Sesgos en modelos de inteligencia artificial para el reclutamiento laboral

Autores
Murua, Milagros; Vie Sad, Matías; Rodríguez, Cristian; Real, Diego; Luconi, Bianca; Rodriguez, Tomás E.; Méndez Garabetti, Miguel
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La incorporación de inteligencia artificial (IA) en los procesos de reclutamiento laboral ha mejorado la eficiencia y objetividad en la selección de personal; sin embargo también ha expuesto riesgos significativos de sesgos algorítmicos vinculados a género, raza, edad y clase social. Esta investigación realiza un análisis crítico de estos sesgos, sus causas —principalmente derivadas de datos históricos sesgados— y las consecuencias éticas, jurídicas y sociales de su perpetuación. Se revisan distintas estrategias para la mitigación de sesgos mediante técnicas de anonimización de datos, equilibrio de datasets, auditorías periódicas de equidad, y colaboración interdisciplinaria. Además, se propone el desarrollo de un modelo de IA que integre algoritmos de aprendizaje supervisado (Random Forest, SVM), procesamiento del lenguaje natural (NLP), y métricas de equidad para garantizar transparencia y justicia en la selección. Finalmente, se destaca la importancia de un enfoque interdisciplinario que combine tecnología,ética y regulación para garantizar procesos de selección inclusivos y no discriminatorios.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Sesgos algorítmicos
Inteligencia artificial
Preselección laboral
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/191356
Acceder
id SEDICI_02c978c05080560d0c6f975e2d2cd7fc
oai_identifier_str oai:sedici.unlp.edu.ar:10915/191356
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Sesgos en modelos de inteligencia artificial para el reclutamiento laboralMurua, MilagrosVie Sad, MatíasRodríguez, CristianReal, DiegoLuconi, BiancaRodriguez, Tomás E.Méndez Garabetti, MiguelCiencias InformáticasSesgos algorítmicosInteligencia artificialPreselección laboralLa incorporación de inteligencia artificial (IA) en los procesos de reclutamiento laboral ha mejorado la eficiencia y objetividad en la selección de personal; sin embargo también ha expuesto riesgos significativos de sesgos algorítmicos vinculados a género, raza, edad y clase social. Esta investigación realiza un análisis crítico de estos sesgos, sus causas —principalmente derivadas de datos históricos sesgados— y las consecuencias éticas, jurídicas y sociales de su perpetuación. Se revisan distintas estrategias para la mitigación de sesgos mediante técnicas de anonimización de datos, equilibrio de datasets, auditorías periódicas de equidad, y colaboración interdisciplinaria. Además, se propone el desarrollo de un modelo de IA que integre algoritmos de aprendizaje supervisado (Random Forest, SVM), procesamiento del lenguaje natural (NLP), y métricas de equidad para garantizar transparencia y justicia en la selección. Finalmente, se destaca la importancia de un enfoque interdisciplinario que combine tecnología,ética y regulación para garantizar procesos de selección inclusivos y no discriminatorios.Red de Universidades con Carreras en Informática2025-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1150-1154http://sedici.unlp.edu.ar/handle/10915/191356spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7info:eu-repo/semantics/reference/hdl/10915/189846info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-03-26T09:21:32Zoai:sedici.unlp.edu.ar:10915/191356Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-03-26 09:21:32.343SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Sesgos en modelos de inteligencia artificial para el reclutamiento laboral
title Sesgos en modelos de inteligencia artificial para el reclutamiento laboral
spellingShingle Sesgos en modelos de inteligencia artificial para el reclutamiento laboral
Murua, Milagros
Ciencias Informáticas
Sesgos algorítmicos
Inteligencia artificial
Preselección laboral
title_short Sesgos en modelos de inteligencia artificial para el reclutamiento laboral
title_full Sesgos en modelos de inteligencia artificial para el reclutamiento laboral
title_fullStr Sesgos en modelos de inteligencia artificial para el reclutamiento laboral
title_full_unstemmed Sesgos en modelos de inteligencia artificial para el reclutamiento laboral
title_sort Sesgos en modelos de inteligencia artificial para el reclutamiento laboral
dc.creator.none.fl_str_mv Murua, Milagros
Vie Sad, Matías
Rodríguez, Cristian
Real, Diego
Luconi, Bianca
Rodriguez, Tomás E.
Méndez Garabetti, Miguel
author Murua, Milagros
author_facet Murua, Milagros
Vie Sad, Matías
Rodríguez, Cristian
Real, Diego
Luconi, Bianca
Rodriguez, Tomás E.
Méndez Garabetti, Miguel
author_role author
author2 Vie Sad, Matías
Rodríguez, Cristian
Real, Diego
Luconi, Bianca
Rodriguez, Tomás E.
Méndez Garabetti, Miguel
author2_role author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Sesgos algorítmicos
Inteligencia artificial
Preselección laboral
topic Ciencias Informáticas
Sesgos algorítmicos
Inteligencia artificial
Preselección laboral
dc.description.none.fl_txt_mv La incorporación de inteligencia artificial (IA) en los procesos de reclutamiento laboral ha mejorado la eficiencia y objetividad en la selección de personal; sin embargo también ha expuesto riesgos significativos de sesgos algorítmicos vinculados a género, raza, edad y clase social. Esta investigación realiza un análisis crítico de estos sesgos, sus causas —principalmente derivadas de datos históricos sesgados— y las consecuencias éticas, jurídicas y sociales de su perpetuación. Se revisan distintas estrategias para la mitigación de sesgos mediante técnicas de anonimización de datos, equilibrio de datasets, auditorías periódicas de equidad, y colaboración interdisciplinaria. Además, se propone el desarrollo de un modelo de IA que integre algoritmos de aprendizaje supervisado (Random Forest, SVM), procesamiento del lenguaje natural (NLP), y métricas de equidad para garantizar transparencia y justicia en la selección. Finalmente, se destaca la importancia de un enfoque interdisciplinario que combine tecnología,ética y regulación para garantizar procesos de selección inclusivos y no discriminatorios.
Red de Universidades con Carreras en Informática
description La incorporación de inteligencia artificial (IA) en los procesos de reclutamiento laboral ha mejorado la eficiencia y objetividad en la selección de personal; sin embargo también ha expuesto riesgos significativos de sesgos algorítmicos vinculados a género, raza, edad y clase social. Esta investigación realiza un análisis crítico de estos sesgos, sus causas —principalmente derivadas de datos históricos sesgados— y las consecuencias éticas, jurídicas y sociales de su perpetuación. Se revisan distintas estrategias para la mitigación de sesgos mediante técnicas de anonimización de datos, equilibrio de datasets, auditorías periódicas de equidad, y colaboración interdisciplinaria. Además, se propone el desarrollo de un modelo de IA que integre algoritmos de aprendizaje supervisado (Random Forest, SVM), procesamiento del lenguaje natural (NLP), y métricas de equidad para garantizar transparencia y justicia en la selección. Finalmente, se destaca la importancia de un enfoque interdisciplinario que combine tecnología,ética y regulación para garantizar procesos de selección inclusivos y no discriminatorios.
publishDate 2025
dc.date.none.fl_str_mv 2025-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/191356
url http://sedici.unlp.edu.ar/handle/10915/191356
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7
info:eu-repo/semantics/reference/hdl/10915/189846
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
1150-1154
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1860736630216720384
score 12.977003

Publicaciones similares