'द वॉयस' के ऑडिशन से नियुक्ति में लैंगिक पूर्वाग्रह के बारे में क्या पता चलता है?

लिंक की तालिका

अमूर्त

पृष्ठभूमि

डेटा

क्रियाविधि

परिणाम

चर्चा और निष्कर्ष, और संदर्भ

परिशिष्ट तालिकाएँ और आंकड़े

अमूर्त

नियुक्ति प्रक्रिया में लैंगिक भेदभाव श्रम बाजार असमानताओं में योगदान देने वाला एक महत्वपूर्ण कारक है। हालाँकि, इस बात के बहुत कम सबूत हैं कि नियुक्ति प्रबंधकों द्वारा लैंगिक पूर्वाग्रह किस हद तक इन असमानताओं के लिए जिम्मेदार है। इस शोधपत्र में, मैं चयन प्रक्रिया में स्वयं के लैंगिक पूर्वाग्रह की पहचान करने के लिए एक प्रयोग के रूप में द वॉयस टेलीविज़न शो के ब्लाइंड ऑडिशन के एक अनूठे डेटासेट का उपयोग करता हूँ। पहला टेलीविज़न स्टेज ऑडिशन, जिसमें चार उल्लेखनीय रिकॉर्डिंग कलाकार कोच हैं, प्रतियोगी को देखने से बचने के लिए प्रतियोगियों को "आँख बंद करके" (स्टेज से दूर की ओर कुर्सियाँ) सुनता है। अंतर-में-अंतर अनुमान रणनीति का उपयोग करते हुए, एक कोच (नौकरी पर रखने वाला व्यक्ति) कलाकार के लिंग के संबंध में स्पष्ट रूप से बहिर्जात है, मुझे लगता है कि कलाकारों के चुने जाने की संभावना 4.5 प्रतिशत अंक (11 प्रतिशत) अधिक होती है जब वे विपरीत लिंग के कोच के प्राप्तकर्ता होते हैं। मैं एथी एट अल. (2018) में मशीन-लर्निंग दृष्टिकोण का भी उपयोग करता हूँ ताकि टीम की लैंगिक संरचना, प्रदर्शन के क्रम और कोचों की विफलता दरों से विविधता को शामिल किया जा सके। ये निष्कर्ष लिंग भेदभाव पर पिछले शोध को समृद्ध करने के लिए एक नया परिप्रेक्ष्य प्रदान करते हैं, तथा निर्णयकर्ता के लिंग और टीम की लिंग संरचना के आधार पर लिंग पूर्वाग्रह भिन्नता के उदाहरणों पर प्रकाश डालते हैं।

नियुक्ति प्रक्रिया में लैंगिक भेदभाव, श्रम बाजार की खराब स्थिति में योगदान देने वाला एक महत्वपूर्ण कारक है (ब्लाउ और काहन, 2007)। नियुक्ति में लैंगिक अंतर को मापना चुनौतीपूर्ण है, जिससे रोजगार पर इसके प्रभाव को भ्रमित करने वाले चरों, जैसे कि मानव पूंजी और प्रासंगिक कौशल में अंतर से अलग करना मुश्किल हो जाता है। हालांकि, बैर्ट (2018) ने प्रयोगात्मक तरीकों का उपयोग करके नियुक्ति में लैंगिक भेदभाव के साक्ष्य पर अध्ययनों को सूचीबद्ध किया है, जहां श्रम बाजार के परिणामों पर वास्तविक प्रभाव का अनुमान लगाने के लिए भ्रमित करने वाले कारकों को अलग किया गया था।

