“מסיבות שלא תלויות בחברות הייטק, המצב שתיארתי לעיל יכול להביא לחברות חד גוניות: הנהלות של גברים, R&D של לבנים וכו' וכאן כל חברה מחליטה כמה היא רוצה לתרום כדי לתקן את החברה (society). זה מעין תרומה בכך שהיא מכניסה קצת אפליה מתקנת כדי לתרום לחברה מתוקנת יותר. “
אני לא חושב שזה רעיון טוב, קודם כל יש בארצות הברית דבר כזה שנקרא shareholders interest אז לא בטוח שזה חוקי (בגדול המנהלים חייבים לפעול בשביל האינטרס של בעלי המניות), דבר נוסף זה שאתה בעצם "מנדב" כסף של אנשים אחרים ואז איזה עובד מפעל בנתיבות מקבל פחות כסף כי הפנסיה שלו מושקעת בחברה ש"תורמת" (אבל לא מהכסף של "התורמים"), מי שרוצה שיתרום בעצמו או שיצביע למפלגות שרוצות להעלות את המס על העשירים.
"לגבי יתרונות: אני חושב שנקודת האיזון האופטימלית היא בכך שחברה נמנעת מאפליה מודעת ולא מודעת אבל מצד שני לא נוקטת בצעדים אקטיביים ליצירת גיוון מלאכותי. מקום עבודה שיגייס עובדים על סמך שיקולים מקצועיים בלבד, תתעלם מהמין/גזע/דת/מוצא של העובד, תגיע למיקסום מבחינה עסקית לדעתי.”
אני לא בטוח בקשר לזה , היה מחקר שטען שגם אחרי שמבטלים את ה"אפליה המתקנת" החלק של העובדים השחורים ממשיך לגדול , אם זה לא עושה כלום הייתה מצפה שמספר העובדים השחורים ירד.
מחקר אחר בדק באקדמיה האם זה משפיע לרעה על סטודנטים אם עושים אפליה מתקנת והגיע למסקנה שזה קורה רק באוניברסיטאות שמשתמשות ב"מידע פרטי" , מה זה מידע פרטי? מסתבר שיש מידע שאומר שאוניברסיטאות מפלות לרעה סטונדטים עניים (או לפחות פחות עשירים)
The admissions officer also received a link to a private profile of the student, listing all 27 pages she had viewed on the school’s website and how long she spent on each one. A map on this page showed her geographical location, and an “affinity index” estimated her level of interest in attending the school. Her score of 91 out of 100 predicted she was highly likely to accept an admission offer from UW-Stout, the records showed.
Records and interviews show that colleges are building vast repositories of data on prospective students — scanning test scores, Zip codes, high school transcripts, academic interests, Web browsing histories, ethnic backgrounds and household incomes for clues about which students would make the best candidates for admission.
Mississippi State uses socioeconomic data in its admissions algorithm to recruit more high-income students from outside the state
Consulting companies may estimate a student’s financial position by checking their Zip codes against U.S. Census data for estimated household incomes in that area.
אז זה הגיוני שאם נותנים הקלה לסטודנטים יחסית עשירים ושחורים הולך להם פחות טוב, זה גם מראה כמה קשה לזהות אפליה לאנשים שמגייסים
אז אם קבוצה של אנשים בממוצע עוברת על מיני קשיים כמו אלה יכול להיות שלתת להם הקלה מסוימת יגרום לזה שהם יצליחו לא פחות טוב מאלה שלא עברו את האפליה מתקנת. אני חושב שזה אמור להיות דיי קל בשביל האוניברסיטאות לעשות ניתוח סטטיסטי שמראה שהאפליה המתקנת באמת "מתקנת" ולא מובילה לסטודנטים טובים פחות ויש לאוניברסיטאות אינטרס שזה יקרה כי סטודנטים פחות טובים פוגעים ביוקרה שלהם ויש כל מיני אתרים שמראים ממוצעים כמו שכר ממוצע לבוגר ושיעור הנשירה (בישראל יש את עבודאטה , בארצות הברית יש משהו דומה).
זה משהו שקשה לחברה קטנה לעשות אבל חברות יכולות לשתף מידע דרך איזה ארגון שעוסק בנושא (כמו עמותת itworks ) . תעשיית התוכנה הראתה שהיא ייכולה לשתף פעולה דרך אירגונים ללא מטרות רווח (לדומה linux foundation ו eclipse foundation) .