Newshot Translation(model translation, not the source's own text)
Economics > General Economics
Title:Learning about Markets from Models: Evidence from an AI Hiring Platform
Abstract:机器学习模型越来越多地不仅用于提供信息，还用于做出决策。有时平台通过跨情境汇集数据来改进模型的决策，从而创造价值——但当最优决策因情境而异时，汇集数据可能并不会提高准确性。我们认为，一个在不同情境中存储截然不同模型的平台，仍然捕获了一种模型比较外部性。这些模型共同反映了决策者在当前均衡下如何对相同数据做出不同反应。政策制定者可以利用这种差异化来优先安排干预措施；企业可以了解自己与竞争对手已经存在何种差异，从而聚焦未来的投资。我们的证据来自一个被低技能劳动者大型雇主使用的人工智能招聘平台。该平台使用标准化心理测量评估来创建企业专属模型，估计每份申请在该企业的留任可能性。每家企业的模型对自身具有高度预测力，但对其他企业而言并不优于随机猜测。我们利用这些模型构建了一个企业—申请矩阵：每家企业为每份申请打分，而不仅是它收到的申请。一份申请若提交给另一家企业，其留任可能性的提升基于特质呈现出高度异质性。此外，这些增益源于两种不同的机制。最后，即使在这个低技能市场中，企业对特质的估值也各不相同：对于重要特质在边际上是提高还是降低留任率，它们存在分歧。只有当平台能够同时获取完整的申请池和每家企业的专属模型时，这些洞见才有可能实现。我们阐述了这些洞见对企业、政策制定者和平台的价值。
| Subjects: | General Economics (econ.GN) |
|---|---|
| Cite as: | arXiv:2611.01226 [econ.GN] |
| (or arXiv:2611.01226v1 [econ.GN] for this version) | |
| https://doi.org/10.48550/arXiv.2611.01226 arXiv-issued DOI via DataCite (pending registration) |
Submission history
Access Paper:
- HTML (experimental)
Current browse context:
References & Citations
- Google Scholar
- Semantic Scholar
BibTeX formatted citation
Bookmark
Bibliographic and Citation Tools
Code, Data and Media Associated with this Article
Demos
Recommenders and Search Tools
arXivLabs: experimental projects with community collaborators
arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.
Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them.
Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs.