Autor:  (1) Anuar Assamidanov, Department of Economics, Claremont Graduate University, 150 E 10th St, Claremont, CA 91711. (E-Mail: anuar.assamidanov@cgu.edu).  Linktabelle   Abstrakt   Hintergrund   Daten   Methodik   Ergebnisse   Diskussion und Schlussfolgerung sowie Referenzen   A Anhang Tabellen und Abbildungen  Abstrakt  Geschlechtsdiskriminierung im Einstellungsprozess ist ein wesentlicher Faktor, der zu Ungleichheiten auf dem Arbeitsmarkt beiträgt. Es gibt jedoch kaum Belege dafür, inwieweit geschlechtsspezifische Vorurteile von Einstellungsmanagern für diese Ungleichheiten verantwortlich sind. In diesem Artikel nutze ich einen einzigartigen Datensatz von Blind Auditions der Fernsehsendung The Voice als Experiment, um meine eigenen geschlechtsspezifischen Vorurteile im Auswahlprozess zu identifizieren. Beim ersten im Fernsehen übertragenen Bühnenvorsprechen, bei dem vier namhafte Musiker als Coaches fungieren, hört man den Kandidaten „blind“ zu (Stühle sind von der Bühne weg gerichtet), um den Kandidaten nicht zu sehen. Mithilfe einer Differenz-von-Differenzen-Schätzstrategie ist ein Coach (einstellende Person) nachweislich exogen in Bezug auf das Geschlecht des Künstlers. Ich stelle fest, dass Künstler mit einer um 4,5 Prozentpunkte (11 Prozent) höheren Wahrscheinlichkeit ausgewählt werden, wenn sie von einem Coach des anderen Geschlechts gecoacht werden. Ich nutze auch den maschinellen Lernansatz von Athey et al. (2018), um Heterogenität in Bezug auf die Geschlechterzusammensetzung des Teams, die Reihenfolge der Aufführung und die Ausfallraten der Coaches einzubeziehen. Die Erkenntnisse bieten eine neue Perspektive zur Bereicherung bisheriger Forschungen zum Thema Geschlechterdiskriminierung und werfen Licht auf Fälle geschlechtsspezifischer Variationen je nach Geschlecht des Entscheidungsträgers und der Geschlechterzusammensetzung des Teams.  Geschlechtsdiskriminierung im Einstellungsprozess ist ein wesentlicher Faktor, der zu einem schlechten Arbeitsmarkt beiträgt (Blau und Kahn, 2007). Geschlechtsspezifische Unterschiede bei der Einstellung sind schwer zu messen, was es schwierig macht, ihre Auswirkungen auf die Beschäftigung von Störvariablen wie Unterschieden im Humankapital und relevanten Fähigkeiten zu unterscheiden. Baert (2018) hat jedoch Studien zu Beweisen für Geschlechtsdiskriminierung bei der Einstellung katalogisiert und dabei experimentelle Methoden verwendet, bei denen Störfaktoren herausgearbeitet wurden, um die tatsächlichen Auswirkungen auf die Arbeitsmarktergebnisse abzuschätzen.  Studien haben festgestellt, dass es auf dem Arbeitsmarkt zu Diskriminierung von Frauen bei der Einstellung kommt, doch die meisten dieser Untersuchungen verwendeten experimentelle Methoden (Bertrand und Duflo, 2017; Baert, 2018; Neumark, 2018). Im Rahmen dieser Experimente werden Paare fiktiver Bewerbungen, die sich nur im Geschlecht des Kandidaten unterscheiden, an tatsächliche Stellenangebote gesendet. Diskriminierung wird anhand des anschließenden Rückrufs des Arbeitgebers und des Geschlechts des Kandidaten identifiziert. Die Korrespondenztestmethode ist der Goldstandard zur Einschätzung von Diskriminierung bei der Einstellung auf dem Arbeitsmarkt (Baert, 2015). In dieser Literatur zu Einstellungsverfahren ist das Geschlecht der Entscheidungsträger bei der Einstellung jedoch nicht beobachtbar, oder Entscheidungen werden kollektiv getroffen. Darüber hinaus erfassen diese Experimente nur die Rückrufquoten und gehen nicht über die Anfangsphase des Einstellungsprozesses hinaus. Unter der Annahme, dass die Einstellungsentscheidungen der Arbeitgeber auf einer Ausschlussregel basieren, könnte es außerdem unbeobachtete variable Unterschiede in der Produktivität zwischen den beiden Gruppen geben, die zu verzerrten Diskriminierungsmaßnahmen führen können (Neumark, 2012).  