基于信息流建模的招聘 AI 公平性研究
计算机与社会
2025-11-19 v1 人工智能
摘要
避免偏见并理解 AI 支持决策的真实世界后果是解决公平性并分配责任的关键。现有方法通常仅关注技术层面（如数据集和模型）或高层社会伦理考量，很少捕捉这些元素在实际操作中的相互作用。本文应用基于信息流的建模框架，对一个实际的招聘流程进行建模，该流程集成了自动化候选人匹配与人类决策。通过半结构化的利益相关者访谈和迭代建模，我们构建了招聘管道的多层表征，捕捉算法组件和人类组件之间信息的转换、过滤和解释方式。我们识别了偏见可能出现的地方、它们如何通过系统传播，以及这些偏见可能对候选人产生的下游影响。本案例研究说明了信息流建模如何支持公平风险的结构化分析，为复杂社会技术系统提供透明度。
引用
@article{arxiv.2511.13793,
title = {Modeling Fairness in Recruitment AI via Information Flow},
author = {Mattias Brännström and Themis Dimitra Xanthopoulou and Lili Jiang},
journal= {arXiv preprint arXiv:2511.13793},
year = {2025}
}