Onderscheid op drie manieren | fraks

  • VanStephen Hermann

    Dichtbij

Vrouwen, Migratiegeschiedenis, Moslim

Een ziekenhuis ergens in Duitsland. Twee vrouwen met een allochtone achtergrond moeten voor 50 tot 65 patiënten zorgen, en hun Duitse collega’s hebben slechts ongeveer 30 patiënten. Een vakman wiens baas weigert om een ​​gebedsruimte te vragen. De overheid nodigt geen mensen uit arme gebieden uit voor sollicitatiegesprekken. Drie gevallen van discriminatie. Samengesteld door de IQ-afdeling voor interculturele competentieontwikkeling en antidiscriminatie.

“Discriminatie is een groot probleem”, zegt Rod Copmans. De socioloog is hoogleraar sociologie en migratieonderzoek aan de Humboldt-universiteit in Berlijn en deed onderzoek naar etnische en religieuze discriminatie op de arbeidsmarkt. In een internationale vergelijking zijn de nadelen van de arbeidsmarkt voor immigranten of andere minderheden in Duitsland echter enigszins beperkt, zegt Koopmans, verwijzend naar Groot-Brittannië en de VS, waar de discriminatie groter is.

Niemand mag in Duitsland worden beroofd op grond van racisme, afkomst, geslacht, religie of ideologie. Het verbiedt ook discriminatie op basis van handicap, leeftijd of genderidentiteit.

Het gebeurt echter. Mensen met een allochtone achtergrond worden onevenredig zwaar getroffen door discriminatie. Een team onder leiding van Koopmans van het Berlin Center for Social Sciences (WZB) toonde in 2018 aan dat sollicitaties van mensen met een Albanese, Marokkaanse of Ethiopische achtergrond significant slechtere kansen hebben dan die van mensen zonder een allochtone achtergrond. Studies van sollicitanten met Turkse namen of moslimvrouwen die een hoofddoek dragen, hebben vergelijkbare conclusies opgeleverd.

Aan het onderzoek van WZB-onderzoekers deden mensen met 35 verschillende allochtone achtergronden mee. Ze worden echter niet op dezelfde manier gediscrimineerd, zegt Koopmans. Dit wordt verklaard aan de hand van de veronderstelde verschillen en overeenkomsten in de waarden. “Dat een Nederlander als ik nauwelijks wordt gediscrimineerd, heeft te maken met het feit dat het waardeverschil tussen Duitsland en Nederland heel klein is.”

READ  TSMC: Nieuwe fabriek in Saksen van Apple's chipmaker?

Als onderdeel van de Europese enquête naar arbeidsomstandigheden meldde 5,6 procent van de werknemers in Duitsland dat ze discriminatie op het werk hebben ervaren. In een enquête uit 2015 merkten experts op dat vooral jongeren fouten rapporteren: “Dit kan te wijten zijn aan het feit dat ze zich er anders van bewust zijn en dat oudere mensen er al aan gewend zijn.” Vroeger was ongelijkheid van Regina Sandig en Martha Dudzinski. De twee vrouwen zijn betrokken bij het Swans-netwerk en strijden tegen discriminatie in de wereld van werk.

Vooral in haar aandachtsgebied: Meervoudige discriminatie voor vrouwen met een allochtone achtergrond. “We ondersteunen vrouwen die op veel niveaus tegelijk worden gediscrimineerd”, zegt Dodzinsky. “Ze worden dus niet alleen benadeeld vanwege hun geslacht, maar ook vanwege hun afkomst, ras, religie en sociale achtergrond.”

Sandig en Dudzinsky willen deze vrouwen helpen. Ze organiseren seminars, bieden sollicitatie-examens aan en regelen contacten met bedrijven. “De kern van ons netwerk is de mogelijkheid om ideeën met elkaar te delen”, zegt Sandage. Want hoewel er nu meer dan 600 vrouwen in het netwerk aan de universiteit zitten, missen ze vaak iets: leefgebied, netwerken en veiligheid – “Je beweegt je niet met vertrouwen en comfort door bepaalde kringen”, zegt Dodzinsky.

Virginia Sondergil is het ermee eens dat ‘intersectionaliteit steeds belangrijker wordt’. Ze werkt op het gebied van gendereconomie aan het Duitse Instituut voor Economisch Onderzoek (DIW) in Berlijn. “Iedereen combineert verschillende identiteitskenmerken, en daar moet meer rekening mee worden gehouden in economisch onderzoek.”

Naast educatie en netwerken kan anonimiteit het sollicitatieproces eerlijker maken: voor een onderzoek van het Federaal Antidiscriminatiebureau in 2010 en 2011 hebben acht bedrijven hun sollicitatieprocedures geanonimiseerd. Het resultaat: minder discriminatie. De auteurs van het onderzoek concludeerden dat een gebrek aan persoonlijke informatie zoals naam, geslacht en leeftijd geen probleem was voor de meeste personeelsmanagers. Met name het verwijderen van de foto “draagt ​​bij aan de focus op kwalificaties”.

READ  Krijgen banken 40 miljard euro bij het besluit van de Europese Centrale Bank?

Focus op de basis, en dat is ook wat algoritmeaanbieders beloven, die tegelijkertijd een belangrijke rol spelen op veel HR-afdelingen. Vacatures worden automatisch getoond en het programma screent geschikte kandidaten uit grote groepen sollicitanten of registreert de medewerker die een bijscholing volgt en geschikt is voor een andere functie.

Bias: technologie discrimineert niet. De realiteit ziet er soms anders uit: “Het probleem van discriminatie doet zich vooral voor waar het algoritme werkt en leert met behulp van grote datasets”, zegt DIW-onderzoeker Sondergeld. “De vraag is dan: wat wordt er gemaximaliseerd?”

In de VS gebruikt Amazon al jaren software om werkverzoeken te scannen en te hervatten. Dan blijkt dat de tool in het voordeel is van mannen in technische banen. De reden: cv’s van sollicitanten vergelijken met die van werknemers – die op hun beurt meestal mannen waren.

In New York legt de gemeente beperkingen op aan het gebruik van dergelijke software in de toekomst: vanaf 2023 mogen bedrijven geen geautomatiseerde tools meer gebruiken in hun sollicitatieprocessen – tenzij uit jaarlijkse softwarecontrole blijkt dat ze geen sollicitanten accepteren op op basis van ras of etniciteit Geslachten. De fabrikanten van deze programma’s moeten hun werkwijze bekendmaken.

Het is voor veel experts een stap in de goede richting, maar het kan tekortschieten: de basis is “te zwak”, bekritiseerde Alexandra Givens, hoofd van het Centrum voor Democratie en Technologie, en waarschuwde dat het een “vijgenblad” is geworden voor AI fabrikanten van gereedschap. Er is ook kritiek dat er geen rekening wordt gehouden met discriminatie op grond van leeftijd of handicap.

READ  Verlangen om grenzen te verleggen

DIW-onderzoeker Sondergeld wil de algoritmen echter niet veroordelen. Naast de risico’s ziet het ook kansen: als je merkt dat het algoritme bijvoorbeeld herkomst of geslacht te hoog indeelt, moet je je afvragen waarom. “Hierin ligt een kans, het algoritme kan impliciete vooroordelen detecteren die onopgemerkt blijven in traditionele aanvraagprocessen.”

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *