Entrofy 优化人类委员会选定的可分配类别集合上的差异。标准可以包括性别、学科、对某些技术的经验或其他可量化的特征。Entrofy 算法通过以可证明的性能保证解决平局决胜问题，实现了多样性的计算最大化。我们展示了 Entrofy 如何在模拟的申请集中根据预定特征选择群体，并在案例研究中演示了其使用。这种群体选择过程允许在评估优秀程度时保留人类判断，但将多样性评估分配给不太可能受到人类偏见影响的计算过程。重要的是，使用 Entrofy 时，多样性评估发生的阶段是完全透明和可审计的。将优秀程度和多样性的考量拆分到各自的评估阶段，使得更容易解释为什么特定候选人被选中或拒绝。