Ein weiterer Teil der Literatur zu Geschlechterdiskriminierung befasst sich mit der eigenen Geschlechtervoreingenommenheit (d. h. Bevorzugung von Personen des eigenen Geschlechts) bei Einstellungsentscheidungen. Laborexperimente zeigen häufig, dass Frauen eine eigene Geschlechtervoreingenommenheit zeigen, wenn Informationen automatisch verarbeitet werden, aber diese Ergebnisse sind bei Männern nicht zu finden (Rudman und Goodwin, 2004). Es ist jedoch unklar, ob diese Ergebnisse für Einstellungsentscheidungen in der realen Welt gelten, die wahrscheinlich durch einen reflektierenden (nicht automatischen) Prozess gekennzeichnet sind. Die vorhandenen Studien zu Einstellungsentscheidungen in der realen Welt berücksichtigen in der Regel bestimmte Segmente des Arbeitsmarktes und finden gemischte Beweise für eine eigene Geschlechtervoreingenommenheit (Booth und Leigh, 2010; Bagues und Esteve-Volart, 2010; Bagues et al., 2017). Aufgrund der Datenbeschränkungen in diesen Umgebungen ist es schwer zu unterscheiden, ob das Geschlecht des Arbeitgebers gegenüber dem Geschlecht des Bewerbers bevorzugt wird (d. h. eine eigene Geschlechtervoreingenommenheit). Der Hauptzweck dieses Papiers besteht darin, zu testen, ob im Einstellungsprozess eine eigene Geschlechtervoreingenommenheit vorliegt. Mögliche Erkenntnisse könnten unser Verständnis des aktuellen Arbeitsmarktes auf individueller Ebene und der sich daraus ergebenden weitreichenden Auswirkungen verbessern.  Die größte Schwierigkeit beim Testen von Geschlechtervorurteilen im Einstellungsprozess besteht darin, dass Entscheidungsträger und Bewerber nicht das Ergebnis eines zufälligen Auswahlverfahrens sind, um einen kausalen Faktor für die Entstehung des eigenen Geschlechtervorurteils zu behaupten. Die grundlegende Herausforderung bei der Identifizierung besteht auch darin, dass Forscher nur reale Daten bereits eingestellter Arbeitnehmer beobachten – wenn der Bewerber nicht eingestellt ist, wird dies nie aufgezeichnet. Aufgrund dieser Einschränkungen bleibt in dieser Literatur die Frage offen, ob das Geschlecht des Entscheidungsträgers über die Einstellung das Geschlecht der eingestellten Bewerber bestimmt. In diesem Artikel nutze ich einen einzigartigen Datensatz von Blind Auditions der TV-Show „Voice“ als natürliches Experiment, um die eigene Geschlechtervorurteile im Auswahlprozess zu identifizieren.  Ich bewerte die eigene Geschlechtsvoreingenommenheit in der Sendung „The Voice“, einem Setting, in dem ein Coach (einstellende Person) nachweislich exogen in Bezug auf das Geschlecht des Künstlers ist. Die erste im Fernsehen übertragene Phase der TV-Sendung „The Voice“ sind die Blind Auditions. Die vier Coaches, allesamt namhafte Musiker, hören den Kandidaten auf Stühlen zu, die von der Bühne weg gerichtet sind, um die Kandidaten nicht sehen zu müssen. Wenn einem Coach die Stimme des Kandidaten gefällt, drückt er einen Knopf, um seine Stühle zu drehen und damit zu signalisieren, dass er daran interessiert ist, mit diesem Kandidaten zu arbeiten. Der Vorteil dieser Einschätzungen besteht darin, dass die Coaches nur die Stimme der Kandidaten beobachten und aus der Stimme das wahrscheinliche Geschlecht des Kandidaten ableiten. Aufgrund des „blinden“ Entscheidungsprozesses werden in diesem Setting also andere Merkmale, die mit dem Künstler und Coach zusammenhängen, eliminiert. Ich glaube, dass dies eine plausible Umgebung ist, um eine verallgemeinerte Differenz-in-Differenzen-Identifizierungsstrategie mit zufälliger Zuweisung von Coaches zu Teilnehmern anzuwenden. In Anlehnung an die Studie von Price und Wolfers (2010) zur rassistischen Voreingenommenheit von NBA-Schiedsrichtern vergleiche ich die Unterschiede in der Wahrscheinlichkeit, mit der weibliche und männliche Kandidaten von weiblichen und männlichen Trainern ausgewählt werden.  Durch das Ziehen verschiedener Arten von Schlussfolgerungen zeigt die Analyse systematische Hinweise auf eine Voreingenommenheit gegenüber dem anderen Geschlecht (Bevorzugung des anderen Geschlechts). Männliche Trainer bevorzugen überwiegend weibliche Kandidaten, während weibliche Trainer männliche Kandidaten bevorzugen. Die Wahrscheinlichkeit, dass Kandidaten von einem Trainer des anderen Geschlechts ausgewählt werden, ist um 4,5 Prozentpunkte (11 Prozent) höher. Um die Heterogenität systematischer zu untersuchen, passe ich den maschinellen Lernansatz von Athey und Wager (2019) an. Ich habe die Analyse erweitert, indem ich Heterogenität in der Geschlechterzusammensetzung des Teams jedes Trainers, den Ausfallraten der Trainer und der Leistungsreihenfolge berücksichtigt habe. Die Ergebnisse bieten faszinierende Einblicke in die Geschlechtervoreingenommenheit, die bei der Auswahl neuer Kandidaten je nach Teamzusammensetzung stark variiert.  