BiasEye：一种用于公正候选人评估的感知偏见实时交互式材料筛选系统

在通过材料筛选评估求职或学生录取能力的过程中，决策者可能受到固有认知偏见的影响，如筛选顺序或锚定信息，导致结果不一致。为解决这一挑战，我们对七位专家进行了访谈，了解他们在筛选过程中的挑战和支持需求。在此基础上，我们开发了BiasEye——一种感知偏见的实时交互式材料筛选可视化系统。BiasEye通过提高信息可访问性和透明度来增强对认知偏见的意识，还借助机器学习(ML)方法建模个人筛选偏好，帮助用户识别和减轻偏见。20名参与者的混合设计用户研究表明，与缺乏感知偏见功能的基线系统相比，BiasEye提高了参与者的偏见意识，并增强了他们对最终决策的信心。最后，我们讨论了ML和可视化在减轻人类决策任务中偏见的潜力。