مهارت‌های هوش مصنوعی برای یکسان کردن زمین بازی کافی نیست - مطالعه
طبق یک مطالعه جدید، آموزش مهارت‌های هوش مصنوعی شانس دعوت شدن زنان از پیشینه‌های کم‌رنگ به مصاحبه‌های شغلی را افزایش می‌دهد، اما برای از بین بردن نابرابری‌هایی که در بازار کار با آن مواجه هستند، کافی نیست.
ویرایش شده توسط گابی کلارک، بررسی توسط اندرو زینین
این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:
طبق یک مطالعه جدید، آموزش مهارت‌های هوش مصنوعی شانس دعوت شدن زنان از پیشینه‌های کم‌رنگ به مصاحبه‌های شغلی را افزایش می‌دهد، اما برای از بین بردن نابرابری‌هایی که در بازار کار با آن مواجه هستند، کافی نیست.
این تحقیق که توسط پروفسور نیک دریداکیس از دانشگاه آنگلیا راسکین (ARU) انجام شد و در Industrial Relations: A Journal of Economy and Society منتشر شد، نشان داد که صلاحیت‌های مرتبط با هوش مصنوعی چشم‌انداز شغلی را برای زنان مسن‌تر، سیاه‌پوست، لزبین یا اوتیستیک بهبود می‌بخشد، اما این دستاوردها برای از بین بردن نابرابری‌ها کافی نبود.
این تحقیق شامل بیش از 3000 درخواست شغلی ارسال شده برای مشاغل خالی واقعی در لندن در طول سال 2025 بود. محققان نامزدهای زن خیالی اما بسیار قابل مقایسه را ایجاد کردند که برای نقش‌های بخش خصوصی درخواست می‌کردند که نیازی به مدرک دانشگاهی در 10 زمینه مختلف در محل کار نداشتند. این درخواست‌ها فقط بر اساس نژاد، سن، گرایش جنسی یا افشای طیف اوتیسم و اینکه آیا متقاضیان مدرک شش ماهه توسعه حرفه‌ای مرتبط با هوش مصنوعی را که از طریق یک ارائه‌دهنده آموزش حرفه‌ای تکمیل شده است را برجسته کرده‌اند، متفاوت بوده است.
در هر چهار گروه، احتمال دریافت دعوت‌نامه‌های مصاحبه برای زنان با پیشینه‌های کم‌رنگ به طور قابل‌توجهی کمتر از متقاضیانی بود که از پس‌زمینه‌های کم‌نماینده نبودند اما دارای شرایط مشابه بودند. به طور کلی، 25 درصد از متقاضیان زن که از گروه‌های کم نمایندگی نبودند و مهارت‌های هوش مصنوعی در برنامه‌هایشان ذکر نشده بود، دعوت‌نامه مصاحبه دریافت کردند، در حالی که تنها 11 درصد از متقاضیان دارای نمایندگی کمتر که مهارت‌های هوش مصنوعی را نداشتند، دریافت کردند.
با این حال، زمانی که متقاضیان دارای نمایندگی کمتر مهارت‌های دیجیتال مرتبط با هوش مصنوعی را نشان دادند، میزان موفقیت در مصاحبه آنها به 14 درصد افزایش یافت که شانس آنها برای کسب مصاحبه را کمتر از یک سوم بهبود بخشید.
این مطالعه بر روی این موضوع تمرکز داشت که آیا مدارک هوش مصنوعی نتایج را برای زنانی که کمتر از آنها نمایندگی می کردند بهبود می بخشد یا خیر، و اندازه گیری نکرد که آیا همان صلاحیت تقویت مشابهی برای متقاضیان گروه اکثریت ایجاد می کند یا خیر.
این مطالعه همچنین شواهدی مبنی بر «مرتب‌سازی دستمزدها» پیدا کرد که در آن متقاضیانی که کمتر حضور داشتند به احتمال زیاد دعوت‌نامه‌های مصاحبه برای مشاغل خالی با دستمزد پایین‌تر را در میان مشاغلی که درخواست داده بودند دریافت می‌کردند. داشتن مهارت‌های مرتبط با هوش مصنوعی دسترسی به مشاغل خالی با درآمد بهتر را بهبود بخشید، اما شکاف‌های قابل توجه همچنان ادامه داشت.
این مطالعه یکی از اولین آزمایش‌هایی است که به چگونگی پاسخ کارفرمایان به مهارت‌های دیجیتال مرتبط با هوش مصنوعی در میان گروه‌های کم‌نمایش می‌پردازد و نظریه سرمایه هوش مصنوعی دریداکیس را گسترش می‌دهد.
از آنجایی که هوش مصنوعی به طور فزاینده ای در محیط های کاری جاسازی می شود، علاقه فزاینده ای به این موضوع وجود دارد که آیا توسعه مهارت های مرتبط با هوش مصنوعی، مانند آموزش استفاده از ابزارها و نرم افزارهای هوش مصنوعی در محیط های کاری، می تواند به بهبود فرصت های شغلی برای افرادی که به طور سنتی در بازار کار با موانعی مواجه هستند، کمک کند.
"یافته‌های ما نشان می‌دهد که کارفرمایان به مهارت‌های دیجیتال مرتبط با هوش مصنوعی مانند استفاده از نرم‌افزار به کمک هوش مصنوعی برای خودکارسازی وظایف اداری، تجزیه و تحلیل داده‌ها یا مدیریت سوابق دیجیتالی اهمیت می‌دهند، و این اعتبارنامه‌ها می‌تواند فرصت‌های مصاحبه را برای زنانی که کمتر حضور دارند، بهبود بخشد. با این حال، نتایج همچنین نشان می‌دهد که مهارت‌ها به تنهایی برای غلبه بر نابرابری‌هایی که با آن مواجه هستند کافی نیست.
دریداکیس، مدیر Sonomies AE در ERU و ERU گفت: "آموزش هوش مصنوعی می تواند به باز کردن درها کمک کند، اما نباید به عنوان جایگزینی برای شیوه های استخدام منصفانه در نظر گرفته شود. اگر می خواهیم تغییرات تکنولوژیکی برای همه فرصت هایی ایجاد کند، سرمایه گذاری در مهارت های دیجیتال باید با تلاش های قوی برای مقابله با تبعیض و اطمینان از ارزیابی مدارک به طور مداوم در همه گروه های متقاضی باشد."
نیک دریداکیس، مهارت‌های دیجیتال مرتبط با هوش مصنوعی و نتایج استخدام برای زنان کم‌رنگ، روابط صنعتی: مجله اقتصاد و جامعه (2026). DOI: 10.1111/irel.70047
کارشناسی ارشد زبان انگلیسی، ویرایشگر کپی از سال 2021 با تجربه در آموزش عالی و محتوای بهداشتی. تقدیم به اخبار معتبر علمی. نمایه کامل →
فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →
متن اصلی (انگلیسی)
AI skills not enough to level the playing field—study
Training in AI skills improves the chances of women from underrepresented backgrounds being invited to job interviews, but not enough to eliminate the inequalities they face in the labor market, according to a new study.