Een recent onderzoek onder leiding van professor Danielle Li (MIT Sloan School of Management) bevestigt dat algoritmen een grote hulp bieden bij rekrutering. Tenminste, als men maar de juiste soort inzet. Het ene algoritme is het andere niet. Li wijst op een probleem en geeft een gouden tip. De onderzoekers bouwden drie algoritmen voor het screenen van cv’s. Het eerste was een klassieke statische versie van het supervised learning-type (SL). Dat is een vorm van machineleren die werkt op basis van (meestal) door een mens gelabelde trainingsdata, zowel qua input als output. De tweede versie was een updating SL, die gedurende de testperiode de data aanpaste aan de uitkomsten (rekruteringsresultaten van voor interviews geselecteerde kandidaten). Beide algoritmen zijn gericht op het exploiteren van bestaande gegevens.De derde benadering paste een upper confidence bound (UCB) toe. Dit algoritme is gebaseerd op een zeker optimisme in geval van twijfel over het cv. Simpel...
