Bias & monitoring

CVsprings gebruikt een deterministische, regelgebaseerde matchingengine — geen machine-learningmodel. Dezelfde input levert altijd dezelfde score op, en dezelfde regels worden op elk cv identiek toegepast. De pipeline:

1. Tekstextractie. Uit de geüploade pdf of docx wordt platte tekst gehaald. Afbeeldingen — ook foto's — worden nooit geëxtraheerd of verwerkt; gescande cv's die alleen uit afbeeldingen bestaan, worden met een foutmelding geweigerd in plaats van beoordeeld.
2. Vier deelscores, elk berekend met transparante regels:

• Trefwoorden — de 40 meest voorkomende betekenisvolle woorden en woordparen worden uit je functieomschrijving gehaald (veelvoorkomende stopwoorden weggelaten) en in de tekst van het cv opgezocht; de score is het percentage dat gevonden wordt.
• Vaardigheden — een samengestelde lijst van 168 benoemde vaardigheden wordt naast de functieomschrijving gelegd; de vaardigheden die daarin genoemd worden, worden vervolgens in het cv opgezocht; de score is het percentage dat overeenkomt (een neutrale 50 wanneer de functieomschrijving geen enkele vaardigheid uit de lijst noemt).
• Ervaring — patronen zoals “7 years of experience” en senioriteitswoorden (director, principal, lead, senior, junior…) worden in beide teksten herkend en vergeleken, wat een heuristische waarde van 0–100 oplevert.
• Opleiding — het hoogste gevonden kwalificatietrefwoord (PhD > Master > Bachelor > diploma/certificate) wordt vergeleken tussen het cv en de eisen in de functieomschrijving.

De totaalscore is het gewogen gemiddelde van de vier deelscores volgens de gewichten die jij instelt (standaard 40/30/20/10); de oordeelbanden (“Excellent/Good/Partial/Poor Match”) zijn vaste drempels op dat getal. Elk opgeslagen record bevat de gebruikte gewichten en de versie van de scoringsengine, zodat elke score later te reconstrueren is.

Wat Anonimiseren verwijdert

Als Anonimiseren aan staat, wordt het volgende uit de cv-tekst verwijderd voordat er gescoord wordt:

Anonimiseren is een filter op tekstniveau met bekende hiaten — zie het onderdeel over beperkingen hieronder voor wat het niet kan verwijderen.

• Geen demografische input. CVsprings vraagt nergens in het product om demografische gegevens (geslacht, etniciteit, leeftijd, handicap), verzamelt ze niet en gebruikt ze niet.
• Gelijke behandeling binnen een batch. Elk cv in een batch wordt beoordeeld met dezelfde extractieregels, dezelfde functieomschrijving en dezelfde gewichten — de engine gedraagt zich voor geen enkele kandidaat anders.
• Optie om te anonimiseren: contactgegevens en naamregels worden vóór het scoren verwijderd (zie hierboven voor wat er precies wordt verwijderd).
• Een mens beslist. Geen enkele score wordt ooit automatisch omgezet in een besluit. Besluiten (shortlist / aanhouden / afwijzen) bestaan alleen als expliciete invoer van de recruiter, en elk opgeslagen record schrijft de beoordeling toe aan de ingelogde gebruiker.
• Onveranderlijke records. Scores, gewichten en herkomstvelden kunnen na het opslaan van een record niet meer worden gewijzigd; alleen het besluit en de notitie van de recruiter kunnen veranderen, en wijzigingen worden bewaard in een geschiedenis waaraan alleen iets kan worden toegevoegd.

We noemen ze openlijk, omdat organisaties die de tool inzetten ze moeten kennen om hem verantwoord te gebruiken:

• Gevoelig voor woordkeuze. De engine matcht woorden, geen betekenis. Een kandidaat die de juiste ervaring in andere woorden beschrijft dan de functieomschrijving, scoort lager dan iemand die de woordkeuze van de functieomschrijving overneemt. Formuleringen van niet-moedertaalsprekers of onconventionele cv-stijlen kunnen om dezelfde reden worden benadeeld.
• Scores hangen af van de formulering van de functieomschrijving. Omdat trefwoorden op frequentie uit de functieomschrijving worden gehaald, verandert een andere formulering de set trefwoorden en daarmee de scores. Vergelijk kandidaten alleen binnen dezelfde functieomschrijving en dezelfde gewichten.
• Anonimiseren kan niet alle indirecte kenmerken verwijderen. Namen van universiteiten en werkgevers, lidmaatschappen van verenigingen, talen, gaten in het cv, namen midden in een zin en andere indirecte signalen blijven in de tekst staan en kunnen samenhangen met beschermde kenmerken.
• Anonimiseren kan legitieme gegevens verwijderen. Het geboortejaarfilter (1940–2015) verwijdert ook gewone jaartallen in dat bereik — bijvoorbeeld een ouder afstudeerjaar — wat het ervaringssignaal voor hetzelfde cv iets kan veranderen.
• Heuristische herkenning van ervaring en opleiding. Jaren ervaring en kwalificaties worden via tekstpatronen herkend; ongebruikelijke notaties kunnen worden gemist. Controleer dienstjaren en kwalificaties in gesprekken in plaats van op de deelscores te vertrouwen.
• Geen biasdetectie op uitkomstniveau. CVsprings verzamelt geen demografische gegevens en kan dus niet meten of uitkomsten verschillen tussen demografische groepen. We raden klanten aan hun besluiten periodiek te toetsen aan hun eigen gegevens en processen voor het monitoren van gelijke behandeling.