अध्ययनों से श्रम बाजार में महिलाओं के खिलाफ भेदभावपूर्ण प्रथाओं को काम पर रखने का पता चला है, लेकिन इस शोध में से अधिकांश ने प्रयोगात्मक तरीकों (बर्ट्रेंड और डफ्लो, 2017; बार्ट, 2018; न्यूमार्क, 2018) का उपयोग किया है। इन प्रयोगों के भीतर, काल्पनिक नौकरी के आवेदनों के जोड़े, केवल उम्मीदवार के लिंग से भिन्न होते हैं, वास्तविक नौकरी के उद्घाटन के लिए भेजे जाते हैं। नियोक्ता और उम्मीदवार के लिंग के बाद के कॉल-बैक से भेदभाव की पहचान की जाती है। पत्राचार परीक्षण पद्धति श्रम बाजार में भर्ती भेदभाव का अनुमान लगाने के लिए स्वर्ण मानक है (बार्ट, 2015)। हालांकि, इस भर्ती साहित्य में, निर्णय लेने वालों को काम पर रखने का लिंग अवलोकनीय नहीं है, या निर्णय सामूहिक रूप से किए जाते हैं। इसके अलावा, ये प्रयोग केवल कॉल-बैक दरों को पकड़ते हैं और भर्ती प्रक्रिया के प्रारंभिक चरण से आगे नहीं जाते हैं।

लिंग भेदभाव पर साहित्य का एक और हिस्सा नियुक्ति के निर्णयों में स्वयं के लिंग पूर्वाग्रह (यानी, अपने ही लिंग के लोगों के प्रति पक्षपात) है। प्रयोगशाला प्रयोगों में अक्सर पाया जाता है कि जब सूचना स्वचालित रूप से संसाधित होती है तो महिलाएँ स्वयं के लिंग पूर्वाग्रह दिखाती हैं, लेकिन ये परिणाम पुरुषों के लिए नहीं पाए जाते हैं (रुडमैन और गुडविन, 2004)। हालाँकि, यह स्पष्ट नहीं है कि ये परिणाम वास्तविक दुनिया के नियुक्ति निर्णयों में लागू होते हैं, जो कि एक चिंतनशील (गैर-स्वचालित) प्रक्रिया द्वारा चिह्नित होने की संभावना है। वास्तविक दुनिया के नियुक्ति निर्णयों पर मौजूदा अध्ययन आम तौर पर श्रम बाजार के विशेष खंडों पर विचार करते हैं और स्वयं के लिंग पूर्वाग्रह (बूथ और लेह, 2010; बैग्स और एस्टेव-वोलार्ट, 2010; बैग्स एट अल., 2017) के लिए मिश्रित साक्ष्य पाते हैं। इन सेटिंग्स में डेटा सीमाओं के कारण, यह भेद करना कठिन है कि क्या नियोक्ता के लिंग का उम्मीदवार के लिंग पर पक्षपात है (यानी, स्वयं के लिंग पूर्वाग्रह)। इस पेपर का प्राथमिक उद्देश्य यह परीक्षण करना है कि नियुक्ति प्रक्रिया में स्वयं के लिंग पूर्वाग्रह मौजूद है या नहीं। संभावित निष्कर्ष व्यक्तिगत स्तर पर वर्तमान श्रम बाजार और उसके बाद के बड़े पैमाने पर निहितार्थों के बारे में हमारी समझ को सूचित कर सकते हैं।

नियुक्ति प्रक्रिया में लिंग पूर्वाग्रह का परीक्षण करने में मुख्य कठिनाई यह है कि नियुक्ति निर्णयकर्ता और आवेदक किसी यादृच्छिक चयन प्रक्रिया का परिणाम नहीं हैं, ताकि स्वयं लिंग पूर्वाग्रह उत्पन्न करने में एक कारण कारक का दावा किया जा सके। साथ ही, मौलिक पहचान चुनौती यह है कि शोधकर्ता केवल पहले से ही नियुक्त कर्मचारियों पर वास्तविक दुनिया के डेटा का निरीक्षण करते हैं - यदि आवेदक कार्यरत नहीं है, तो इसे कभी भी रिकॉर्ड नहीं किया जाता है। इन सीमाओं के कारण, इस साहित्य में एक खुला प्रश्न है कि क्या नियुक्ति निर्णयकर्ता का लिंग नियुक्त किए जा रहे आवेदकों के लिंग को निर्धारित करता है। इस पत्र में, मैं चयन प्रक्रिया में स्वयं-लिंग पूर्वाग्रह की पहचान करने के लिए एक प्राकृतिक प्रयोग के रूप में वॉयस टीवी शो के ब्लाइंड ऑडिशन के एक अद्वितीय डेटासेट का उपयोग करता हूँ।

