Slider section

Winnaars AI x Recruitment Challenge 2019

AI / Algoritmes in Werving en Selectie:
Laat zien wat de meerwaarde is

ACHTERGROND CHALLENGE 

Content section

Winnaars AI x Recruitment Challenge

 

De drie winnaars zijn: Vrije Universiteit Amsterdam (Janneke Oostrom), eelloo (Jaap Jan van Assen) en NOA (Jacqueline van Breemen). De winnende voorstellen kenmerken zich door een sterke focus op onderzoek naar de acceptatie, eerlijkheid en wederkerigheid van AI in recruitment. Ze hebben alle drie ook op overtuigende wijze aandacht voor de rol van de mens in het recruitmentproces; zowel in de rol van recruiter/selecteur als in de rol van sollicitant/werkzoekende. Wat betekent AI voor beide kanten van de tafel? De winnaars ontvangen elk een subsidie van €10.000 om hun uitdaging verder uit te werken. Aan het eind van de challenge zal voor het best onderbouwde, sterkst overtuigende en ook maatschappelijk meest relevante project een subsidiebedrag van € 20.000 te winnen zijn. Hiermee kunnen de eerste stappen verder worden doorontwikkeld.

Jaap Jan van Assen en collega’s (eelloo), Oebele Bruinsma (WIJJIJ) en Ute Klehe (Justus-Liebig-Universität Gießen) onderzoeken hoe AI kan worden ingezet om de informatiepositie van kandidaten zodanig te vergroten dat het ook effect heeft op proactief loopbaangedrag. Op een bestaand recruitment-platform gaan gebruikers feedback geven op de passendheid van de aan hen voorgestelde vacatures. De insteek is te onderzoeken of het feedback geven op zichzelf een interventie is om proactief loopbaangedrag te stimuleren. Kan de inzet van AI daarmee een bijdrage leveren aan loopbaan(oriëntatie) op maat? En hoe werken we daarbij toe naar meer Explainable AI?

Jacqueline van Breemen en collega’s (NOA), AI-partner 3DUniversum en tekstschrijver Tamara Franke laten zich uitdagen door de vraag hoe we de eerlijkheid moeten wegen van selectiebeslissingen door drie verschillende selectiemethodes. Hoe anders is de lijst van geschikte kandidaten, wanneer er machine learning modellen worden gebruikt in plaats van meer traditionele technieken? Komen er meer inclusieve, diverse keuzes of juist meer exclusieve keuzes in geschikte kandidaten in praktijk tot stand? Of maakt het geen verschil?

Janneke Oostrom en collega’s (VU Amsterdam), Djurre Holtrop (Curtin University) en Ward van Breda (Sentimentics) laten zich uitdagen door de vraag of sollicitanten de oordelen op basis van nieuwe recruitmenttechnologie meer of minder zullen accepteren dan het menselijk oordeel van bijvoorbeeld een selectiepsycholoog. Reageren sollicitanten anders als de match wordt gemaakt door een mens of door AI? En maakt het daarbij uit of men uiteindelijk geschikt of ongeschikt wordt bevonden?

Overige inzendingen

De overige inzendingen in de challenge zijn evenzeer van hoge kwaliteit. Het toont dat er veel partijen in Nederland op dit moment hard aan de weg timmeren met boeiende en relevante vragen. Wat waren hun vragen in deze Challenge? We tonen in willekeurige volgorde alleen de (organisatie)namen van de hoofdaanvragers, hoewel bij alle voorstellen meerdere kennis- of praktijkpartners betrokken zijn.

