公平选择中感知偏见的战略成本

从录取到招聘的 Meritocratic 系统旨在公正地奖励技能和努力。然而，随着种族、性别和阶层之间的持续差距，这一理想受到挑战。一些人将这些差距归因于结构性不平等，而另一些人则归因于个人选择。我们构建了一个博弈论模型，其中来自不同社会经济群体的候选人在选后价值感知上存在差异——这种感知受社交背景影响，越来越受 AI 提供的个性化职业或薪酬指导的影响。每个候选人都在努力成本与预期回报之间进行战略性选择；努力转化为可观察的才能，选拔仅基于才能进行。我们在大量代理限制下 characterize 了唯一的纳什平衡，推导了显式公式，说明评估差异和制度选择性如何共同决定努力、代表性、社会福利和效用。我们进一步提出了一种受成本制约的优化框架，量化修改选择性或感知价值如何可以在不损害制度目标的情况下减少差距。我们的分析揭示了一种感知驱动的偏见：当选后价值感知在不同群体之间存在差异时，这些差异会转化为理性的努力差异，沿着本应“公平”的选拔过程向后传播差距。虽然该模型是静态的，但它捕捉了更广泛反馈循环的一个阶段，将感知、激励和结果联系起来——通过展示如何在 Meritocratic 系统中塑造个人激励，桥接了理性选择和结构性不平等解释之间的关系。