Beyond the resume: HR students’ evaluations of interview performances by first and second language speakers
Notice bibliographique
Résumé
Purpose High-stakes decision-makers, including human resource (HR) professionals, often exhibit accent biases against second language speakers in professional evaluations. We extend this work by investigating how HR students evaluate simulated job interview performances in English by first and second language speakers of English. Design/methodology/approach Eighty HR students from Calgary and Montreal evaluated the employability of first language (L1) Arabic, English, and Tagalog candidates applying for two positions (nurse, teacher) at four points in the interview (after reading the applicant’s resume, hearing their self-introduction, and listening to each of two responses to interview questions). Candidates’ responses additionally varied in the extent to which they meaningfully answered the interview questions. Findings Students from both cities provided similar evaluations, employability ratings were similar for both advertised positions, and high-quality responses elicited consistently high ratings while evaluations for low-quality responses declined over time. All speakers were evaluated similarly based on their resumes and self-introductions, regardless of their language background. However, evaluations diverged for interview responses, where L1 Arabic and Tagalog speakers were considered more employable than L1 English speakers. Importantly, students’ preference for L1 Arabic and Tagalog candidates over L1 English candidates was magnified when those candidates provided low-quality interview responses. Originality/value Results suggest that even in the absence of dedicated equity, diversity, and inclusion (EDI) training focusing on language and accent bias, HR students may be aware of second language speakers’ potential disadvantages in the workplace, rewarding them in the current evaluations. Findings also highlight the potential influence of contextual factors on HR students’ decision-making.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».