  • The Selection Lab (Joeri Everaers) richt zich op juridische beroepen. Met een reeds bestaand platform wil men verder bouwen aan een selectiealgoritme dat eerlijker werkt richting meer diversiteit van kandidaten. Zij laten zich uitdagen door de vraag of zelflerende algoritmes hierbij beter werken dan klassieke logaritmische technieken.
  • LTP (Marian de Joode) wil AI letterlijk een gezicht geven in de vorm van “Sigmund”, een sociaal intelligente robot die op basis van AI onbevooroordeeld analyseert, feedback geeft en adviseert. Een boeiende innovatie geïmporteerd uit Zweden, die onderzoeksvragen opwerpt over meerwaarde van de robot in het reguliere sollicitatie-proces. Bijvoorbeeld: welke rol zou “Sigmund” het best kunnen vervullen
  • Studentwork.io (Ranan Branbergen) richt zich op een nieuw platform die studenten accuraat, transparant en anoniem adviseert over (bij)banen, stages en vrijwilligerswerk in Nederland. De inzet van AI voor specifiek deze doelgroep wordt verkend.
  • Create (Casper Witting) wil verder bouwen aan een stage- en banenplatform en wil daarin o.a. twee nieuwe AI-toepassingen testen die kunnen voorspellen hoe goed studenten bij een vacature matchen. Match-percentages worden vervolgens gerandomiseerd wel en niet getoond aan werkgevers bij een profiel. De interessante vraag is daarbij of het wel of niet tonen van deze scores eigenlijk van invloed is op de keuze van de werkgever.
  • Hogeschool van Amsterdam (Hafid Ballafkih) onderzoekt de rol van gamification als ondersteuning bij recruitmentbeslissingen. Met een game kunnen bij medewerkers de competenties in bestaande functies worden vastgesteld, om daarna met sollicitanten de AI gedreven game te gebruiken als assessmentinstrument. Het stelt vervolgens de passende kandidaten voor op basis van hun functiegerelateerde gamescores, waarmee menselijke bias wordt verkleind met het doel diverser talent te kunnen aantrekken.
  • Game and Work (Maikel Abspoel) richt zich ook op de rol van gamification met name gericht op het testen, maar zeker ook verbeteren van soft skills (die van steeds groter belang worden geacht op de arbeidsmarkt). Het voorstel richt zich met name op mensen die nu geen werk hebben of vastlopen op de arbeidsmarkt. De vraag is hoe je met het spelen van online en offline games de soft skills van mensen kunt vangen om met deze informatie verder door te bouwen aan een AI-gedreven applicatie.
  • Universiteit Twente (Maarten Renkema) richt zich op de (interne) selectie van medewerkers voor innovatieprojecten – nog een vrij onontgonnen HR-terrein. Het voorstel bekijkt de vraag hoe AI kan bijdragen aan de creativiteit op de werkvloer en hoe we die processen kunnen ondersteunen met een te ontwikkelen simulatiegame.
  • 2next (Aernout Cohen Tervaert) richt zich op de ontwikkeling van een nieuw matchingalgoritme. Voortbouwend op een reeds ontwikkelde persoonlijkheids-scan op basis van gezichtsanalyse-software gaat de uitdaging over het ook kunnen lezen van het profiel van een organisatie om de goede match te kunnen maken.
  • TNO (Joep van den Eerenbeemt) maakt werk van een Nederlandse Skills-taxonomie waarmee in een digitale applicatie mensen met een afstand tot de arbeidsmarkt makkelijker en breder kunnen navigeren naar passende banen of taken. De challenge-vraag is hoe in het matchingalgoritme de benodigde skills te wegen zijn in hun belang voor functies.
  • Universiteit Twente (Jeroen Meijerink) wil de transparantie van een platform vergroten waarop (groepen) toeristen en stadsgidsen aan elkaar gekoppeld worden. Dit vraagt onder andere om het oplossen van het ‘newbie’ dilemma waarbij nieuwe gidsen in een klassiek ratingssysteem moeilijk klanten krijgen bij een gebrek aan sterbeoordelingen. De vraag is hoe AI dit dilemma kan aanpakken en getest wordt of een transparant alternatief ook leidt tot andere keuzes van toeristen voor een stadsgids naar hun gading.
  • Erasmus Universiteit Rotterdam (Colin Lee) wil een monitoronderzoek opzetten dat zich specifiek richt op de manier waarop AI en algoritmes in de recruitment- en selectiepraktijk bij bedrijven in Nederland concreet wordt ingezet. De monitor maakt problemen met de inzet van AI in werving en selectie tijdig inzichtelijk. Verder houdt het bij welk type technologieën opgepikt worden in praktijk, zodat opleidingsinstituten kunnen inspringen op deze ontwikkelingen.

Keer mee om!

onkering transparant