Vad innebär en "övervakad" (supervised) AI-modell i urvalssammanhang?
A: Att olika poäng matas in i en algoritm för att förutsäga ett kriterium, t.ex. arbetsprestation
B: Att en människa övervakar kandidatens beteende under testning
C: Att AI-systemet självständigt samlar in och tolkar data utan mänsklig input
D: Att rekryteraren granskar algoritmens slutsatser innan de presenteras för kandidaten
Övervakade (supervised) modeller innebär att olika poäng matas in i en algoritm för att förutsäga ett kriterium, som arbetsprestation. Algoritmen tränas exempelvis på resultat från intelligenstest och personlighetstest för att förutsäga en ledares prestation, mätt via chefens omdöme.
Vilken teknik används vanligtvis inom maskininlärning för övervakade AI-modeller?
A: Deep learning och neurala nätverk utan mänsklig input
B: Klusteranalys och dimensionsreducering
C: Regressionsanalys
D: Bayesiansk inferens och sannolikhetsmodeller
Konceptet med att träna algoritmer är inte nytt — principerna etablerades för länge sedan. Inom maskininlärningstekniken används ofta olika former av regressionsanalys för att bestämma de relativa vikterna av prediktorerna.
Koenig et al. (2023) studerade AI-bedömning av vilka typer av färdigheter hos 3 174 kandidater?
A: Tekniska och analytiska färdigheter, som programmering och dataanalys
B: Kognitiv förmåga mätt via standardiserade intelligenstest
C: Personlighetsdrag mätta via självskattningsformulär
D: Interpersonella färdigheter och beslutsfattandeförmåga, t.ex. aktivt lyssnande och samarbete
Koenig et al. (2023) utvecklade intervjufrågor för att bedöma interpersonella färdigheter och beslutsfattandeförmåga hos kandidater — inkl. aktivt lyssnande, assertiv kommunikation, samarbete, social påverkan, interpersonell anpassningsförmåga, muntlig kommunikation och beslutsfattande.
Vad drog Koenig et al. (2023) för slutsats om maskininlärningsbedömningar jämfört med mänskliga utvärderingar?
A: Maskininlärning var klart överlägsen mänskliga bedömare på alla mått
B: Maskininlärningsbedömningar är jämförbara med mänskliga utvärderingar och förklarade ytterligare 2,8 % av variansen
C: Mänskliga bedömare var tydligt överlägsna maskiner på interpersonella färdigheter
D: Ingen signifikant skillnad hittades, varken till maskinens eller människans fördel
Resultaten visade att datorsimulerade bedömningar förklarade ytterligare 2,8 % av variansen. Sammanfattningsvis tyder resultaten på att maskininlärningsbedömningar är jämförbara med mänskliga utvärderingar av kandidaternas färdigheter — varken klart bättre eller sämre.
Vad kan en övervakad AI-algoritm INTE göra på egen hand, enligt föreläsningen?
A: Välja vilka variabler som ska inkluderas eller samla in poäng — en expert eller validerat test krävs
B: Beräkna korrelationer mellan prediktorpoäng och arbetsprestation
C: Tränas om upprepade gånger för att optimera prediktiv kraft
D: Ge kandidater poäng på arbetsrelaterade kompetenser
Algoritmen kan inte själv välja vad som ska inkluderas eller samla in poäng. Istället måste en expert eller ett redan utvecklat och validerat test tillhandahålla relevant input i form av viktiga kunskaper, färdigheter, förmågor och andra personliga egenskaper (KSAO) som är viktiga för jobbet.
Vad handlar oövervakade (unsupervised) AI-modeller om?
A: Att förutsäga ett känt kriterium baserat på träningsdata
B: Att träna en modell utan att använda mänskliga bedömares poäng
C: Att upptäcka nya mönster i stora mängder data utan ett förutbestämt kriterium
D: Att använda AI för att övervaka kandidater utan deras vetskap
Oövervakade modeller handlar om att upptäcka nya mönster i stora mängder data. Den mänskliga hjärnan sätter gränser för hur mycket information vi kan bearbeta samtidigt. Ett exempel är den ostrukturerade anställningsintervjun där samtalet innehåller en enorm mängd information.
Varför är bias ett problem i AI-baserade urvalsmodeller, och vad är det primära källan till bias?
A: AI-system är designade för att diskriminera — bias är inbyggt i algoritmerna
B: Bias uppstår enbart i oövervakade modeller, inte i övervakade
C: Bias beror på att AI-system är för transparenta och avslöjar dolda preferenser
D: Bias i träningsdata kan leda till att algoritmen lär sig och reproducerar samma bias
I alla algoritmiska tillvägagångssätt beror lösningens effektivitet på kvaliteten på träningsdata. Bias i träningsuppsättningen kan leda till att algoritmen lär sig och reproducerar samma bias. Därför krävs en noggrann utvärdering av modellernas påverkan på olika undergrupper.
Hur klassificerar EU:s AI-förordning (AI Act) AI-system som används för rekrytering och personalurval?
A: Som högrisk-AI, med stränga krav på transparens, mänsklig tillsyn och teknisk dokumentation
B: Som lågrisk-AI, med krav på enbart enkel dokumentation
C: Som förbjuden AI, som inte får användas inom EU
D: Som generell AI-applikation, utan specifik riskkategori
EU:s AI-förordning (AI Act) klassificerar AI-system som används för rekrytering, urval och personaladministration som högrisk-AI. Detta innebär stränga krav på transparens, mänsklig tillsyn och teknisk dokumentation för att säkerställa icke-diskriminering.
