Show simple item record

dc.contributor.advisorMazloomi Khamseh, Hamid 
dc.creatorPedraza Sedano, María Paula 
dc.date.accessioned2021-04-30T15:50:22Z
dc.date.available2021-04-30T15:50:22Z
dc.date.created2021-03-28
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/31323
dc.descriptionEncontrar candidatos calificados específicamente en el sector CTIM​​​ (Ciencia, Tecnología, Ingeniería y Matemáticas) es cada vez más complicado debido a la alta competencia que existe por captar a los mejores talentos en el mercado. Además, contar con prácticas inclusivas a la hora de considerar a los candidatos es todo un reto teniendo en cuenta la falta de representación de las mujeres y las minorías en estos campos específicos, sin mencionar el sesgo que existe en los equipos de reclutamiento técnico. Todo lo anterior hace que la mayoría de los departamentos de investigación y desarrollo de las grandes empresas de tecnología en el mundo, estén en su mayoría, compuestos por hombres. Existen un par de herramientas y prácticas impulsadas por la Inteligencia Artificial que afirman que es posible acabar con este sesgo de contratación existente para encontrar a los candidatos adecuados y hacerlo de forma inclusiva permitiendo procesos más equitativos y específicos, descartando la influencia de la subjetividad y forzando el desarrollo de nuevos perfiles profesionales relacionados con la creación de un sistema automatizado. Este proyecto tiene como objetivo fundamental mostrar la situación actual de CRITEO SAS en términos de diversidad e inclusión, discutir las herramientas, prácticas y esfuerzos que la empresa ha puesto en práctica en la construcción de un pipeline de candidatos diverso y sólido apoyado por la situación en términos de igualdad de género específicamente en Europa.
dc.description.abstractTrying to find skilled and suitable candidates specifically in STEM fields is becoming more and more complicated with the pass of time. In addition, trying to have a diverse and inclusive pipeline when considering candidates is even more difficult taking into account the underrepresentation of women and minorities in this specific fields. Much has been said in relation with the lack of diversity and inclusion and the fact that it is not just due to the underrepresentation of this specific communities in STEM fields but that there is also a hiring bias very present in the talent acquisition departments and technical recruitment processes when looking for the candidates to fill the different roles. However, there are a couple of tools and practices AI powered that claim it is possible to end this existing and sometimes even unconscious hiring bias for finding the suitable candidates and doing it in an inclusive way allowing more equitable and specific processes, discarding the influence of subjectivity and forcing the development of new professional profiles related to the creation of automated system. This project has as fundamental objective to show the actual situation of CRITEO SAS in terms of diversity and inclusion. Discussing the tools, practices and efforts that the company has put on building a diverse and solid pipeline supported by the situation in terms of gender equality specifically in Europe. The information here presented in relation with the situation of the company in terms of gender equality and diversity inside the company was collected using the internal tools that the company is using to measure and control the current pipeline and as well the employees (Criteo, 2018).
dc.format.extent46 pp.
dc.format.mimetypeapplication/pdf
dc.language.isoeng
dc.sourceinstname:Universidad del Rosario
dc.sourcereponame:Repositorio Institucional EdocUR
dc.subjectPrácticas de contratación equitativas
dc.subjectDiversidad e Inclusión en al contratación de personal
dc.subjectContratación en el sector CTIM​​​ (Ciencia, Tecnología, Ingeniería y Matemáticas)
dc.subjectInteligencia artificial en los proceso de selección de personal
dc.subjectEmpresas del sector publicidad y mercadeo digital
dc.subjectHerramientas tecnológicas para reducir el sesgo de contratación
dc.subjectIgualdad de género en el reclutamiento de talento humano
dc.subject.ddcAdministración general 
dc.titleHiring Bias in Technical Recruitment Practices: STEM fields - CRITEO Case
dc.typebachelorThesis
dc.publisherUniversidad del Rosario
dc.creator.degreeAdministrador de Negocios Internacionales
dc.publisher.programAdministración de Negocios Internacionales
dc.publisher.departmentFacultad de administración
dc.subject.keywordEquitable Recruitment Practices
dc.subject.keywordFair hiring practices
dc.subject.keywordDiversity and inclusion in the hiring of personnel
dc.subject.keywordHiring in the STEM sector (Science, Technology, Engineering and Mathematics)
dc.subject.keywordArtificial intelligence in the personnel selection process
dc.subject.keywordCompanies in the advertising and digital marketing sector
dc.subject.keywordTechnological tools to reduce hiring bias
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.type.spaTrabajo de grado
dc.rights.accesoAbierto (Texto Completo)
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.source.bibliographicCitationBae, K. B., & Skaggs, S. (2017). The impact of gender diversity on performance: The moderating role of industry, alliance network, and family-friendly policies – Evidence from Korea. Journal of Management & Organization, 1–18. https://doi.org/10.1017/jmo.2017.45
dc.source.bibliographicCitationBesley, T., Folke, O., Persson, T., & Rickne, J. (2017). Gender Quotas and the Crisis of the Mediocre Man: Theory and Evidence from Sweden. 45.
dc.source.bibliographicCitationBruckauf, Z., & Chzhen, Y. (2017). Is University Education More Important for a Boy than for a Girl? Retrieved from https://www.un-ilibrary.org/content/paper/2ed8da44-en
dc.source.bibliographicCitationCampbell, D. E., & Wolbrecht, C. (2006). See Jane Run: Women Politicians as Role Models for Adolescents. Journal of Politics, 68(2), 233–247. https://doi.org/10.1111/j.1468-2508.2006.00402.x
dc.source.bibliographicCitationCriteo. (2018). The Smart Marketer’s Guide to Machine Learning- Criteo. Retrieved from https://www.criteo.com/wp-content/uploads/2018/04/17_Machine- Learning_eBook.pdf
dc.source.bibliographicCitationDahlerup, D. (2007). Electoral Gender Quotas: Between Equality of Opportunity and Equality of Result. Representation, 43(2), 73–92. https://doi.org/10.1080/00344890701363227
dc.source.bibliographicCitationEIGE. (2017). Economic Benefits of Gender Equality in the EU. Retrieved September 27, 2019, from European Institute for Gender Equality website: https://eige.europa.eu/gender-mainstreaming/policy-areas/economic-and-financial- affairs/economic-benefits-gender-equality
dc.source.bibliographicCitationEIGE. (2017b;29). Gender Equality Index 2017: Luxembourg. Retrieved October 6, 2019, from European Institute for Gender Equality website: https://eige.europa.eu/publications/gender-equality-index-2017-luxembourg
dc.source.bibliographicCitationEuropean Commission. (2018). The Gender pay gap in the European Union. Retrieved from https://ec.europa.eu/info/sites/info/files/aid_development_cooperation_fundamental_rights/equalpayday-eu-factsheets-2018_en.pdf
dc.source.bibliographicCitationGrimshaw, D., & Rubery, J. (2015). INTERNATIONAL LABOUR OFFICE - GENEVA. 82. Haenlein, M., & Kaplan, A. (2019). A Brief History of Artificial Intelligence: On the Past
dc.source.bibliographicCitationIMF. (2010). Women, Work, and the Economy: Macroeconomic Gains from Gender Equity. Retrieved from International Monetary Fund website: https://www.imf.org/external/pubs/ft/sdn/2013/sdn1310.pdf
dc.source.bibliographicCitationJr, J. R. S., Osborn, R. N., Uhl-Bien, M., & Hunt, J. G. (2011). Organizational Behavior. John Wiley & Sons
dc.source.bibliographicCitationMcClain, L. C., & Grossman, J. (2009, July). Gender Equality, Dimensions of Women’s Equal Citizenship. https://doi.org/10.1017/CBO9780511627095
dc.source.bibliographicCitationMitchell, T. (1997). Machine learning. 13th ed. New York: McGraw-Hill.
dc.source.bibliographicCitationMoorhouse, E. A. (2017). The Many Dimensions of Gender Equality and Their Impact on Economic Growth. Forum for Social Economics, 46(4), 350–370. https://doi.org/10.1080/07360932.2017.1309672
dc.source.bibliographicCitationPitkin, H. F. (1967). The Concept of Representation. University of California Press. Sandra E. Black, & Alexandra Spitz-Oener. (2010). Explaining Women’s Success: Technological Change and the Skill Content of Women’s Work. Retrieved from https://ideas.repec.org/a/tpr/restat/v92y2010i1p187-194.html#author-abstract
dc.source.bibliographicCitationSchuler, D. (2006). The Uses and Misuses of the Gender-related Development Index and Gender Empowerment Measure: A Review of the Literature. Journal of Human Development and Capabilities, 7, 161–181. https://doi.org/10.1080/14649880600768496
dc.source.bibliographicCitationWEF. (2018). Global Gender Gap Report 2018 (p. 32). Retrieved from WORLD ECONOMIC FORUM website: http://www3.weforum.org/docs/WEF_GGGR_2018.pdf
dc.source.bibliographicCitationBeaugé, B., 2000. La publicité sur internet. 1st ed. Paris (5 rue Alfred-de-Vigny, 75405 Cedex 08): Axétudes, p.58
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA UNIVERSIDAD DEL ROSARIO, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use la obra objeto de la presente autorización. -------------------------------------- POLITICA DE TRATAMIENTO DE DATOS PERSONALES. Declaro que autorizo previa y de forma informada el tratamiento de mis datos personales por parte de LA UNIVERSIDAD DEL ROSARIO para fines académicos y en aplicación de convenios con terceros o servicios conexos con actividades propias de la academia, con estricto cumplimiento de los principios de ley. Para el correcto ejercicio de mi derecho de habeas data cuento con la cuenta de correo habeasdata@urosario.edu.co, donde previa identificación podré solicitar la consulta, corrección y supresión de mis datos.
dc.type.documentAnálisis de caso
dc.creator.degreetypeFull time
dc.title.TranslatedTitleSesgo de contratación en las prácticas de reclutamiento técnico: Campos CTIM - Caso CRITEO


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record