中國日報網8月15日電（孫靜） 據《紐約時報》近日報道，美國的民權法令并未成功處理商業數據挖掘所帶來的歧視性影響。
反歧視法的主要關注點在歧視問題，但這存在一個非常大的風險，數據挖掘者看似無關緊要的決定可能導致非常嚴重的無意識歧視。
舉例來說，公司為了試圖提升他們雇傭的質量，會優先考慮那些網上行為模式都比較優秀并且隨后表現良好的員工。雖然這樣的方式能夠為應聘者提供新奇的評估標準，但是公司只能雇傭那些行為模式類似的員工，這限制了公司人才的多元化。
情況更糟的是，數據挖掘可以挑選出先前雇傭員工中的不良實例：如果說過去的偏見思想會拒絕特定類別的應聘者展示自我才華的機會，那么數據挖掘可能無法從諸多合格的候選人中選出任何一位，只要他恰巧屬于這一類。
在員工選擇過程中，何處受選擇性偏差或過去的偏見而影響并不總是那么明顯。即使有些被認為是潛在的問題，適宜的解決辦法也并非清晰明了。雇主們如何衡量那些過去從未有過雇傭經歷的候選人呢？他們會采取什么改善措施去克服過去雇傭經歷中的偏見或偏差所帶來的影響呢進一步，若要解決以上問題，雇主們需要承擔多大的成本呢？
豐富的數據，如果沒有偏見或歧視影響，可能會對弱勢群體有利，但這一點并未明確。如果那些衡量與個人工作素質與能力的選拔標準恰好適用于相關聯的階層群體，那么數據挖掘也會對其他群體產生非常不公的消極影響。這可能進一步加劇雇傭過程中不平等待遇。
在雇傭過程中，差別性影響原則無處不在，這使得“實踐中公平只是形式，但歧視隨處可見”。數據挖掘將候選者全部排序，但不能保證排序完全正確，那么雇主會選拔排名靠前且他認為最優秀的候選人。即使換一種挖掘數據的方式，產生了不同的候選排名，這樣的例外情況也是適用的。
大數據時代，數據挖掘可能帶來就業歧視，進而導致失業問題，但數據挖掘所帶來的歧視問題最終將會迫使我們反復審視關于公平的一些很艱難、但很根本的問題。
（編輯：信蓮）
