Key points are not available for this paper at this time.
As organizações estão cada vez mais voltando-se para ferramentas de seleção de pessoal que dependem de tecnologias de inteligência artificial (IA) e algoritmos de aprendizado de máquina que, juntas, pretendem prever o sucesso futuro dos funcionários melhor do que as ferramentas tradicionais. Essas novas formas de avaliação incluem jogos online, entrevistas baseadas em vídeo e big data extraído de várias fontes, incluindo respostas a testes, comportamento durante a realização de testes, candidaturas, currículos e mídias sociais. Processamento rápido, custos mais baixos, acesso conveniente e engajamento dos candidatos são frequentemente mencionados e justificadamente citados como as vantagens práticas de usar essas ferramentas de seleção. Ao mesmo tempo, no entanto, essas ferramentas levantam sérias preocupações sobre sua eficácia em termos de relevância conceitual para o trabalho, sua base em uma análise de trabalho para garantir a relevância do trabalho, suas características de medição (confiabilidade e estabilidade), sua validade em prever resultados relevantes para os funcionários, sua evidência e informações normativas sendo atualizadas de forma adequada e as preocupações éticas associadas ao que está sendo representado aos empregadores e informado aos candidatos a emprego. Este artigo explora essas preocupações, concluindo com um urgente chamado aos psicólogos industriais e organizacionais para estender os padrões profissionais existentes para testes de emprego a essas novas formas de testes baseadas em IA e aprendizado de máquina, incluindo padrões e requisitos para a sua documentação.
Tippins et al. (Sex,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: