中国日报网8月15日电（孙静） 据《纽约时报》近日报道，美国的民权法令并未成功处理商业数据挖掘所带来的歧视性影响。
反歧视法的主要关注点在歧视问题，但这存在一个非常大的风险，数据挖掘者看似无关紧要的决定可能导致非常严重的无意识歧视。
举例来说，公司为了试图提升他们雇佣的质量，会优先考虑那些网上行为模式都比较优秀并且随后表现良好的员工。虽然这样的方式能够为应聘者提供新奇的评估标准，但是公司只能雇佣那些行为模式类似的员工，这限制了公司人才的多元化。
情况更糟的是，数据挖掘可以挑选出先前雇佣员工中的不良实例：如果说过去的偏见思想会拒绝特定类别的应聘者展示自我才华的机会，那么数据挖掘可能无法从诸多合格的候选人中选出任何一位，只要他恰巧属于这一类。
在员工选择过程中，何处受选择性偏差或过去的偏见而影响并不总是那么明显。即使有些被认为是潜在的问题，适宜的解决办法也并非清晰明了。雇主们如何衡量那些过去从未有过雇佣经历的候选人呢？他们会采取什么改善措施去克服过去雇佣经历中的偏见或偏差所带来的影响呢进一步，若要解决以上问题，雇主们需要承担多大的成本呢？
丰富的数据，如果没有偏见或歧视影响，可能会对弱势群体有利，但这一点并未明确。如果那些衡量与个人工作素质与能力的选拔标准恰好适用于相关联的阶层群体，那么数据挖掘也会对其他群体产生非常不公的消极影响。这可能进一步加剧雇佣过程中不平等待遇。
在雇佣过程中，差别性影响原则无处不在，这使得“实践中公平只是形式，但歧视随处可见”。数据挖掘将候选者全部排序，但不能保证排序完全正确，那么雇主会选拔排名靠前且他认为最优秀的候选人。即使换一种挖掘数据的方式，产生了不同的候选排名，这样的例外情况也是适用的。
大数据时代，数据挖掘可能带来就业歧视，进而导致失业问题，但数据挖掘所带来的歧视问题最终将会迫使我们反复审视关于公平的一些很艰难、但很根本的问题。
（编辑：信莲）
