Titelaufnahme

Titel
Die Akzeptanz von auf künstlicher Intelligenz basierten Recruiting Tools durch HR-Manager:innen
VerfasserWaldhauser, Barbara
KörperschaftWien, Magistratsabteilung 23, Wirtschaft, Arbeit und Statistik
Enthalten in
ErschienenWien : Fachhochschule des BFI Wien Gesellschaft m.b.H., 2021
SpracheDeutsch
DokumenttypAufsatz in einer Zeitschrift
Schlagwörter (DE)Personalwesen / Recruiting / Künstliche Intelligenz / KI
ISSN1812-9064
URNurn:nbn:at:at-fhbfiw:3-739 
Fördergeber
Magistratsabteilung 23, Wirtschaft, Arbeit und Statistik
Projekt-/Reportnummer: Call 24-13 Kompetenzteam „New Work-New Business“
Zugriffsbeschränkung
 Das Dokument ist frei verfügbar
Links
Nachweis
Dateien
Klassifikation
Zusammenfassung

Zunehmend kommen im Personalwesen Tools unter Verwendung künstlicher Intelligenz zum Einsatz. Dies sind vorrangig Expert Systems und prädiktive Modelle, die in der Bewertung von Bewerbungen zum Einsatz kommen, außerdem werden zunehmend Natural Language Processing und Image und Video Processing angewendet. Diesen Tools wird, nicht zuletzt aufgrund von Medienberichten zu diskriminierenden Werkzeugen, von HR-Praktiker:innen ein hoher Grad an Skepsis entgegengebracht. Das Ziel dieses Beitrags ist, eine kritische Reflexion des bisherigen Forschungsstands zur Akzeptanz von KI-basierten Recruiting Tools zu präsentieren, mögliche Modelle vorzustellen und in Folge ein theoretisches Modell als Grundlage für weitere, empirische Forschung zu präsentieren. Folglich werden in diesem Beitrag zwei häufig verwendete Modelle zur Erklärung der Verhaltensabsichten bei der Nutzung von KI- basierten Tools bzw. e-HRM-Tools vorgestellt. Diese Modelle, das Technologieakzeptanzmodell und das Modell der einheitlichen Theorie der Technologieakzeptanz, wurden in einer Reihe von Studien erfolgreich angewendet und weiterentwickelt. Daneben gibt es jedoch auch eine Reihe anderer Faktoren, die als Prädiktoren für die Absicht, KI-basierte Tools in anderen Kontexten zu nutzen, untersucht wurden. Dazu gehören die berufliche Identität, die Technologiebereitschaft und die wahrgenommene Bedrohung des eigenen Fachwissens durch KI-basierte Werkzeuge. Auf der Grundlage der bestehenden Modelle und dieser zusätzlichen Faktoren wird in diesem Beitrag ein integratives Modell für die Akzeptanz von auf künstlicher Intelligenz basierenden Rekrutierungstools durch Personalmanager:innen vorgeschlagen.

Dieses Paper entstand im Rahmen des Stadt Wien Kompetenzteams „New Work-New Business“, das durch die MA 23 der Stadt Wien finanziell gefördert wird.

Abstract

Tools using artificial intelligence are increasingly deployed in personnel management. Primarily expert systems and predictive modelling are employed in the evaluation of job candidates, but also Natural Language Processing and Image and Video Processing are utilized in growing number. HR practitioners view these tools with a high degree of skepticism, not least due to media reports on discriminatory tools. This paper aims to present a critical reflection of the current state of research on the acceptance of AI-based recruiting tools, to introduce possible models, and subsequently to present a theoretical model as a basis for further empirical research. As such, the paper describes two frequently used models for explaining behavioral intent to using AI-based tools and e-HRM tools, respectively. These models, the technology acceptance model and the unified theory of technology acceptance model, have successfully been applied and further developed in a number of studies. Next to these models, however, various other factors have also been explored as predictors of behavioral intent to use AI-based tools in other contexts. These other factors include professional identity, technology readiness, and the perceived threat AI-based tools pose for one’s professional expertise. Based on the existing models and these additional factors, this paper proposes an integrative model for the acceptance of artificial intelligence-based recruiting tools by HR managers.

Statistik
Das PDF-Dokument wurde 419 mal heruntergeladen.