Каждый год тысячи выпускников медицинских вузов проходят через национальную программу распределения в ординатуру — сложную компьютерную систему сопоставления, которая призвана честно учесть предпочтения будущих врачей и требования учебных программ. Код этой системы специально настроен так, чтобы исключить предвзятость, пресекать попытки обмануть алгоритм и поощрять честный выбор. Но результаты нового исследования, опубликованного в журнале «Организационная наука», разрушают уверенность в том, что справедливый алгоритм гарантирует равные результаты. Даже при идеально настроенном коде итоги распределения могут оказаться неравными, и виной тому не ошибки программы, а особенности поведения самих пользователей.

 

Как устроена система распределения в ординатуру

Национальная программа распределения в ординатуру использует компьютерный алгоритм для сопоставления выпускников медвузов и образовательных программ. Обе стороны подают ранжированные списки предпочтений: студенты указывают желаемые места обучения, программы — кандидатов, которых готовы принять.

Разработчики системы заложили в неё принцип: участникам выгоднее всего указывать программы в порядке реального предпочтения, а не пытаться обыграть алгоритм. В теории это должно выравнивать шансы всех участников, исключая преимущество для тех, кто лучше разбирается в тонкостях кода.

Система работает по принципу двустороннего выбора: программы отбирают кандидатов, студенты выбирают программы, а алгоритм находит оптимальное совпадение для обеих сторон. Попытки обмануть систему, например, занижение рейтинга желаемой программы из страха отказа, только ухудшают результат участника.

 

Почему студенты принимают неоптимальные решения

Исследователи опросили более 1700 студентов, которые участвовали в смоделированном распределении, и взяли 66 глубинных интервью у тех, кто проходил реальную процедуру.

Выяснилось, что многие участники совершали ошибки при заполнении списков предпочтений. Некоторые ставили менее желательные программы выше в рейтинге, полагая, что это повысит их шансы на распределение. На самом деле такая стратегия снижает вероятность получить лучшее возможное место, но студенты не понимали этого.

• Ранжирование менее желательных программ выше в списке повышает шансы на распределение;
• Попытка угадать предпочтения программы поможет получить заветное место;
• Скрытие реальных предпочтений защитит от отказа.

 

Гендерные различия в поиске информации

Отдельное внимание исследователи уделили различиям между мужчинами и женщинами-медиками.

Студенты мужского пола чаще самостоятельно искали дополнительную информацию об алгоритме: пересматривали обучающие материалы, смотрели пояснительные видео, обращались к независимым источникам. Участники, которые консультировались с несколькими источниками, лучше понимали принципы работы системы и чаще принимали оптимальные решения.

Женщины-студентки реже проявляли такую инициативу. Многие опирались только на стандартные рекомендации вуза, которые часто ограничивались фразами вроде «ранжируйте программы по личным предпочтениям» или «следуйте за сердцем». Из-за этого у них было меньше понимания алгоритма, ниже уверенность в своих действиях, и они чаще подавали списки, отклоняющиеся от оптимальной стратегии.

1. Повторное изучение официальных обучающих материалов по системе;
2. Просмотр пояснительных видеороликов от независимых экспертов;
3. Консультации с несколькими источниками информации, а не только вузом;
4. Прохождение интерактивных симуляций процедуры распределения.

 

Ошибки стандартных рекомендаций вузов

Вузы часто ограничиваются общими фразами, которые формально верны, но бесполезны на практике.

Исследователи отмечают, что советы вроде «ранжируйте программы по настоящим предпочтениям» не объясняют, почему эта стратегия работает. Студенты, не понимающие логику алгоритма, часто действуют из страха: боятся остаться без места, боятся, что программа откажет, если они поставят её на первое место. Это толкает их на неоптимальные решения, даже если вуз дал формально верный совет.

Алгоритмы не работают в вакууме, — говорит соавтор исследования Сэмюэл Скоуронек. — Даже если код невозможно обыграть, результат всё равно зависит от того, есть ли у людей знания и поддержка, необходимые для правильного использования системы.

 

Где еще встречаются такие системы

Выводы исследования применимы не только к медицинскому распределению.

Компьютерные системы сопоставления сейчас используются при приёме в школы, распределении военнослужащих, найме на госслужбу, продвижении сотрудников по карьерной лестнице и в корпоративных кадровых системах. Организации внедряют их, чтобы повысить эффективность, снизить субъективность и сделать процессы справедливыми.

Но руководители часто забывают, что справедливость системы зависит не только от качества кода. Если пользователи по-разному понимают принципы её работы, даже самый честный алгоритм будет воспроизводить неравенство.

Примеры неравенства из-за непонимания алгоритмов уже фиксировались в школьных распределениях: родители, лучше разбирающиеся в системе, чаще отправляли детей в желаемые школы, чем те, кто опирался только на стандартные памятки.

Разработчикам и руководителям организаций стоит перестать воспринимать справедливость алгоритмов как чисто техническую задачу. Даже идеально настроенная система не гарантирует равных результатов, если пользователи не понимают, как она работает. Инвестиции в обучение, понятные инструкции и многократное разъяснение принципов работы куда важнее, чем попытки сделать код максимально честным. Алгоритм — это лишь инструмент, и качество его работы напрямую зависит от того, насколько грамотно люди умеют с ним взаимодействовать.