Ethically identifying and removing unfairness when hiring new employees : a proposal

Using data responsibly to avoid inequality and discrimination is becoming a critical issue in data analysis management. In this work, we focus on fairness property. As a study case we propose to take the hiring for a job scenario. According to our definition of fairness, the proportion of the number of people of certain sensitive attributes (gender, race) in the hiring department of the company should be the same as among candidates applying to this department. After admitting people to the company, we propose to check if there are gender or race preferences when assigning the pay rate to employees. This project tends to help companies solve gender and racial pay gap.

L'uso responsabile dei dati per evitare discriminazione è diventato un problema critico nell'analisi dei dati . In questo lavoro, ci concentriamo sulla proprietà fairness. Il caso di studio è un scenario assumere per un lavoro. Secondo la nostra definizione di fairness, la proporzione del numero di persone di determinati attributi sensibili (genere, razza) nel reparto assunzioni dell'azienda dovrebbe essere la stessa come tra candidati che si applicano a questo dipartimento. Dopo aver ammesso le persone in azienda, controlliamo se ci sono preferenze di genere o di razza quando assegnare il stipendio ai dipendenti. Questo progetto tende ad aiutare le aziende a risolvere il divario retributivo di genere e razziale.