Escuché a algunos profesores discutiendo la próxima ronda de contratación en mi universidad y varios estaban preocupados por la posibilidad de que el sesgo de género jugara un problema en el proceso de contratación. Una idea inicial es revisar los CV y borrar el nombre del solicitante. Sin embargo, una búsqueda de trabajo académico hace que sea mucho más difícil hacer esto. Los solicitantes no solo tienen CV, sino que también suelen haber 3 cartas de recomendación, así como listas de publicaciones (que pueden revelar la identidad de una persona si el panel de contratación conoce el trabajo).
Algunas sugerencias que se descartaron implican tratar de encontrar una manera de escanear entre 2 y 300 materiales de los solicitantes y eliminar/reemplazar los pronombres y nombres de género. Al navegar por StackOverflow, aparentemente hay bastante dificultad con esto desde una perspectiva de programación. Aún así, parece la forma más eficiente de eliminar la mayor cantidad posible de prejuicios de género en el proceso, pero no parece ser un uso generalizado.
¿Cuáles son algunas de las mejores formas en que un panel de contratación puede eliminar el sesgo de género del proceso de solicitud?
Esta pregunta también podría extenderse potencialmente a formas de eliminar en general otras formas de sesgo, como el sesgo étnico.
El sesgo existe en muchos puntos del proceso de contratación. Usted sugirió ocultar al comité de búsqueda el género del solicitante pero, como usted señala, esto es extremadamente difícil de hacer a la perfección y se rompe por completo incluso con pequeños errores. Por razones obvias, el cegamiento tampoco será particularmente relevante después de comenzar a entrevistar a los candidatos. Me gustan las otras sugerencias de proporcionar capacitación para sensibilizar al comité sobre cuestiones de prejuicios de género.
Más allá de eso, y si las políticas de su universidad lo permiten, también puede decidir ahora (es decir, antes de la búsqueda) entrevistar al menos a un candidato masculino y al menos a una candidata femenina. De esta manera, le darás a los mejores candidatos masculinos y femeninos la oportunidad de convencerte de que son adecuados para tu departamento. Esto asegura que la persona de más alto rango de cada género supere las primeras etapas del proceso, donde el sesgo de género puede muy bien desempeñar su papel más importante. En la etapa de la entrevista, el cegamiento no habría funcionado de todos modos.
Este tipo de política es inusual pero no inaudito. El ejemplo más famoso que conozco es la Regla Rooney en la Liga Nacional de Fútbol de EE. UU., que requiere que todos los equipos entrevisten a candidatos de minorías para puestos de entrenador en jefe y operaciones de fútbol senior. Aunque esto a veces se cita como un ejemplo de acción afirmativa, no exige ninguna preferencia o cupo para los candidatos dentro del grupo de entrevistados. Si lo está haciendo bien, significa que los mejores candidatos de los grupos subrepresentados siempre tendrán la oportunidad de mostrar sus habilidades en la ronda final.
Si descubrió que la mejor persona de los grupos subrepresentados en realidad no es tan buena como la mejor persona del grupo sobrerrepresentado, al menos sabrá que le dio una audiencia completa al mejor miembro de cada grupo.
Actualización: Señalaré que esta respuesta básicamente asume que todos sus candidatos se presentarán como hombres o mujeres. Como resultado, es muy limitado en el caso de candidatos no conformes con el género. Estos candidatos también pueden estar sujetos a una discriminación aún mayor y este enfoque no resolverá (e incluso podría agravar) esos problemas.
Creo que hay dos enfoques. El enfoque en el que se enfoca su pregunta es el cegamiento del panel al género del solicitante. Hacer esto, en realidad puede aumentar el sesgo de género. Al ocultar el panel de búsqueda al género del solicitante, se vuelve muy difícil tener en cuenta cosas como la licencia de maternidad. La mejor manera de eliminar o limitar el sesgo de género es brindar capacitación al panel de búsqueda sobre el sesgo de género en el mundo académico y ayudarlos a tomar conciencia de cualquier sesgo que puedan tener.
