[a.....d]

#humorobrazkowy #humor #logikarozowychpaskow #rownouprawnienie #feminizm

[Maro88z]

@abitbald: daj link

[Aokx]

@abitbald: No kurła wrzuciłem przed chwilą.

[Aokx]

@abitbald: Fajnie widać jak fałszywe są ich hasła.

[a.....d]

@Maro88z: https://www.wykop.pl/link/4580641/amazon-zarzuca-narzedzie-rekrutacyjne-al-bo-nauczylo-sie-dyskryminowac-kobiety/

[kurdelebele123]

@abitbald: xDD

[Wap30]

@abitbald: Problem jest trochę głębszy bo chodzi o to, że jak uczysz sieć neuronową po istniejących danych i głównie dobrymi kandydatami okazywali się mężczyźni (bo np. historycznie w danej branży byli niemal wyłącznie mężczyźni, np IT, a obecnie pojawia się więcej kobiet), to system naturalnie zacznie premiować kandydatury które wyglądają na męskie, tzn. np. żeńskie koledże w CV będą dla systemu minusem - to jest tylko i wyłącznie kwestia statystyki.

Oczywiście

[Bartoszyce]

@Wap30: > "jak uczysz sieć neuronową po istniejących danych i głównie dobrymi kandydatami okazywali się mężczyźni to system naturalnie zacznie premiować kandydatury które wyglądają na męskie"
To chyba o to chodzi żeby wychwytywać te elementy charakterystyczne dla najlepszych pracowników i przy rekrutacji nowych je wyszukiwać. Jeśli najlepszym pracownikiem była by kobieta po gender studies to nie ma #!$%@? żeby system to zignorował i przy rektrutacji szukałby następnej takiej kobiety.

[Wap30]

To chyba o to chodzi żeby wychwytywać te elementy charakterystyczne dla najlepszych pracowników

@Bartoszyce: Niby chodzi, tylko że problem jest taki że elementy nowe i nie pasujące do historycznych wzorców będą minusowane tylko dlatego że system ich nie zna. Uprośćmy i powiedzmy że mężczyźni stanowili 100% przyjętych historycznie osób. Najlepsi byli najczęściej z MITu i Harvardu, po nich Cornell, Caltech i tak dalej, najmniej korzystne były jakieś powiedzmy community koledże i

[poziomek90]

@Wap30: Kobiety są słabsze i mniej inteligentne, koniec kropka

[P.....i]

@Wap30 o stary, gazie ty się uchowałeś na wykopie z takimi merytorycznymi komentarzami? Dalej żyjesz w poprzedniej dekadzie?

[a.....d]

Kobiety są słabsze i mniej inteligentne, koniec kropka

@poziomek90: ogólnie tak, są czasem przypadki inne ale te które ciągle o tym gadają raczej do nich nie należą.

[Wap30]

Kobiety są słabsze i mniej inteligentne, koniec kropka

@poziomek90: taki obraz wasz xD średnio słabsze może i są ale nie każdy zawód polega na budowaniu piramid, a mniej inteligentne co najwyżej minimalnie, a i tak badania nie wskazują na ten fakt jednoznacznie. Zgodnie z tymi które wskazują, różnice są tak niewielkie że nie mają znaczenia w większości praktycznych sytuacji, a na pewno nie uzasadniają takich różnic na rynku pracy.

Powodow takiej

[poziomek90]

@Wap30 cała historia cywilizacji opiera się na lekceważeniu kobiet. Patrz co się z nią dzieje, gdy przestajemy je lekceważyć

[Wap30]

@poziomek90: Przestaliśmy od kilkudziesięciu lat, i jest to bezapelacyjnie najlepszy czas w całej historii ludzkości. Mylisz brak lekceważenia z niereagowaniem na skrajne ruchy, a kobiety ze współczesnymi feministkami, od których kobiety odwracają się masowo (jakieś 5% kobiet utożsamia się ze współczesnym feminizmem), a te najbardziej ekstremalne pomysły ruchów typu #metoo krytykują choćby takie figury jak Margaret Atwood

[Wap30]

Jesli znalazl silna odwrotna korelacje miedzy ocena pracownika i byciem kobietą, to statystycznie zatrudniajac kobiete masz wieksze prawdopodobienstwo, ze sie nie nadaje

@thexDguy: Przeczytaj dokładnie o czym mowa, zupełnie nie o to chodzi.

[Wap30]

parametr płeć:m mógł mieć dodatni rating

@thexDguy: Ale umyka ci chyba cały sens problemu: nie ma czegoś takiego jak parametr płeć, bo ten nie trafia do CV. Chodzi o inne parametry które występują częściej u kandydatek niż kandydatów. Pozytywnie korelują dobre uniwersytety, ale koledże żeńskie to dla systemu praktycznie parametr nieznany. Jak w takim razie zapewnić sprawiedliwą ocenę czy nieznany w danych koledż żeński ma być klasyfikowany względem znanego i dobrego

[Wap30]

nieznane parametry nie pobudzą części sieci

@thexDguy: Nie wiem czy artykuł to precyzyjnie opisuje i obniżenie oceny było relatywnie do innych ocen czy tej samej bez tego parametru (tzn. sam fakt wystąpienia "women's" obniżał ocenę czy ignorował parametr, tym samym potencjalnie ją obniżając). Zauważ że którekolwiek wyjście byśmy przyjęli, i tak można stwierdzić że jest to dyskryminujące, ponieważ:

a) system ignoruje parametr - nadal porównanie jest względem innych CV z obecnym