35 02 / 23 PERSONALquarterly durch (Langer et al., 2021), in der wir untersuchten, wie die unterschiedliche Implementierung eines algorithmusbasierten Entscheidungsunterstützungssystems Arbeitsprozesse in der Personalauswahl verändern kann. Die Tätigkeit der Personalauswahl bot sich als Beispielkontext an, da eine Vielfalt algorithmusbasierter Systeme auf den Markt drängen, die unterschiedlichen Aufgaben von Personalerinnen und Personalern unterstützen sollen (z. B. Screening von Lebensläufen, Bewertung von Videointerviews). Unsere Annahme in der Studie war, dass unterschiedliche Arten der Implementierung eines algorithmusbasierten Systems für die Entscheidungsunterstützung von Mitarbeitenden in der Personalauswahl – abseits von möglichen Effekten auf die Arbeitsleistung – Effekte auf Variablen wie den Spaß bei der Arbeit, die Zufriedenheit mit Entscheidungen und die eigene Wahrnehmung von Fähigkeiten bei der Aufgabenerfüllung haben. Konkret untersuchten wir, ob es Unterschiede bezüglich dieser arbeitsbezogenen Variablen im Vergleich zweier Arten der Implementierung eines algorithmusbasierten Systems gibt: System 1 stellt direkt Bewertungen von Bewerbenden zur Verfügung, System 2 produziert eine Zweitmeinung erst nachdem Entscheiderinnen und Entscheider sich ein erstes Bild von den Bewerberinnen und Bewerbern gemacht haben. gebungen von menschlichen Führungskräften übernommen werden würden – bspw. vergeben entsprechende Systeme Aufgaben oder bewerten die Arbeitsleistung der Mitarbeitenden (Parent-Rocheleau/Parker, 2022). In einem Überblick von Studienergebnissen aus der Arbeitsumgebung von in der Gig Economy Arbeitenden zeigten Parent-Rocheleau und Parker (2022), dass die meisten bisherigen Studien eher negative Effekte des Einsatzes algorithmusbasierter Systeme fanden. So beschreiben die Autoren bspw., dass in den analysierten Studien im Bereich der algorithmusbasierten Zielsetzung (z. B. wo und umwie viel Uhr Lieferungen abgegeben werden sollen) die Arbeitsautonomie der Arbeitenden abnehmen kann, weil sie sich eng an die Arbeitszuweisungen des algorithmusbasierten Systems halten müssen und weil die Ablehnung von Aufgaben in Zukunft zur Zuweisung weniger lukrativer Arbeit führen kann. Gleichzeitig kann der Workload zunehmen, weil algorithmusbasierte Systeme die Effizienz in Arbeitsprozessen stark optimieren, sodass wenig Luft für Pausen bleibt. Was allerdings bis heute, bis auf wenige Ausnahmen (vgl. Strich et al., 2021), untererforscht blieb, ist die Veränderung von Arbeitscharakteristika durch die Implementierung algorithmusbasierter Systeme in Arbeitsumgebungen abseits der Gig Economy. Deshalb führten wir eine empirische Studie Abb. 2: Ergebnisse der Varianzanalyse für die vorliegende Studie Quelle: In Anlehnung an Langer et al. (2021). Anmerkungen: F = F-Kennwert der Varianzanalyse, η²p = Effektgröße partielles Eta-Quadrat, * = dieses Ergebnis ist bei einem p < .05 signifikant. Anzahl an Versuchspersonen = 122. Effekt der Experimentalbedingung? (Haupteffekt) Unterschiedliche Entwicklung über die Zeit? (Interaktionseffekt) Variablen F(1,119) η²p Interpretation F(1,119) η²p Interpretation Dauer für die Entscheidung 0.64 .01 0.81 .01 Spaß 2.08 .03 0.93 .02 Zufriedenheit 3.15* .05 Höher für die Zweitmeinung 1.51 .03 Spezifische Selbstwirksamkeit 1.46 .02 3.79* .06 Stärkerer Anstieg für die Zweitmeinung Allgemeine Selbstwirksamkeit 1.50 .03 4.07* .06 Stärkerer Anstieg für die Zweitmeinung
RkJQdWJsaXNoZXIy Mjc4MQ==