मैं द वॉयस शो में स्वयं के लिंग पूर्वाग्रह का आकलन करता हूँ, एक ऐसी सेटिंग जिसमें एक कोच (नौकरी पर रखने वाला व्यक्ति) कलाकार के लिंग के संबंध में स्पष्ट रूप से बाहरी होता है। वॉयस टीवी शो में पहला टेलीविज़न चरण ब्लाइंड ऑडिशन है। चार कोच, सभी उल्लेखनीय रिकॉर्डिंग कलाकार, प्रतियोगियों को देखने से बचने के लिए मंच से दूर कुर्सियों पर बैठे प्रतियोगियों की बात सुनते हैं। यदि किसी कोच को प्रतियोगी की आवाज़ पसंद आती है, तो वे अपनी कुर्सियों को घुमाने के लिए एक बटन दबाते हैं ताकि यह संकेत मिल सके कि वे उस प्रतियोगी के साथ काम करने में रुचि रखते हैं। इन अनुमानों का लाभ यह है कि कोच केवल प्रतियोगियों की आवाज़ का निरीक्षण करते हैं और आवाज़ से प्रतियोगी के संभावित लिंग का निष्कर्ष निकालते हैं। इसलिए, "ब्लाइंड" निर्णय प्रक्रिया के कारण, इस सेटिंग में कलाकार और कोच से संबंधित अन्य विशेषताएँ समाप्त हो जाएँगी। मेरा मानना है कि प्रतिभागियों को कोचों के यादृच्छिक असाइनमेंट के साथ सामान्यीकृत अंतर-में-अंतर पहचान रणनीति का उपयोग करने के लिए यह एक प्रशंसनीय वातावरण है। एनबीए रेफरी द्वारा नस्लीय पूर्वाग्रह पर प्राइस और वोल्फर्स (2010) के अध्ययन की तरह, मैं महिला और पुरुष प्रतियोगियों को महिला और पुरुष कोचों द्वारा चुने जाने की संभावना में अंतर की तुलना करता हूं।

कई तरह के निष्कर्ष निकालकर, विश्लेषण विपरीत लिंग के पूर्वाग्रह (विपरीत लिंग के प्रति पक्षपात) के व्यवस्थित सबूत दिखाता है। पुरुष कोच मुख्य रूप से महिला प्रतियोगियों को पसंद करते हैं, जबकि महिला कोच पुरुष प्रतियोगियों को पसंद करती हैं। विपरीत लिंग के कोच द्वारा प्रतियोगियों के चुने जाने की संभावना 4.5 प्रतिशत अंक (11 प्रतिशत) अधिक होती है। विविधता को अधिक व्यवस्थित रूप से जांचने के लिए, मैं एथी और वेगर (2019) के मशीन-लर्निंग दृष्टिकोण को अपनाता हूं। मैंने प्रत्येक कोच की टीम की लिंग संरचना, कोच की विफलता दर और प्रदर्शन क्रम में विविधता को शामिल करके विश्लेषण को आगे बढ़ाया है। परिणाम लिंग पूर्वाग्रह के बारे में दिलचस्प जानकारी प्रदान करते हैं जो नए प्रतियोगियों के चयन के दौरान टीम संरचना में व्यापक रूप से भिन्न होता है।

