Οι αντιλήψεις των υποψηφίων για τη χρήση τεχνητής νοημοσύνης στην επιλογή προσωπικού

Abstract

Η παρούσα διπλωματική εργασία ερευνά τις αντιλήψεις των υποψηφίων για τη χρήση της Τεχνητής Νοημοσύνης στις διαδικασίες επιλογής προσωπικού. Για τις ανάγκες της έρευνας πραγματοποιήθηκε πειραματικός ερευνητικός σχεδιασμός τύπου 2×2, σε δύο χρονικές μετρήσεις. Στην πρώτη φάση καταγράφηκαν οι γενικές στάσεις και αντιλήψεις των συμμετεχόντων σχετικά με τη χρήση της ΤΝ στην επιλογή προσωπικού. Στη δεύτερη φάση, οι συμμετέχοντες εκτέθηκαν σε τέσσερα πειραματικά σενάρια βάσει τύπου αξιολογητή και επιπέδου παρεχόμενης επεξήγησης: αξιολογητής στέλεχος HR με επεξήγηση, αξιολογητής στέλεχος HR χωρίς επεξήγηση, αξιολογητής TN με επεξήγηση και αξιολογητής ΤΝ χωρίς επεξήγηση. Ο σχεδιασμός αυτός επέτρεψε τη διερεύνηση διαφορών μεταξύ των σεναρίων, καθώς και τη σύγκριση των γενικών στάσεων πριν και μετά την έκθεση στην πειραματική συνθήκη. Οι μεταβλητές που διερευνήθηκαν περιλαμβάνουν την αντιλαμβανόμενη διαδικαστική δικαιοσύνη, την οργανωσιακή ελκυστικότητα, την πρόθεση χρήσης της ΤΝ, τις γενικές στάσεις απέναντι στην ΤΝ, την αντιλαμβανόμενη χρησιμότητα, την ευκολία χρήσης, την αντιλαμβανόμενη καινοτομία, καθώς και τον ρόλο εξοικείωσης με την τεχνολογία. Τα αποτελέσματα έδειξαν ότι η αντιλαμβανόμενη διαδικαστική δικαιοσύνη συνδέεται θετικά με την οργανωσιακή ελκυστικότητα, με τη σχέση αυτή να αποδυναμώνεται όταν απουσιάζει η επεξήγηση, ιδίως στις περιπτώσεις αξιολόγησης από σύστημα Τεχνητής Νοημοσύνης. Η απουσία επεξήγησης επηρέασε δυσμενέστερα τις αλγοριθμικές σε σύγκριση με τις ανθρώπινες διαδικασίες επιλογής. Αντίθετα, η πρόθεση χρήσης της ΤΝ δεν επηρεάστηκε άμεσα από την παροχή επεξήγησης, αλλά διαμορφώθηκε κυρίως από γνωστικούς και ατομικούς παράγοντες, όπως η αντιλαμβανόμενη χρησιμότητα, η ευκολία χρήσης και η εξοικείωση με την τεχνολογία. Δεν διαπιστώθηκαν διαφοροποιήσεις στην αντιλαμβανόμενη καινοτομία μεταξύ ανθρώπινου και αλγοριθμικού αξιολογητή, γεγονός που υποδηλώνει τάσεις κανονικοποίησης της ΤΝ. Τέλος, η σύγκριση προ- και μετα-μετρήσεων ανέδειξε ότι η εμπειρία αδιαφανούς αλγοριθμικής αξιολόγησης μπορεί να επιδράσει αρνητικά στις γενικές στάσεις απέναντι στην ΤΝ, αναδεικνύοντας τον κρίσιμο ρόλο της διαφάνειας στη διαμόρφωση στάσεων αποδοχής. Συνολικά, η μελέτη αναδεικνύει ότι η αποδοχή της ΤΝ στις διαδικασίες επιλογής προσωπικού αποτελεί ένα πολυπαραγοντικό και κοινωνικά διαμεσολαβημένο φαινόμενο, το οποίο εξαρτάται από τη σύνθετη αλληλεπίδραση διαδικαστικών, τεχνολογικών και ατομικών παραγόντων.This master’s thesis examines applicants’ perceptions regarding the use of Artificial Intelligence (AI) in personnel selection processes. For the purposes of the study, a 2×2 experimental between-subjects design was implemented, incorporating two measurement points over time. In the first phase, participants’ general attitudes and perceptions toward the use of AI in personnel selection were assessed. In the second phase, participants were exposed to four experimental scenarios based on evaluator type and the level of explanation provided: human HR evaluator with explanation, human HR evaluator without explanation, AI evaluator with explanation and AI evaluator without explanation. This design allowed for the examination of differences across scenarios, as well as comparisons of general attitudes before and after exposure to the experimental condition. The variables examined included perceived procedural justice, organizational attractiveness, intention to use AI, general attitudes toward AI, perceived usefulness, perceived ease of use, perceived innovativeness and familiarity with the technology. The findings indicated that perceived procedural justice was positively associated with organizational attractiveness, with this relationship weakening in the absence of explanation, particularly in AI-based evaluations. Lack of explanation had a more negative impact on algorithmic than on human selection processes. In contrast, intention to use AI was not directly influenced by explanation provision but was primarily shaped by cognitive and individual factors, such as perceived usefulness, ease of use and familiarity with technology. No differences were observed in perceived innovativeness between human and algorithmic evaluators, suggesting a normalization of AI in personnel selection. Finally, pre- and post-measure comparisons showed that exposure to opaque algorithmic evaluation may negatively affect general attitudes toward AI, highlighting the critical role of transparency in shaping acceptance-related attitudes. Overall, the study highlights that acceptance of AI in personnel selection processes constitutes a multifaceted and socially mediated phenomenon, shaped by the complex interaction of procedural, technological and individual factors.