Vilket krav ställer EU:s AI-förordning på viktiga urvalsbeslut — t.ex. att välja bort en kandidat?
A: Beslutet får fattas enbart av AI om en algoritm har validerats
B: En människa måste kunna granska och åsidosätta AI-beslutet (mänsklig tillsyn)
C: Kandidaten måste informeras i efterhand, men beslutet behöver inte granskas
D: AI-beslutet måste bekräftas av två oberoende algoritmer
Enligt EU AI Act måste viktiga beslut — t.ex. att välja bort en kandidat — ha mänsklig tillsyn. En människa måste kunna granska och åsidosätta AI-beslutet. Dessutom måste arbetssökande informeras om att de blir föremål för ett AI-baserat urvalssystem.
Vilken av SIOPs fem riktlinjer för AI-baserade bedömningar handlar om konsistens och reliabilitet?
A: Riktlinje 1: AI-poäng bör korrekt förutsäga framtida arbetsprestation
B: Riktlinje 3: AI-bedömningar bör producera rättvisa och opartiska poäng
C: Riktlinje 2: AI-poäng bör vara konsekventa vid omtestning och mäta arbetsrelaterade egenskaper
D: Riktlinje 5: Beslutsfattande bör dokumenteras för extern granskning
SIOPs riktlinje 2 handlar om att poängen från AI-baserade bedömningar bör vara konsekventa vid omtestning (reliabilitet) och mäta arbetsrelaterade egenskaper. Riktlinje 1 handlar om prediktiv validitet, riktlinje 3 om rättvisa och riktlinje 5 om dokumentation.
Vad är Tengai och vad är dess huvudsakliga syfte?
A: Ett AI-verktyg för att automatisera CV-granskning och rangordna kandidater
B: Ett system för att transkribera och analysera traditionella intervjuer i efterhand
C: En chatbot som svarar på kandidaters frågor om rekryteringsprocessen
D: Världens första sociala intervjurobot, som strävar efter opartiska intervjuer genom att bedöma svar utan att påverkas av tal, ålder, kön eller utseende
Det svenska projektet Tengai introducerade världens första sociala intervjurobot, lanserad i maj 2019. Tengai strävar efter opartiska intervjuer och genomför bedömningar baserade enbart på kandidaternas svar — opåverkade av tal, ålder, kön eller utseende.
Sjöberg & Sjöberg (2020) genomförde en validitetsstudie av Tengai. Vad fann de?
A: Tengai visade god reliabilitet men saknade kriterievaliditet
B: Tengais intervjufrågor för Extraversion och Conscientiousness uppvisar konvergent och diskriminant validitet
C: Mänskliga intervjuare bedömde personlighet mer tillförlitligt än Tengai
D: Tengai kunde mäta Extraversion men inte Conscientiousness tillförlitligt
Sjöberg & Sjöberg (2020) studerade 34 deltagare som genomgick självskattning och sedan intervjuades av Tengai. Fynden stödjer att Tengais intervjufrågor, riktade mot Extraversion och Conscientiousness enligt FFM, besitter konvergent och diskriminant validitet — att en robot kan genomföra standardiserade intervjuer utan mänsklig tolkning.
SIOP har formulerat fem riktlinjer för AI-baserade bedömningar i personalurval. Vilket alternativ beskriver korrekt alla fem?
A: (1) Konstruktvaliditet, (2) reliabilitet, (3) rättvisa, (4) transparens mot kandidater och (5) dokumentation
B: (1) Prediktiv validitet, (2) reliabilitet, (3) rättvisa, (4) mänsklig tillsyn och (5) dokumentation
C: (1) Prediktiv validitet, (2) reliabilitet, (3) diskrimineringsförmåga, (4) transparens mot kandidater och (5) dokumentation
D: (1) Prediktiv validitet, (2) reliabilitet, (3) rättvisa, (4) transparens mot kandidater och (5) dokumentation
SIOPs fem riktlinjer för AI-baserade bedömningar är: (1) Prediktiv validitet — poängen ska förutsäga framtida arbetsprestation, (2) Reliabilitet — poängen ska vara konsekventa vid omtestning och mäta arbetsrelaterade egenskaper, (3) Rättvisa — bedömningarna ska ge opartiska poäng för alla grupper, (4) Transparens — kandidater ska informeras om att AI-baserade metoder används, (5) Dokumentation — beslutsprocessen ska dokumenteras för extern granskning. Alternativ A byter ut "prediktiv validitet" mot "konstruktvaliditet", B byter "transparens" mot "mänsklig tillsyn" (ett EU AI Act-krav, inte en SIOP-riktlinje), och C byter "rättvisa" mot "diskrimineringsförmåga".
AI och urval
Vad innebär en "övervakad" (supervised) AI-modell i urvalssammanhang?
Om det här quizet
Testa dina kunskaper om artificiell intelligens i personalurval — övervakade och oövervakade modeller, bias-problematik, EU:s AI-förordning, SIOPs riktlinjer och intervjuroboten Tengai. Baserat på föreläsning 7, PSPR24.