Zijn er aanwijzingen van discriminatie als online vacatureplatformen kandidaten koppelen aan de bij hen beschikbare vacatures? Soms wel, zegt onderzoek dat de Utrecht Data School (UDS) van de Universiteit Utrecht recent uitvoerde. Als je ‘leraar’ invult als zoekterm krijg je bijvoorbeeld vaak meer vacatures te zien dan bij een zoekterm als ‘lerares’. Ook de ‘maatschappelijke vooringenomenheid’ bij een term als ‘timmerman’ kan van invloed zijn bij het gebruik van algoritmische zoekfuncties op vacaturesites, aldus de onderzoekers.
‘Als vrouwen minder geschikte vacatures zien dan mannen, hebben zij minder kansen op de arbeidsmarkt.’
Algoritmes van vacaturesites slagen er dan ook niet altijd in om genderneutraal te zoeken, is de conclusie. Maar tegelijkertijd kunnen zoekalgoritmes vooringenomenheid ook juist tegengaan, aldus Adriana van Dooijeweert, voorzitter voor het College voor de Rechten van de Mens. ‘Computers zijn niet immuun voor genderongelijkheid. Als vrouwen minder of minder geschikte vacatures zien dan mannen, hebben zij minder kansen op de arbeidsmarkt. Het is een onbedoeld effect van de werking van de algoritmes die deze websites gebruiken. Wij vinden het daarom belangrijk dat bij vacaturesites te gebruiken algoritmes goed onder de loep worden genomen.’
Geen discriminatie op profielkenmerken
De Utrecht Data School onderzocht eerst of er aanwijzingen zijn van discriminatie bij het koppelen van kandidaten aan beschikbare vacatures op online vacatureplatformen. Hiervoor maakten de onderzoekers op vier grote Nederlandse vacaturesites nepprofielen aan van kandidaten die varieerden in geslacht, etniciteit en leeftijd. Per profiel zochten de onderzoekers naar verschillende functietitels en vergeleken de zoekresultaten tussen de profielen. Bij deze verkenning vond de UDS geen aanwijzingen voor mogelijke risico’s op discriminatie op basis van de onderzochte profielkenmerken.
Met nepprofielen werden geen verschillende resultaten gevonden.
Een zoekopdracht blijkt dus echter wel nadelig uit te kunnen pakken als een werkzoekende zoektermen gebruikt die niet genderneutraal zijn, zoals ‘lerares’ of ‘timmerman’. Bepaalde beroepen kunnen vanwege heersende genderstereotypen als typisch mannelijk of vrouwelijk worden gezien, zowel door werkgevers, softwareontwikkelaars als werkzoekenden. Een (vrouwelijke) werkzoekende die bijvoorbeeld op ‘lerares’ zoekt, zou idealiter dezelfde vacatures te zien moeten krijgen als iemand die zoekt op ‘leraar’ of ‘docent’. Maar de onderzoekers ontdekten dat dit niet voor alle vacaturesites altijd het geval is.
Vooringenomenheid soms zelfs versterkt
Zoektermen als ‘secretaresse’ (hoewel dit tegenwoordig niet uitsluitend vrouwen aanduidt), ‘schoonmaakster’ en ‘verpleegster’ werden op alle onderzochte vacaturesites weinig “geneutraliseerd”, zoals de onderzoekers het noemen. Zulke zoektermen laten hierdoor alleen vacatures zien met exact deze functietitels. Zo wordt maatschappelijke vooringenomenheid gereproduceerd in het zoekalgoritme, concluderen de onderzoekers.
Het viel de onderzoekers daarnaast ook op dat het taalgebruik in sommige vacatures wel heel nadrukkelijk is gericht op één geslacht.
Het viel de onderzoekers daarnaast ook op dat het taalgebruik in sommige vacatures wel heel nadrukkelijk is gericht op één geslacht, bijvoorbeeld: vacatures voor secretaresses die gericht zijn op vrouwen. Opvallend was ook dat soms bij gebruik van een ‘typisch vrouwelijke’ functietitel als zoekterm de sites gemiddeld lager betaalde functies toonden. Zo zochten de onderzoekers op één site met de zoekterm ‘lerares’ en liet de website vervolgens een functie voor ‘onderwijsassistent’ zien, terwijl die vacature na het invoeren van de zoekterm ‘leraar’ niet naar boven kwam.
Goed ontwerp kan vooringenomenheid corrigeren
Het UDS-onderzoek laat zien dat algoritmes dergelijke maatschappelijke vooringenomenheid ten aanzien van genderstereotiepe beroepen kunnen tegengaan, maar dus ook kunnen reproduceren of soms zelfs versterken. Een achterliggende verklaring lijkt volgens de UDS te liggen in hoe simpel of complex de algoritmes achter de zoekfuncties zijn.
Het College heeft de beheerders van de websites uitgenodigd om het onderzoek nader te bespreken.
‘Een simpel zoekalgoritme dat alleen letterlijk de ingevoerde zoekterm overneemt, is niet in staat om vooringenomenheid tegen te gaan, maar zal die reproduceren. Een zoekalgoritme dat complexere methoden gebruikt, kan ook vooringenomenheid reproduceren of zelfs versterken, maar in potentie ook corrigeren.’ De onderzoekers bevelen vacaturesites dan ook aan om te werken met meer complexe algoritmes. Zo kunnen ze vooringenomenheid tegengaan. Het College heeft de beheerders van de onderzochte websites inmiddels geïnformeerd over de onderzoeksuitkomsten. Ze zijn ook uitgenodigd om deze nader te bespreken.
Andere risico’s op discriminatie
Discriminatie op vacaturesites kan op diverse manieren voorkomen. Zo toonde recent onderzoek in opdracht van de Inspectie SZW aan hoe makkelijk je discriminerende vacatureteksten op vacaturesites kunt plaatsen en dat sommige vacaturesites de mogelijkheid bieden om kandidaten te filteren op basis van geslacht, nationaliteit, leeftijd of maximale werkervaring.
Meer weten over diversiteit in recruitment?
Meer statistieken over diversiteit? Werf& heeft een mooie infographic met nieuwe cijfers samengesteld. Download hem hier:
Meer weten? Kom naar het seminar
Meer weten over diversiteit en bias in zijn algemeenheid? Op dinsdag 6 april vindt het Werf& Seminar Diversiteit plaats. Het seminar zal ingaan op concrete tips om een diverse en inclusieve workforce op te zetten.
