XiaoMi-AI文件搜索系统
World File Search SystemHiring
敏感任务劳动力招聘事件.pdf - AFLCMC
担任联合网络指挥与控制 (JCC2) 分支机构的监督财务经理的独特机会。JCC2 分支机构有 3 个项目：联合网络指挥与控制、网络指挥与控制任务系统 (C3MS) 和信息环境指挥与控制 (C2IE)。JCC2 是 USCC 联合网络战架构 (JCWA) 的重要组成部分，C2IE 支持 COCOM 全球战役以及 SECAF 作战要务。这些软件密集型程序致力于以需求的速度为联合和空军作战人员提供当前和未来的全方位网络能力！作为监督财务经理，您将领导大约 6-8 名财务分析师，并负责对这些人员进行培训、指导和辅导。此外，该职位还将与 C3I&N、AFLCMC、AFMC、ACC、SAF、USCC 等部门的人员进行交流。该职位负责与分配的项目有关的规划、编程、调度、预算、执行、重新编程和其他财务管理职能；分析预算要求并准备支持总统预算的预算文件；就预算政策的解释和为支持项目要求而制定的预算请求向项目经理提供建议和指导；担任多功能软件和采购团队的财务管理专家：软件开发人员、工程师、项目经理、承包专家和合同专家；协助进行专门的、单独的成本估算、分析和影响研究，以支持各种预算规划练习和合同授予；审查和分析承包商成本和资金报告，以支持影响指定任务财务管理的授予前和授予后合同活动；在与项目经理和/或客户协调进行细致分析后，准确解决计划和实际执行率之间的差异；将原始需求数据转化为全面的资源展品/叙述，以便及时提交到规划、计划和预算系统 (PPBS) 资源周期中；制定详细的规划、财务规划论证和文件，以将投资和采购项目纳入计划目标备忘录 (POM) 和未来几年国防计划 (FYDP) 提交中。
在招聘中部署基于人工智能的算法时提高公平性的方法——使用系统文献综述来指导未来的研究
德国埃森 stefan.stieglitz@uni-due.de 摘要 信息系统 (IS) 中的算法公平性是一种旨在减轻自动决策中的系统性歧视和偏见的概念。然而，先前的研究表明，不同的公平标准往往不相容。在招聘中，人工智能用于根据申请人是否适合空缺职位对其进行评估和排名。然而，基于人工智能的算法也存在各种类型的偏见（例如，使用有偏见的历史数据）。为了减少人工智能的偏见和由此产生的不公平待遇，我们进行了系统的文献综述，以确定适合招聘环境的策略。我们确定了九篇这方面的基本文章，并提取了四种解决人工智能不公平问题的方法，即预处理、过程中、后处理和特征选择。根据我们的研究结果，我们 (a) 制定了未来研究的研究议程，(b) 为设计和开发用于招聘的人工智能的从业者提出了策略。
算法、人工智能和残疾......
如果雇主的招聘技术不公平地筛选出符合条件的残疾人士，他们也违反了《美国残疾人法案》。雇主可以使用与工作相关且符合业务需要的资格标准。但雇主必须提供所要求的合理便利条件，使残疾申请人或雇员能够满足这些标准，除非这样做会造成过度困难。在设计或选择招聘技术来评估申请人或雇员是否具备所需技能时，雇主必须评估这些技术是否非法筛选出残疾人士。3 雇主应在使用前检查招聘技术，并在使用时定期检查，以评估它们是否筛选出能够在有或没有所需合理便利条件的情况下执行工作基本职能的残疾人士。例如，如果县政府使用面部和语音分析技术来评估申请人的技能和能力，那么患有自闭症或言语障碍等残疾的人可能会被筛选出来，即使他们有资格胜任这份工作。一些雇主试图评估他们的招聘技术，以了解它们对某些群体（如少数族裔）的影响。寻求对残疾人采取同样措施的雇主必须牢记，残疾有很多种，招聘技术可能会以不同的方式影响每种残疾。
招聘中使用人工智能的道德观点
2 尽管学术文献经常区分招聘、选拔和聘用候选人，招聘和选拔描述了招聘流程中的两个不同阶段，但在本论文中，我使用 AI 招聘和 AI 聘用这两个术语作为同义词。在这样做时，我总是指整个招聘流程中 AI 的使用。
调查人机协作在招聘中的表现和偏见
在人工智能辅助决策中，有效的混合（人机）团队合作不仅取决于人工智能的性能，还取决于其对人类决策的影响。虽然前期研究的是模型准确性对人类的影响，但我们在此努力研究在推荐辅助决策任务中，模型的预测性能和偏见如何转移到人类的复杂动态。我们考虑机器学习辅助招聘领域，其中人类——在受限的选择环境中操作——可以选择是否希望利用训练有素的模型的推断来帮助从书面简历中选择候选人。我们利用前期工作中重新创建的真实简历数据集进行了一项大规模用户研究，其中人类在有和没有三种不同的 NLP 分类器（随机、词袋和深度神经网络）的帮助下预测给定候选人的真实职业。我们的结果表明，虽然高性能模型显著提高了人类在混合环境中的表现，但有些模型会减轻混合偏见，而另一些模型则会加剧这种偏见。我们从决策一致性的角度来研究这些发现，并观察到我们的模型架构选择会影响人类与人工智能的一致性和偏见，这激发了在部署之前评估这些复杂动态的明确需求。
使用人工智能招聘时如何避免偏见
受新冠疫情加速影响，人工智能 (AI) 在远程和现场工作者招聘实践中的创新并非没有带来差别影响歧视的风险，这种歧视已引起美国平等就业机会委员会 (EEOC) 的关注，并可能在法庭上引发法律挑战。EEOC 前主席 Jennifer R. Yang 表示，虽然“大数据有可能推动创新，减少就业决策偏见，帮助雇主在招聘、绩效评估和晋升方面做出更好的决策”，但此类工具需要控制“以促进公平和机会，以便对这些不断扩大的数据源的依赖不会带来新的机会障碍。”专家组告知 EEOC，大数据的使用对平等机会有影响，美国平等机会委员会，2016 年 10 月 13 日。
现在招聘：大学战略计划的EVP
正如我们在文章“高等教育公私伙伴关系的新时代”（第66页）中所指出的那样，P3的数量和类型都在增长。围绕学生住房和建筑发展的传统P3继续存在，通过出售围绕停车和能源的长期品牌协议和服务权来筹集资金的新方法。除了这些传统的行政伙伴关系外，现在已经建立了一组全新的“学术” P3，以启动在线计划，招募国际学生并提高学生的成功。例如，对公私合作伙伴关系进行了相同的调查，例如，“成长在线计划”的伙伴关系