यह शोधपत्र चयन प्रक्रिया पर प्रभावों की जांच करने के लिए लिंग में यादृच्छिक भिन्नता का उपयोग करके भर्ती प्रथाओं के पहले अन्वेषणों में से एक प्रस्तुत करता है। लिंग में यादृच्छिक भिन्नता मुझे उन संभावित चिंताओं को दूर करने में सक्षम बनाती है जो देखी गई असमानताएं प्रतियोगी लिंग में अप्रत्याशित अंतर के कारण हो सकती हैं। दूसरा, यह शोधपत्र विषम उपचार प्रभावों पर कारण वन मशीन लर्निंग अनुमान की एथी और वेगर (2019) पद्धति को अर्ध-प्रयोगात्मक अंतर-में-अंतर पहचान रणनीति पर लागू करता है।

यह शोधपत्र कार्लसन और एरिकसन (2019) के काम से निकटता से संबंधित है। उनका काम संबंधित साक्ष्य प्रदान करता है जो सुझाव देता है कि इन-ग्रुप लिंग वरीयताओं की भूमिका कई अन्य संदर्भों में प्रलेखित की गई है। उन्होंने भर्तीकर्ता के लिंग और कई फर्मों में महिला कर्मचारियों की हिस्सेदारी के डेटा को भर्ती पर बड़े पैमाने पर किए गए फील्ड प्रयोग के डेटा के साथ जोड़कर वास्तविक दुनिया के भर्ती निर्णयों में इन-ग्रुप और खुद के लिंग पूर्वाग्रह की जांच की। परिणामों ने सुझाव दिया कि महिलाएँ (महिला भर्तीकर्ता या महिला कर्मचारियों की उच्च हिस्सेदारी वाली फ़र्म) भर्ती प्रक्रिया में महिलाओं को प्राथमिकता देती हैं। फिर भी, यह अध्ययन भर्तीकर्ताओं के लिंग के बारे में भाग लेने वाली फर्मों की जानकारी का केवल एक छोटा सा हिस्सा प्रदान करता है, जिसके परिणामस्वरूप काफी माप त्रुटि हो सकती है।

इस काम के समान, गोल्डिन और राउज़ (2000) ने नीति हस्तक्षेप के रूप में सेक्स-पक्षपाती ऑर्केस्ट्रा सदस्य चयन की जांच करने के लिए ऑर्केस्ट्रा के संदर्भ में अंधेपन का अध्ययन किया। यह पत्र उनके काम से अलग है क्योंकि मैं भर्ती और प्रतियोगी के लिंग का निरीक्षण कर सकता हूं, और कोच उनकी आवाज के आधार पर कलाकार के लिंग का निरीक्षण कर सकते हैं। कोचों के निर्णय भी व्यक्तिगत रूप से किए जाएंगे, जबकि ऑर्केस्ट्रा में अंधे ऑडिशन में सामूहिक निर्णय होता है। अंत में, इस सेटिंग की अन्य विशिष्टता यह है कि मैं बाजार संरचना का विश्लेषण कर सकता हूं जहां प्रत्येक कोच को एक फर्म के रूप में माना जा सकता है। मैं प्रदर्शन के क्रम और उनके द्वारा किए गए गीत की शैली का लाभ उठाकर कोचों की बाजार शक्ति को चित्रित करने में सक्षम था।

पेपर का बाकी हिस्सा इस प्रकार व्यवस्थित है। सेक्शन 1 द वॉयस पर संक्षिप्त पृष्ठभूमि प्रदान करता है, शो के ब्लाइंड ऑडिशन चरण का सारांश देता है, और हमारी अनुमान रणनीति का पूर्वावलोकन देता है। सेक्शन 2 डेटा का वर्णन करता है। सेक्शन 4 अनुभवजन्य रणनीति का विस्तार से वर्णन करता है। सेक्शन 5 परिणाम प्रस्तुत करता है, और सेक्शन 5 निष्कर्ष देता है।