Dieses Papier bietet eine der ersten Untersuchungen von Einstellungspraktiken unter Verwendung zufälliger Variationen des Geschlechts, um die Auswirkungen auf den Auswahlprozess zu untersuchen. Die zufällige Variation des Geschlechts ermöglicht es mir, potenzielle Bedenken auszuräumen, dass beobachtete Ungleichheiten auf unbeobachtete Unterschiede zwischen den Geschlechtern der Bewerber zurückzuführen sein könnten. Zweitens wendet dieses Papier die Methode der kausalen Wald-Maschinenlern-Inferenz von Athey und Wager (2019) auf heterogene Behandlungseffekte auf eine quasi-experimentelle Differenz-in-Differenzen-Identifizierungsstrategie an.  Dieses Papier ist eng mit der Arbeit von Carlsson und Eriksson (2019) verwandt. Ihre Arbeit liefert verwandte Beweise, die darauf hindeuten, dass eine Rolle für geschlechtsspezifische Präferenzen innerhalb der Gruppe in vielen anderen Zusammenhängen dokumentiert wurde. Sie untersuchten die Voreingenommenheit innerhalb der Gruppe und des eigenen Geschlechts bei realen Einstellungsentscheidungen, indem sie Daten zum Geschlecht des Personalvermittlers und zum Anteil weiblicher Mitarbeiter in vielen Unternehmen mit Daten aus einem groß angelegten Feldexperiment zum Thema Einstellung kombinierten. Die Ergebnisse deuteten darauf hin, dass Frauen (weibliche Personalvermittler oder Unternehmen mit einem hohen Anteil weiblicher Mitarbeiter) Frauen im Einstellungsprozess bevorzugen. Dennoch liefert diese Studie nur einen winzigen Bruchteil der Informationen der teilnehmenden Unternehmen zum Geschlecht der Personalvermittler, was zu einem erheblichen Messfehler führen könnte.  Ähnlich dieser Arbeit untersuchten Goldin und Rouse (2000) Blindheit im Orchesterkontext, um die geschlechtsspezifische Auswahl von Orchestermitgliedern als politische Intervention zu untersuchen. Diese Arbeit unterscheidet sich von ihrer Arbeit darin, dass ich das Geschlecht der Angestellt- und Kandidatenpersonen beobachten kann und die Coaches das Geschlecht des Interpreten anhand seiner Stimme beobachten können. Die Entscheidungen der Coaches werden ebenfalls individuell getroffen, während es beim Blind Audition im Orchester eine kollektive Entscheidung gab. Schließlich besteht die andere Einzigartigkeit dieser Situation darin, dass ich die Marktstruktur analysieren konnte, wobei jeder Coach als Unternehmen angenommen werden konnte. Ich konnte die Marktmacht der Coaches veranschaulichen, indem ich die Reihenfolge der Aufführung und das Genre des von ihnen gespielten Liedes nutzte. Die Kontrolle all dieser Faktoren verleiht der Geschlechterdiskriminierung auf dem Wettbewerbsmarkt eine neue Dimension.  Der Rest des Dokuments ist wie folgt gegliedert. Abschnitt 1 liefert einen kurzen Hintergrund zu The Voice, fasst die Blind Audition-Phase der Show zusammen und gibt eine Vorschau auf unsere Schätzstrategie. Abschnitt 2 beschreibt die Daten. Abschnitt 4 beschreibt die empirische Strategie im Detail. Abschnitt 5 präsentiert Ergebnisse und Abschnitt 5 schließt.  Dieses Dokument ist   . auf Arxiv unter der CC 4.0-Lizenz verfügbar

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Precedent Tech 

Precedent publishes about the technology breakthroughes that'll rule tmw's mundane.

Precedent's blog

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Zu lang; Lesen

Make resilience your competitive advantage

Was die Auditions bei „The Voice“ über geschlechtsspezifische Vorurteile bei der Einstellung von Mitarbeitern verraten

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Celebrating Our Writing Community!

HackerNoon Decoded 2024: Celebrating Our Cybersecurity Community!

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Celebrating Our Writing Community!

HackerNoon Decoded 2024: Celebrating Our Cybersecurity Community!

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps