网络经济中的货币化和在线市场的影响

网络经济、货币化和在线市场WWW 2018，2018年4月23日至27日，法1389劳动力市场摘要胡莉莉哈佛大学马萨诸塞州剑桥lilyhu@g.harvard.eduYiling Chen哈佛大学Cambridge，MAyiling@seas.harvard.edu任务，例如在广义约束下的排序或分类美国种族不平等的持续存在在形式上机会均等的大背景下的劳动力市场是一个令人不安的现象，它对招聘政策的设计有着重要的影响。 在本文中，我们表明，当前的群体差异的结果可能是不可移动的，即使招聘决策是由“个人公平”的投入产出概念的约束。相反，我们构建了一个动态的声誉模型的劳动力市场，说明了强化性质的不对称的结果，从群体的不同的资源访问，因此，投资选择。为了解决这些差异，我们采用了一个双重劳动力市场组成的临时劳动力市场（TLM），其中公司个别工人的声誉产生的外部性，他们的群体，相应的反馈回路提高了集体声誉的最初处于不利地位的群体通过TLM公平的干预，不需要是永久性的。 我们发现，这样的限制招聘的做法诱导一个均衡，在特定的市场条件下，帕累托主导的战略，统计歧视或采用“组盲”的标准。不公平和帕累托次优均衡的持久性表明，在机器在就业过程中发挥更大作用的世界中，超越招聘决策程序检查的公平干预将至关重要。ACM参考格式：胡莉莉和陈怡玲2018年。劳动力市场长期公平的短期干预。 在WWW2018：2018年网络会议，2018年4月23日至27日，里昂，法国。ACM，New York，NY，USA，10页。https：//doi.org/10.1145/3178876.31860441介绍随着算法越来越多地被部署来做出以前仅在人类权限范围内的社会决策，越来越多的工作已经挑战了当偏见和歧视问题可能受到威胁时，最佳性和效率的主导地位。在算法公平性的不断发展的领域中的研究已经寻求通过检查和操纵标准来解决关于机器决策过程的这些担忧。本文在知识共享署名4.0国际（CC BY 4.0）许可下发布。作者保留在其个人和公司网站上以适当的归属方式传播作品的权利WWW 2018，2018年4月23日©2018 IW3C2（国际万维网会议委员会），在知识共享CC BY 4.0许可下发布。ACM ISBN 978-1-4503-5639-8/18/04。https://doi.org/10.1145/3178876.3186044的 这种公平的计算概念已经有所不同，但两种广泛的对立观点提出了解决方案，要么在个人层面上捍卫公平（类似的个人受到类似的对待）[1]，要么在群体层面上捍卫公平（群体被授予比例代表权）[2，3]。虽然本文类似地采用了基于约束的干预来实现公平，但我们偏离了考虑静态域一般算法的公平性标准账户，而是为劳动力市场中的特定决策域开发了一个动态模型。我们的工作考虑了公司的招聘实践在社会群体之间的经济不平等中所扮演的角色，这些社会群体在就业机会和工资前景方面经历的不同结果。我们解决这个问题，建立在一个动态模型的工人和公司的行为，已被证明产生的非对称组的结果，在美国黑人和白人工人之间的经验观察[9-由于我们专注于劳动力市场动态的特定领域，我们的论文借鉴了大量的经济学文献。统计歧视理论最初由Phelps [4]和Arrow [5]在两篇半年度论文中提出，将不同的群体结果解释为理性代理行为的结果，这些行为将系统锁定在不利的平衡中。在基本模型中，工人竞争工资为w的技术工作。技能的获得要求工人花费投资成本c，其根据函数F分布。一个工人公司寻求员工隐藏能力水平的信息，但只能根据可观察到的属性做出招聘决定：她的嘈杂投资信号和团队成员身份。公司对这种信息缺失问题的反应是通过利用其对员工团队能力水平的先验知识来更新其对员工资格的信念。因此，如果一家公司对不同的群体拥有不同的优先级，它也会设置不同的群体特定的招聘门槛。此外，由于这些不同的阈值被工人观察和内化，他们相应地调整自己的投资策略-不受欢迎的群体中的个人将降低他们的投资水平，而受欢迎的群体中的个人将继续以高水平投资。值得注意的是，即使投资成本F的分布对于每个组1是相同的，也可能出现不对称均衡，其中组在不同水平上投资，进一步告知公司的不同优先级并加强不同的就业前景。换句话说，理性的工人和企业最好做出反应[1]自阿罗[5]以来，这一直是经济学文献中的标准假设。网络经济、货币化和在线市场WWW 2018，2018年4月23日至27日，法1390以确切地证实其他人的信念和策略的方式“个人公平”的支持者毕竟，对不平等的群体能力水平的错误推断似乎确实是企业不公平招聘决定的根源。此外，当投资水平与合格的可能性正相关时，仅基于投资的招聘既合理又公平。然而，这种群体盲目的解决方案没有考虑到工人投资的一个关键方面，即他们是选择而不是给定的。 未能认识到观察到的数据特征的上游原因，揭示了“地面真相”的棘手概念，从一开始就困扰着机器学习偏见的工作。在一个像劳动力市场这样复杂的系统中，一个评估工人投资水平与雇佣结果之间关系的公平性投入产出账户并不能解决导致群体间属性差异的不平等的根本原因。由于统计歧视和机器学习都依赖于隐藏历史不平等的数据，因此本地公平性检查通常无法解决偏见的自我延续性质。即使没有群体偏见，悖论依然存在：循环均衡确保了当地程序的公平性-投资选择的公平性-同时维持了全球不同的结果。在查明一个特定的原因观察到的系统范围内的不对称结果的困难挑战我们的使命，在设计的约束，以确保公平的域内。如果结果本身被困在一个反馈回路中，一个成功的公平约束首先应该使系统摆脱当前的稳定状态，其次，将其推向一个更可取的均衡。因此，成功的方法必须考虑现场的公平性。 本文提出了一个特定于领域的动态模型，并通过干预来影响系统范围的影响，从而保证一种稳定且自我维持的群体公平均衡在我们的模型中，工人投资于人力资本，首先进入临时劳动力市场（TLM），然后过渡到永久劳动力市场（PLM）3。我们使用此分区对TLM招聘实践施加约束，强制执行组统计奇偶性表示。然而，限制不需要适用于PLM公司选择自然的最佳反应招聘策略。 我们的就业模式是声誉型的--一个员工拥有个人声誉，这是她过去工作表现的总结，属于一个拥有集体声誉的群体，这是对其成员产生“好”结果的比例的衡量。在这个模型中工作，我们表明，通过在TLM中对公司的招聘策略施加这种约束2在Dwork等人提出的“个体公平”的论述 [1]，人之间的通用相似性度量的内置灵活性可以包括群组成员身份，并且甚至可以用于证明“公平肯定行动”。然而，在一个经济信号环境中，企业的招聘标准影响工人的投资，一个更灵活的度量方法，比较内部和跨组的质量仍然未能占劳动力市场的战略和激励功能，从而组协调失败的特点，许多统计歧视均衡。[3]在劳动经济学文献中，分割市场中的合同是常见的其中，我们的工作与Kim&Loury [6]最相似，但值得注意的是，他们模拟了统计歧视的影响，而我们明确要求群体公平的结果。录用了劳动力市场在均衡状态下，无论是在程序上还是在结果上，都满足了“公平”的主要概念--群体、个人、精英[ 1，3？ 在算法公平性文献中讨论。此外，我们表明，在特定的劳动力市场条件下，它的帕累托支配下出现的两个无约束的理性招聘策略：群体盲目招聘和统计歧视性招聘的不对称结果。 我们的公平干预利用了个人和集体代表的互补性，使系统产生自己的反馈回路，逐步解决群体社会地位的初始不平等。因此，TLM的干预不需要是永久性的统计平价雇用工人成为企业的最佳招聘策略的自然结果，本文的约束为基础的方法，以实现公平的群体成果的声誉模型的劳动力市场的相互作用融合的角度和技术的劳动经济学的动机算法的公平性。然而，我们的系统范围的观点也挑战了文献中的一个工作线程，该文献将公平性的概念表征为决策功能的基于输入-输出的属性。 通过铸造工人和企业的战略代理人在一个动态的游戏，我们将复杂的劳动力市场动态，如代理人的期望，激励措施，以及外部性，否则难以封装在一个静态的分类设置。我们主张采取干预措施，解决黑人和白人工人在劳动力市场和社会中地位不平等的根源，不仅是前景和结果不平等的地位，而且重要的是，机会不平等的地位，因此，资格。仅仅在招聘决定中确保程序公正不足以完成这项更大的任务。我们提出的约束的目的是扰乱劳动力市场的非对称均衡，通过增选系统在第二节中，我们提出了一个劳动力市场动态的标准模型，并介绍了我们的公平干预。第3节概述了约束雇佣模型的均衡结果，并对两种不受约束的比例雇佣策略的均衡结果进行了比较。最后，本文反思了歧视的均衡趋势及其对公平约束设计的影响我们还提供了一些意见的动态反馈效应，持久的不平等和挑战，他们在未来的工作中算法的公平性问题1.1相关工作在算法公平性文献中，Zemel et al. [7]通过构建代理数据到集群中间层的映射来解决组和个体公平性的概念，每个集群在混淆受保护属性的同时保持统计奇偶性。第二个映射将聚类分配到它们的最终分类，然后允许“类似”代理被类似地对待。这种双映射方法大致对应于我们模型中TLM和PLM的角色。 相关工作已经寻求距离度量来指导初始映射[1]，但是由于相似性的标准因领域而异，因此一般方法通常面临应用障碍。 本文对劳动力市场动态的集中处理旨在网络经济、货币化和在线市场WWW 2018，2018年4月23日至27日，法1391--联系我们--≥--转≥¯t→∞¯我解决了这个问题。我们回答了Friedler等人的一个问题 [8]在一个领域和分类任务中指定一个特定的公平世界观。我们的模型从群体之间的内在平等的假设开始因此，可观察到的投资决定或工作结果的差异是由于不平等的社会地位，产生不平等的次要影响，而不是个人性质的根本差异。由于不同种族、性别和其他社会显著属性的群体在就业前景上持续存在不平等，劳动力市场歧视一直是经济学的一个长期研究热点[9- 11 ]。由于大多数明确的工资歧视形式现在在美国都是非法的。尽管群体差异的遗传学解释在很该领域的研究已经产生了考虑时间动态的模型，利用不同的群体成本函数，并内生地发展工资[14，15]。我们遵循这条工作线，将一个动态的群体声誉参数到个人的成本函数，建模选择告知大量的实证文献显示不同的社会地位的群体所产生的不同的外部性。我们模型并不是第一个明确这种联系的研究公司根据其最佳反应招聘实践，在适用于特定就业环境的声誉模型中进行招聘。这种划分对劳动力市场的标准动态没有什么影响--工人从TLM流向PLM，工资是劳动力市场范围内的，PLM中的个体工人声誉对集体声誉产生外部性，集体声誉在个人的TLM前投资决策中发挥关键作用2.1一般设置考虑一个由n个工人组成的社会，他们在t=0， 1的时刻依次通过劳动力市场。恒定的相对大小：m个比例的工作者驻留在TLM中，并且1m个驻留在PLM中。移动由泊松过程控制-工人立即替换TLM中的离开者，根据参数κ从TLM过渡到PLM，并以速率λ离开PLM。每个工人属于两个组中的一个B、W与种群共享σB和1σB。 我们假设这些工人的亚群比例是稳定的，因此离开劳动力市场的μ组工人通过同一组新工人的出生而被取代。由CDFF（θ）描述的个体能力的分布随时间推移是稳定的，并且在组间是相同的。相反，社会声誉随着时间和环境的变化而变化。按组。一个群体研究邻里隔离对代理人交流的影响组中的所有个体µ不他们正在创造获得技能的资源，Bowles，Loury和Sethi[16]包括一个小组本文还根据关于集体声誉的不同文献[17，18]，将招聘过程视为自然的声誉其中，我们的工作与Levin [19]提出的模型最为相似，在该模型中，员工的个人声誉有助于其团队的声誉。 莱文表明，即使成本条件随机演变，声誉可以产生持续的反馈效应，导致收敛到一个不对称的均衡，其中群体占据不同的社会地位。与莱文不同，我们模型中的集体声誉概念此外，由于我们的工作考虑到人工智能代理的信息处理能力，我们正式的“个人声誉”的概念，由以前的结果的总历史。这些额外的由于机器学习在招聘过程中的功能最终是基于对工人数据和工作历史的“理性”统计歧视的形式，因此这一系列经济学文献与劳动力市场中算法公平性的考虑特别相关。2模型我们强调的公平约束的作用，其余的标准劳动力市场的动态模型，利用二元劳动力市场设置组成的临时劳动力市场劳动力市场，在时间间隔[t τ，t]上，其中参数τ0控制了一个群体的前几代人的表现对其当前声誉的时滞效应在进入劳动力市场之前，劳动者选择教育投资水平η，权衡投资成本及其预期回报。 公司根据预期绩效雇佣和支付员工工资，为“好”员工提供工资w（дt），其中дt给出时间t时PLM中“好”员工的比例。为了防止在每个时间步长中的恒定波动，工资wt = w（дt ′）在a泊松方式使得t′t给出最后一次工资的时间<变化通过分配工人从事有不同工资的技术或非技术任务，使雇用过程正规化为了简单起见，没有通过特定雇用阈值的工人仍然可以被认为是“被雇用的作为一个函数，工资溢价wt在дt中递减，因为随着“好”工人的相对供给增加，工人的不完全替代性降低了他们的边际生产率，从而降低了 我们设定一个最低工资w，使得limдw（дt）=w，设定一个最高工资w¯，使得limдt0w（дt）=w¯。在模型的内容中，最低工资和最高工资不应被视为劳动法的唯一产物，相反，它们还可以跟踪“好”工人的供应相对于企业的需求2.2临时劳动力市场μ组中的工人i根据其在技术工人市场wt4中的预期工资收益和其个人投资成本函数选择投资于人力资本ηicπµ（θi，ηi），这是她个人能力的递减函数(TLM)永久劳动力市场（PLM）在前者中，招聘并且在她选择的投资水平η中增加。的我建立约束以确保统计上的均等，并且在后者中，4.工人是有限理性的，无法预测未来的工资动态。网络经济、货币化和在线市场WWW 2018，2018年4月23日至27日，法1392··∀×≥∈≥H联系我们∈{}→≥联系我们不不不不不符号F（θ）πµσµwtµд不ηpH，pQ，pU不γ（η）cπµ（θ，η）eρ（θ）ρ∈ {Q，U}Πt我意义能力水平的CDFθ组µ声誉组µ人口份额工资在时间t在时间t投资水平下产生良好结果的µ组工人的比例给定努力水平投资成本的合格概率隐藏资格状态努力成本个人声誉时间t工人出生工人进入TLM;TLM公司工人进入PLM;PLM公司PLM公司招聘和努力水平k，则以下不等式成立。分为2组中的1组招聘决定招聘决定决定p>p;p>p;p>p0 1 2 3 456Q、HQ、LU、HU、LQ、LU、L工人制造投资决策工人努力在TLM的工作中，产生结果员工在PLM中的工作中付出努力，产生结果由于资格对付出高努力的影响已经包含在其成本中，pQ，H=pU，H，我们将两个量写为图1：工人和企业互动的时间轴，通过劳动力市场的管道.将群体声誉πµ纳入个人我们假设，一个工人属于一个具有优越的社会声誉的群体，相对于她的同行具有同等能力的成本条件有所改善低信誉组。形式上，πµ <πν，cπ µ（θi，ηi）是一个pH. 然后，我们将pQ，L和pU，L分别简化为pQ和pU。我们强调努力运用成本函数e（）和以前的投资成本函数c（）之间的区别-前者是相关的工人已经在劳动力市场和资格地位不同，而后者涉及前劳动力市场的决定和不同的群体成员。单独的成本函数允许对影响劳动力市场管道不同点的代理行为的显著因素进行更精细的分析将群体成员资格纳入人力资本投资成本反映了不同群体的工人在获得教育的道路上可获得的资源的真正差异。cπν（θi，ηi）的正单调变换人力资本投资作为一种不完全信号，而worker有一个隐藏的true类型：合格或不合格，ρQ，U。设γ：R 0[0，1]是一个单调递增函数，它将工人的投资水平映射到她合格的概率。 与Spence关于教育信号的原始工作[ 20 ]不同，投资不会带来生产力效益，因此纯粹是向雇主发出的信号，在我们的模型中，工人选择的投资水平η具有内在价值，因为它与她合格的可能性γ（η）呈正相关。鉴于这种设置，公司R0µ0， 1，则工人i的雇用决策为仅基于其可观察的投资水平ηiR0和组成员资格μ。 被TLM雇用的工人进入管道，有资格竞争PLM技术工作;没有通过TLM雇用阶段的工人仍然在市场上，但永久被排除在技术工资的候选人之外。 在本文中，我们主要只考虑那些成功进入技术招聘渠道的工人，将所有其他人视为“未被雇用”。因此，我们可互换使用术语“熟练”和“雇用”。2.3永久劳动力市场劳动力市场动态遵循重复的委托-代理互动的风格，隐藏的行动（努力），但可观察的历史（结果的一旦被雇用到TLM中，一个工人i在工作中施加努力--选择高（H）或低（L）努力--随机产生一个可观察的好（G）或坏（B）影响其个人声誉并因此影响其未来报酬的结果。施力L是免费的，施力H是有代价的eρ（θi），它是素质ρ Q、能力水平U和能力水平θi的函数。对于不合格的个体，努力的成本更高：θi，eU（θi）>eQ（θi）。 我们在这里强调，能力水平θ和资格地位ρ的概念是不同的工人素质。一个高能力的工人是一个谁拥有的一般属性，承担在教育和工作领域的成功，而一个合格的工人是一个谁拥有适当的培训和技能，为一个给定的工作。我们可以非常粗略地说，一个工人“天生”就有一个能力水平，“赢得”一个资格地位。在我们的模型中，一个工人的能力水平先于她的投资决定，这产生了资格地位。高努力增加了好结果G的概率。如果pρ，k给出满足条件ρ的结果G的概率工人保持相同的TLM工作，直到具有参数κ的泊松过程选择她进入PLM，其中在每个时间步，她循环通过工作，施加选择的努力水平，产生可观察的结果，并积累包括她的TLM结果的过去表现的历史。在每一个时间步骤，PLM中的公司都希望雇佣所有且仅雇佣那些持续努力的员工为了做到这一点，企业将工人的可观察结果的历史提取为她的给出了在她最近的长度-i历史中结果G的比例在劳动力市场体系中，工人与企业之间的契约不断重复，企业有能力利用这些可观察到的个人声誉来制定自我执行的关系契约。公司的PLM招聘策略是映射ΗΡ：[0，1]→{0，1}，使得决策仅是Πi的函数。图1描绘了工人如何通过劳动力市场管道移动并与公司互动的时间轴虽然“公平”是一个众所周知的棘手的道德概念定义，实现长期公平的目标相当于实现劳动力市场结果的群体平等。由于不同群体在基本或内在方式上没有差异，他们的工作和工资前景也不应该在公平的稳定状态下系统地分化。表1：符号表[5]我们并不认为，一旦工人进入劳动力市场，群体成员身份就不再是影响代理人行为的相关因素，但我们注意到，工人的资格，或她的技能投资被证明是成功的程度，成为压倒一切的决定因素。就教育投资对资格状况的影响而言，工人的群体成员资格继续影响她的网络经济、货币化和在线市场WWW 2018，2018年4月23日至27日，法1393不≫--我ˆµˆ≤−--→∞--我µ当V（Πi，G）（pH−pρ）≥eρ（θ）时，在时间t最优。不不γt）不t′t′我γt）我3结果基于声誉的劳动力市场模型，如本文所述，可以产生不对称的群体结果时，企业利用合理的策略，如统计歧视或群体盲目招聘[5，14，15，21]。由于本文研究了我们提出的干预对全系统动态和结果的影响，因此在下一节中，我们只考虑在这种公平约束环境中出现的那些策略和均衡结果。在他们的工作中。这个数量与组声誉πµ并不完全一致，它给出了一个（时间间隔平均值）归一化度量，该度量随组中所有成员的比例而变化µPLM员工努力的强度（Πt′），其中Πt′∈{Πt′}，其中指数为我我3.1均衡策略与稳态我们首先描述TLM战略的公平约束，然后移动到PLM和分析公司PLM中的博弈反映了重复的委托-代理互动，其中公司拥有权力Πi表示所有可能的信誉等级Π的集合中的特定个体信誉等级，并且t’跟踪时间长度自上次工资更新以来已经过去了假设工作者参与N深度推理，其中N t’，该量可以通过对a的延续值的反向归纳来计算。给定个人声誉，V（Πt′）。通过这种设置，连续-通过监控个人声誉来执行合同，从而作用值V（ΠN）我=0，且具有能力的代理θ和资格我们考虑构成序列均衡的策略由于TLM中的公司更喜欢更有可能合格的候选人，因此最佳招聘遵循阈值策略：给予hiring thresholdη（ i），ηi，使得ηi彡η（i），ΗΤ（i）=1，并且反之，ρ解决了下面的动态规划问题V（Πt′，Π（t′，wt）=sup.（1−λ）[V（Πt′+1，G）[ε（Πt′）（pH−pρ）+pρ]+我使得ηiη（，ΗΤ⑴=0。<然而，由于企业必须遵守我我ε（Πt′）∈[0，1]根据统计平价雇用规则，他们的最优阈值策略V（Πt′+1，B）[（1 −ε（Πt′））（p−p）+1−p]]+1′′wΣ是唯一确定的：如果一家公司的目标是雇用所有人中的1/3工人，其投资门槛将被隐含定义和i iH ρ′Πt′t′+1ρΠt≥Πt′ ′不Πt′t′ˆ′组特定的，以便在TLM中，来自组的熟练员工其中V（Πt，G）=V（i，Πt，wt）和V（Πt，B）=V（i，Πt，wt）而在这一点上，则是“一”与“二”的关系。it′+1it′+1µ µ劳动人口分别。µ组的一名工人，观察她的组特定TLM投资-投资阈值η，将与她的投资成本进行权衡。例如，工资增长所有cπμ（θi，ημ）≤wt的工作者i将和t，wt=wT，当智能体从时间T向前看时其中工人求解最佳努力运用概率对于每个可能的声誉Πt′∈{Πt′}，并且高努力是对于t′，选择精确地在水平η=ηt和behird处TLM中的技术职位;所有其他工人将投资于水平ηi=0且未能进入流水线竞争技术岗位。通过第一个招聘阶段的员工知道，他们未来的PLM机会将取决于他们在TLM中的可观察结果，因此他们在一次性游戏中付出了努力具有资格状态ρ的工人i在工作上付出高努力当且仅当eρ（θi）wt（pHpρ）。如前所述，虽然统计平价约束保持了组间能力分布F（θ）的基本平等，但特定于组的投资阈值ημ产生了特定于组的投资策略。因此，由于投资在资格状态方面具有正回报，因此各集团在PLM人才库中的合格候选人比例可能不同。我们用γμ来表示μ组中的候选人比例如果公司寻找那些看起来愿意并且能够努力工作的工人在被雇佣时，他们的均衡策略是选择一个r= pH（t′=pH）当他面对一个工人时，自上次工资更新以来的历史长度t′∆t′>0充当公司的乐观宽恕缓冲区，允许工人最近的时间t ′声誉略低于p H阈值，以确保它不会惩罚那些一个最优选择Δt′在t′中单调地向0递减，因为一个工人持续付出高努力的声誉收敛到pH，即t′。请注意，企业还必须注意不要使∆t ′降低得太慢，以免工人能够付出较低的努力而继续被雇用。因此，该公司通过降低∆just来优化其雇用阈值Πt′=pH−∆t′在每一个时间步骤都要有足够的时间，以激励员工持续不断地努力在时间t合格，剩下1γt不合格。然后TLM中产生良好结果的组μ工作者的比例遵循递归模型工人谁能负担得起。所有其他工作者在每一个工作中都付出了很低的努力圆。因此，给定一个企业PLM招聘策略HP是一个映射，当且仅当µд=pH[1−F（θQ）γµ−F（θU）（1−µ]+pQF（θQ）γµ（1）自上次工资更新以来工人+pUF（θU）（1−µ超过阈值Π，HP（Πi）=1，并且工人被雇用。其中reθρ=eρ−1（wt（pH−pρ））我我网络经济、货币化和在线市场WWW 2018，2018年4月23日至27日，法1394特特不否则H（Πt′）=0，工人不挣工资pr emium.本战略概述如下：且дt′=σµдµ+（1−σµ）дν我们请感兴趣的读者参看附录中的证明。其中wt=w（дt′），其中t′给出最后一次工资更新的时间值得注意的是，дµ给出了在时间t时技术劳动力市场中产生良好结果的工人的比例建议1。存在一对PLM均衡策略（H，E）的企业招聘和工人的努力分别这样网络经济、货币化和在线市场WWW 2018，2018年4月23日至27日，法1395我ˆ|联系我们W不B不 0不（πt）），⑷不不µµ不(i) 一个公司是信誉阈值的选择=pH−∆t′，其中∆t′是单子-以保持两个集团的基本成本相等的方式，认识到两个集团在t ′上的单调递减函数，使得H（Πt ′）= 1当且仅当Πt′≥Π（t′），否则H（i）=0.(ii) 一个工人的努力策略E是一个只考虑工资w t和努力成本的努力水平的选择，使得E（w t）= H当且仅当e ρ（θ）≤w t（p H − p ρ），否则E（w t）= L。有趣的是，在PLM中重复的工人-公司互动中采用的策略产生了每个组的“好”工人比例的递归关系，反映了（1）的结构。 PLM公司严格的门槛声誉招聘策略在每一轮就业中对工人施加了与TLM中的单发游戏相同的“压力”。在这两个劳动力市场中，每一个结果都“举足轻重”。在详细阐述了TLM和PLM的动态之后我们将工人运动和结合的结果，以获得一个递归的关系，管理工人的每劳动力市场中的能力分布F（θ），它确保每个群体中产生良好结果的工人比例在熟练劳动力市场管道中不会出现分歧此外，统计均等雇佣约束要求企业以这样的方式雇佣，即来自弱势群体的工人不会被不公平地阻止进入熟练劳动力市场，并且总是构成TLM的σμ由于在TLM中保持了相同的能力分布F（θ）和比例代表σμ，统计平价雇佣确保了随着熟练劳动力市场中的群体结果收敛，群体声誉也收敛。因此，由γt产生的推动群体结果分化的正反馈循环总是受到约束，从而允许群体投资成本函数cπ μ上的自然声誉反馈驱动群体结果的收敛，从而使群体声誉收敛到一个单一的稳态值。重要的是，绩效是由最初的工资决定的。请注意，多重性[001 pdf 1st-31files]w 0 t t可能的公司招聘策略产生了多个动态路径的结果{（дµ，дν）}∞稳态，但鉴于在我们的稳态，企业只愿意雇佣和雇佣所有的员工，他们都是如果企业和工人的均衡策略如命题1所述，则存在一个独特的群体均衡序列结果对（дµ，дν），使得存在时间t=T，其中在TLM的统计均等雇佣下，初始社会地位不平等的群体将根据时滞τ逐渐接近相同的声誉水平。该约束具有共同的效果t t财产νν选择t≥T，（дT，дT）=（дt，дt）.定理3.1. 在所描述的劳动力市场条件下，其中比例的工人进入TLM并且公司遵守统计平价雇用约束，所有员工的比例在时间t时生产良好结果的组µ中的工人，在全部时间内劳动力市场遵循递归系统集体声誉产生正外部性，降低个体群体成员我们指出，经验验证的链接之间的群体声誉和成员的投资成本，使TLM统计奇偶约束的µд=pH[1−F（θQ）γµ−F（θU）（ 1−µ]+pQF（θQ）γµ（2）穿着组的不平等比类似的干预PLM。t+1不+pUF（θU）（1−µγt）不γt）t由于TLM代表了进入市场的入口点，因此在一开始就强制执行统计对等，可确保声誉较低的员工不会不成比例地被排除在整个管道之外。其中πµ=σµ. （3）接下来我们比较TLM约束不γµ=（ηµτjj=t−τµ与不受任何公平约束的其他理性招聘策略的长期结果，并显示在partic-θρ=eρ−1（wt（pH−pρ）），（5）дt=σµдµ+（1−σµ）дν，（6）3.2无约束比较静力学其中，和ημ在等式4是单调递增的功能，其组成相结合的劳动力市场的声誉反馈效应与企业的TLM约束的群体投资阈值。 则存在唯一稳定的对称定态平衡点和转换器gencetimeT，其中reinπ~μ=π~ ν=π~，t>T，满足全系统招聘策略在没有任何约束的情况下，企业可以自由地选择任何策略，以最大限度地提高雇用高能力、合格工人的可能性。 两种常见的策略是群体盲目，有时被称为“精英”，和统计歧视性hir。ttw~。ing. 我们提供每个实践的概述，然后继续公平，有相应的唯一稳定的工资为了理解为什么当TLM公司被约束于统计平价要求时，这种独特的稳定对称均衡的存在是有保证的，考虑影响一组µ工人i产生良好结果的可能性的两个变量：她的能力水平θi和她合格的概率P（Qηµ）=γµ。由于投资有正回报，γ μ在π μ中增加：随着她所在群体μ社会地位的提高，成本条件得到改善，因此，后代的工人更有可能获得资格。随着TLM招聘限制的实施，公司将他们的长期均衡结果与我们的TLM雇佣约束下出现的对称稳态进行考虑一种基于个人的、在平等待遇理念下运作的群体盲在不考虑代理人组成员资格的情况下-再次假设µ B，W-公司通过为所有工人选择单个投资水平阈值η ~来雇用一定比例的工人，隐式定义为=（1−σB）。1−F（cπ−1（η~（pH−pρ））Σ+σB。1−F（cπ−1（η~（pH−pρ））ΣH′t有关证明的完整说明，请参见附录。在一般市场条件下，公平均衡状态是帕累托占优的。网络经济、货币化和在线市场WWW 2018，2018年4月23日至27日，法1396~~·--¯~~其中σB和1σB分别给出了B组和W组中个体的比例，函数cπµ（）决定了组µ的投资水平。在这一战略下，公司将审查所有投资水平的广泛分布，并选择一个阈值，高于该阈值，公司愿意雇用工人。 该策略也通过阈值η 〜最大化合格的雇佣工人的预期数量的事实而合理化。另一类公司招聘策略采用统计歧视，其中先验关于工人的可观察属性，如组成员资格，被用来推断一个特定的个人的隐藏属性。特别地，如果TLM公司持有关于两个组的能力的先验ξB和ξW，则在观察申请人的组μ和投资水平η时，他们将根据以下内容更新他们对未来雇员资格的信念：pQ（η）ξµP（Q |µ，η）= pQ（η）ξµ +（1 − ξµ）pU（η）其中pQ（η）和pU（η）分别给出了合格工人和不合格工人具有投资水平η的概率定理3.2. 在对熟练工人的需求不饱和（w=w¯）的PLM中，TLM约束导致了一个对称的稳态均衡，即帕累托支配在群体盲和统计歧视性雇用下出现的非对称均衡。我们提出了一个简短的阐述的基本因素，驱动不受约束的招聘策略帕累托主导的结果。关于证据的完整说明，见附录。群体盲目雇佣既不满足定理3.1的证明解释中描述的两个关键约束雇佣保证-即群体不再共享相等的能力分布F（θ），也不是根据他们的人口统计份额σμ按比例在市场上表示。这两个标准的违反有助于群体声誉的分歧，从而存在持久的不对称结果之间的群体。在非对称稳态下，群体保持不同的投资成本，在群体盲投资阈值下，产生群体特定能力水平阈值θB 和θW 。 如果组声誉πB<πW，则这些能力阈值可以用相对于在公平性约束下产生的阈值θ’θWθθB。<< 这些招聘策略不公平地限制了B组中有资格竞争技术工作的有能力和合格工人的比例，留下了一个未开发的B组个人来源，否则他们会被雇用。在PLM条件下，对熟练工人的需求是不饱和的，工资w（дt）=w′，在建议的公平制度下，被禁止进入劳动力市场的工人在群体盲目雇用下无论如何都不会被雇用。B组工人的就业结果严格较好，W组工人没有更坏的结果，受约束的招聘均衡帕累托主导的群体盲目招聘均衡。同样，统计上的歧视性雇用导致特定群体的能力门槛，并不能保证统计上的均等。 正如Coate和Loury [21]所示，在这种制度下也存在自我确认的不对称均衡，其中社会地位较低的群体中较低的投资水平被公司更严格的招聘标准所证明。这些影响的后果是反映了群体盲目招聘下的帕累托支配结果4讨论将就业中的不同结果描述为由理性代理最佳反应策略引起的，表明算法公平性领域应该在其潜在干预方法中考虑劳动力市场的固有动态设置。被视为孤立的程序检查的公平性制约因素，在建立自我维持和持久的全系统公平性方面的能力有限。劳动力市场的公平问题在根本上与历史因素有关。在几乎所有的社会领域中，公平是一个问题，过去和现在的社会关系对主体的影响不同，产生了不同的资源、选择和机会，这些资源、选择和机会在今天继续标志着主体经验证据表明，经济学家和社会理论家格伦·卢里（GlennLoury）称之为“发展偏见”，即社会中的黑人成员减少了实现其潜力的机会，这是福利结果中种族不平等的更大来源，而不是歧视性招聘。]中。这种观点挑战了这样一种观念，即确保实际招聘程序的“个人公平性”应该是确保劳动力市场作为一个不仅是标准的学习理论制定的问题，其中代理属性被视为先验给定的，不足以参加发展偏见，它也忽略了（aragually）精英的劳动力市场的目标。 在经济环境中，奖励功绩主要是为了一个工具性的目的，即激励投资和努力，而不是简单地将基于功绩的奖励传递给候选人。将问题框定为聚类或分类之一，无法将劳动力市场理解为一个激励导向的系统。公平性标准，只评估一个算法相比之下，动态模型认识到过去发展偏差的连锁反应，并呼吁采取具有激励特征的公平干预措施，将动力带入未来。劳动力市场作为经济机会的来源，是公平概念的理想环境，面向未来，超越公司招聘周期的短期时间轴。 正是我们对稳定状态结果的关注，才允许这种长期的公平概念。然而，应该指出的是，沿着对称均衡路径的就业结果绝不能保证满足任何公平的概念，无论是个人还是群体。但我们主张，以这种方式构想公平作为一个旨在实现永久社会群体平等主义的项目是一种雄心，不仅本身是一个有价值的目标，而且我们表明它可能是经济社会最佳的目标。我们的个人声誉模型是PLM中先前结果的序列，适合当今的招聘制度，其中雇主增加了对工人数据的访问。由于算法将在很大程度上负责使这一历史数据的意义，未来的工作应该考虑如何筛选通过工人的历史系统应设计，以确定何时组成员相关的考虑，如嵌入在TLM约束这里提出的，应该考虑。随着机器决策者越来越多地部署在整个网络经济、货币化和在线市场WWW 2018，2018年4月23日至27日，法1397转ˆˆ≈∈∈t+1 –运动和G或B结果可以被认为是伯努利试验t+1HQ不Uγt）QQ不ΠΠτ（.（γt）不不不不不？不不不不不不在招聘过程中，我们必须努力解决长期存在的显性和隐性人类偏见，这些偏见使劳动力市场容易出现歧视性做法。 我们希望这项工作可以建议算法公平干预可以将这些招聘策略转变为更美好，更公平的未来。虽然本文已经表明，施加TLM雇用约束最终会导致群体对称的结果，但我们并不认为我们的干预是唯一能够产生这种均衡的干预劳动力市场管道在现实中是一个精心设计的代理人选择和社会阶段的序列，是更复杂和异构比我们的模型可能的政策干预的真正空间使本研究中考虑 旨在减少黑人和白人社区之间存在的经济不平等的干预措施已经在标准社会管道的各种节点上实施，从政府对高贫困地区儿童教育费用的直接补贴计划到私人公司试图通过与历史悠久的黑人大学合作来实现多样化招聘。因此，可能存在多种干预类型，最终都会导致群体平等主义的结果。 进一步分析这些制度的成本和效率，将产生更丰富的理解潜在的公平干预措施及其伴随的福利效应。在劳动力市场公平的工作应该激发行动和政策在现实世界中，这些开放的问题将需要理论和实证的关注。确认这项工作是支持部分由NSF研究生研究费-劳动者在有能力的情况下总是会付出很大的努力。重要的是，我们的情景在两个方面与他们的情景不同：1）工人不会在劳动力市场上停留无限次，2）公司必须在雇用工人时支付劳动力市场范围内的工资，并且不能单方面偏离设定的价格。 由于工人根据泊松参数λ退出市场，并且工资溢价wt =w（дt ′）> 0被设置为总是为工人提供比根本没有被雇用更高的回报（由于相对于非技术工作工资的标准化），因此无记忆死亡过程确保具有资格ρ的工人i总是会发现她有兴趣追求技术工作，只要它是她这样做是个人理性的，即eρ（θi）≤wt（pH−pρ）。定理3.1的证明TLM雇佣约束实现了两个保证：1）它保持了劳动力市场中群体能力水平分布F（θ）的基本平等;2）它导致了TLM中提供技术工作的工人比例的统计均等。由于瞬时时间t对群体全体社会声誉的贡献πμ在相同的恒定因素（进入TLM的比例）下等于дμ，因此显示дμ值收敛足以表明群体声誉πμ也是如此。考虑дt+1=ξ（дt）是自映射ξ：X X，其中X是单位区间[0，1]。群μ和群ν具有相同的ξ函数形式，不同之处仅在于一些特定的参数，这将在将ξ分解为两个单独的函数时解决。假设这两个群体一开始就有不平等的社会声誉，我们假设（不失一般性）πν <πμ。我们想显示，无论初始值πνπμ，招聘结果<奖学金和NSF基金#CCF-1718549。0个0个附录命题1我们想证明，固集表示满足Π（t′=pH−∆t′，其中t′是自