Un paso simple y extremadamente efectivo es comenzar a rastrear métricas en el grupo de candidatos en cada etapa del proceso. Digamos que está viendo cómo su departamento contrata a los profesores asistentes. Entonces podrías rastrear:
Ahora tiene datos reales sobre el aspecto de su tubería y puede buscar dónde están las fugas. Si la fracción de hembras en la piscina cambia significativamente en cualquier etapa en particular, entonces ahí es donde debes concentrar tu energía. Asimismo, si la fracción base en el campo es más baja de lo que desea en su institución, puede usar sus métricas para decidir dónde tratar de enriquecer el grupo con buenos candidatos. Obviamente, el mismo enfoque también se puede aplicar a otros grupos desfavorecidos.
Personalmente, creo que este tipo de enfoque es una adición crítica a la caja de herramientas para abordar el sesgo, porque le permite estudiar científicamente el proceso de su institución. Puede que descubras cosas que te sorprendan. Por ejemplo, los colegas de quienes me enteré de esto descubrieron que las últimas etapas de la tubería de contratación con las que estaban lidiando estaban bien, pero que el porcentaje de mujeres que postulaban en primer lugar era mucho más bajo que el porcentaje de mujeres en el campo. . Eso significaba (para sorpresa de todos) que el problema estaba principalmente en la forma en que se anunciaban y reclutaban los puestos, en lugar de en las entrevistas en sí, y ese era el proceso al que se dirigían las soluciones.
Como antiguo programador, puedo confirmar que sería bastante difícil hacer esto de forma puramente programática. Toma mi nombre, por ejemplo. Por mi nombre, probablemente puedas adivinar que soy hombre. Si tuviera un programa de computadora mirando mi currículum, ¿cómo eliminaría la palabra "Evan"? Tenga en cuenta que es fácil para un ser humano saber que ese es mi nombre, pero difícil de saber para una computadora. Las computadoras son muy rápidas, pero también tontas: harán exactamente lo que les digas que hagan, ni más ni menos. A veces, esto es problemático con la programación cuando lo que les estás diciendo no es lo que crees que les estás diciendo, pero esa es otra discusión completamente diferente.
Si desea una revisión verdaderamente ciega de currículum / carta de presentación / carta de recomendación, necesitará un enfoque manual que necesite humanos que no estén involucrados con el comité de contratación y no informen lo que vieron para borrar los nombres y la pronombres usados en todos estos documentos. Idealmente, se volverían a escribir con términos neutros en cuanto al género, como "esa persona" en lugar de "él/ella", para que no haya alguien tratando de leerlo con los ojos entrecerrados bajo una tinta negra. La gente es curiosa, sucederá si los dejas.
También hay un enfoque híbrido: usar las computadoras para la parte fácil y las personas para la parte difícil. La parte fácil sería deshacerse de todas las palabras él/ella/él/ella en los documentos y reemplazarlas con una palabra/frase neutral de género de su elección. Lo difícil sería hacer lo mismo con los nombres.
La razón por la que esto es difícil para la computadora es simple: ¿cómo sabe el programa de computadora que realiza el análisis que lo que está viendo es un nombre? No es así, a menos que tengas alguna forma de decirlo. En un mundo ideal, los documentos de Word o PDF tendrían metadatos con un campo que identifica claramente que se trata de un nombre, pero dudo que exista tal función, al menos en Word. Los archivos PDF probablemente admitan esto, pero nuevamente, si Adobe Acrobat es compatible o no con esto no es el problema, sino que el problema es si los metadatos apropiados están incrustados o no en el documento.
Una forma de implementar CV neutrales en cuanto al género para la primera ronda de selección sería pedir a los solicitantes que proporcionen un archivo preliminar neutral en cuanto al género junto con su solicitud completa. Se le pedirá a este breve CV que contenga solo información que no permita adivinar el género de los solicitantes, al menos no fácilmente (por ejemplo, listas de publicaciones con nombres reemplazados por el número de autor y la posición de las solicitudes, etc.)
Esto solo se puede usar en una primera ronda de selección, y las cartas de recomendación solo se tendrían que usar en la ronda siguiente, o se les debería pedir a los recomendadores que las hicieran neutrales en cuanto al género y sin el nombre del solicitante.
ff524