EIN WEG, UM VORURTEILE ZU ERKENNEN

Oktober 2015

Das wird viele Menschen überraschen, aber in einigen Fällen ist es möglich, Vorurteile in einem Auswahlprozess zu erkennen, ohne etwas über den Bewerberpool zu wissen. Was aufregend ist, denn unter anderem bedeutet es, dass Dritte diese Technik nutzen können, um Vorurteile zu erkennen, ob die Auswahlenden es wollen oder nicht.

Sie können diese Technik verwenden, wann immer (a) Sie mindestens eine zufällige Stichprobe der ausgewählten Bewerber haben, (b) deren anschließende Leistung gemessen wird und (c) die Gruppen von Bewerbern, die Sie vergleichen, eine ungefähr gleiche Verteilung der Fähigkeiten aufweisen.

Wie funktioniert das? Denken Sie darüber nach, was es bedeutet, voreingenommen zu sein. Was es bedeutet, dass ein Auswahlprozess gegen Bewerber des Typs x voreingenommen ist, ist, dass es für sie schwieriger ist, durchzukommen. Das bedeutet, dass Bewerber des Typs x besser sein müssen, um ausgewählt zu werden, als Bewerber, die nicht vom Typ x sind.

[ 1 ]

Das bedeutet, dass Bewerber des Typs x, die es durch den Auswahlprozess schaffen, andere erfolgreiche Bewerber übertreffen werden. Und wenn die Leistung aller erfolgreichen Bewerber gemessen wird, wissen Sie, ob sie das tun.

Natürlich muss der Test, den Sie zur Messung der Leistung verwenden, ein gültiger sein. Und insbesondere darf er nicht durch das Vorurteil, das Sie zu messen versuchen, ungültig gemacht werden. Aber es gibt einige Bereiche, in denen die Leistung gemessen werden kann, und in diesen ist die Erkennung von Vorurteilen unkompliziert. Möchten Sie wissen, ob der Auswahlprozess gegen einen bestimmten Typ von Bewerber voreingenommen war? Überprüfen Sie, ob sie die anderen übertreffen. Dies ist nicht nur eine Heuristik zur Erkennung von Vorurteilen. Es ist das, was Vorurteil bedeutet.

Zum Beispiel vermuten viele, dass Risikokapitalfirmen gegen weibliche Gründer voreingenommen sind. Das wäre leicht zu erkennen: Übertreffen Startups mit weiblichen Gründern in ihrem Portfolio die ohne? Vor ein paar Monaten veröffentlichte eine VC-Firma (fast sicher unbeabsichtigt) eine Studie, die eine solche Voreingenommenheit zeigte. First Round Capital stellte fest, dass unter ihren Portfoliounternehmen Startups mit weiblichen Gründern übertrafen die ohne um 63%.

[ 2 ]

Der Grund, warum ich zu Beginn sagte, dass diese Technik viele Menschen überraschen würde, ist, dass wir so selten Analysen dieser Art sehen. Ich bin mir sicher, dass es First Round überraschen wird, dass sie eine durchgeführt haben. Ich bezweifle, dass dort jemand realisierte, dass sie durch die Begrenzung ihrer Stichprobe auf ihr eigenes Portfolio eine Studie über ihre eigenen Vorurteile bei der Auswahl von Unternehmen produzierten und nicht über Startup-Trends.

Ich sage voraus, dass wir diese Technik in Zukunft häufiger sehen werden. Die Informationen, die benötigt werden, um solche Studien durchzuführen, sind zunehmend verfügbar. Daten darüber, wer sich für Dinge bewirbt, werden normalerweise von den Organisationen, die sie auswählen, streng gehütet, aber heutzutage sind Daten darüber, wer ausgewählt wird, oft öffentlich zugänglich für jeden, der sich die Mühe macht, sie zu aggregieren.

Hinweise

[ 1 ] Diese Technik würde nicht funktionieren, wenn der Auswahlprozess nach unterschiedlichen Dingen bei verschiedenen Arten von Bewerbern sucht – zum Beispiel, wenn ein Arbeitgeber Männer basierend auf ihren Fähigkeiten, aber Frauen basierend auf ihrem Aussehen einstellt.

[ 2 ] Wie Paul Buchheit anmerkt, schloss First Round ihre erfolgreichste Investition, Uber, aus der Studie aus. Und während es sinnvoll ist, Ausreißer aus einigen Arten von Studien auszuschließen, sind Studien über Renditen aus Startup-Investitionen, die ganz darauf abzielen, Ausreißer zu treffen, nicht eine davon.

Danke an Sam Altman, Jessica Livingston und Geoff Ralston für das Lesen von Entwürfen davon.