본 연구는 과거 이력서 데이터로 학습된 머신러닝 모델 기반 채용 시스템이 사회적 편향을 심화할 수 있다는 점에 주목합니다. 비정형 이력서 텍스트에서 사전 학습된 언어 모델 임베딩이 성별과 같은 민감한 속성을 추론할 수 있다는 문제점을 분석합니다.
FairCVdb 합성 데이터셋을 활용하여 9개의 사전 학습된 임베딩 모델을 평가하고, 원본 및 성별 정보 제거 이력서에 대한 성별 유출 가능성을 분석했습니다. 또한, 적대적 학습을 통해 채용 적합성을 예측하면서 성별 정보를 억제하는 프레임워크를 사용했습니다.
실험 결과, 성별 정보 제거는 성별 유출을 줄이지만 완전히 제거하지 못하며, 적대적 학습은 원본 이력서에 대한 공정성을 개선하는 데 효과적이지만 텍스트 수준의 편향 완화 전략을 대체할 수 없습니다.