Gender bias in job descriptions is a pressing and multifaceted issue that intersects with broader societal challenges related to workplace equality, diversity, and inclusion. Research has consistently shown that language in job advertisements can inadvertently perpetuate stereotypes, leading to disparities in applicant pools and hiring outcomes[4]. The emergence of large language models (LLMs) and Natural Language Processing (NLP) technologies presents an opportunity to address these biases systematically. This study builds upon previous research and theoretical frameworks surrounding gender bias in job descriptions to investigate the efficacy of Chat GPT-3.5, a prominent LLM, in identifying and mitigating gender bias. Drawing on theories of linguistic bias and AI, this study formulates a clear research question: "How effective is Chat GPT-3.5 at identifying and mitigating gender bias in job descriptions?" The methodological approach involves analyzing a dataset of Swedish job advertisements from equivalent occupational groups using NLP techniques to identify gender-biased language. Subsequently, Chat GPT-3.5 is employed to generate gender-neutral versions of these job descriptions. The primary focus of the study is the assessment of Chat GPT-3.5's impact on reducing gender bias, measured through an "approximate gender bias score" derived from frequency variances of adjectives. The discussion of results connects back to the problem description by highlighting the practical implications of AI technologies in addressing societal challenges such as gender bias in job advertisements. While the study reveals a reduction in gender bias scores in some instances, it also underscores the limitations and challenges associated with using AI models for bias mitigation. These findings contribute to ongoing discussions in AI and bias mitigation strategies, emphasizing the need for nuanced approaches that combine technological advancements with human oversight to promote fairness, equity, and inclusivity in employment practices.

Könsbias i jobbannonser är en påtaglig och mångfacetterad fråga som korsar bredare samhälleliga utmaningar relaterade till arbetsplatsens jämlikhet, mångfald och inkludering. Forskning har konsekvent visat att språket i jobbannonser oavsiktligt kan förstärka stereotyper, vilket leder till skillnader i ansökningsgrupper och rekryteringsresultat[4]. Framväxten av stora språkmodeller (LLM) och naturlig språkbehandling (NLP) teknologier ger en möjlighet att systematiskt hantera dessa biaser. Denna studie bygger på tidigare forskning och teoretiska ramverk kring könsbias i jobbannonser för att undersöka effektiviteten hos Chat GPT-3.5, en framträdande LLM, när det gäller att identifiera och mildra könsbias. Med utgångspunkt i teorier om lingvistisk bias och AI formulerar denna studie en tydlig forskningsfråga: "Hur effektivt är Chat GPT-3.5 på att identifiera och mildra könsbias i jobbannonser?" Den metodologiska ansatsen innebär att analysera ett dataset med svenska jobbannonser från ekvivalenta yrkesgrupper med hjälp av NLP-tekniker för att identifiera köns bias i text. Därefter används Chat GPT-3.5 för att generera könsneutrala versioner av dessa jobbannonser. Det primära fokuset i studien är att bedöma Chat GPT-3.5:s inverkan på att minska könsbias, mätt genom "approximate gender bias score" härledd från frekvensvariationer av adjektiv. Diskussionen kopplar tillbaka till problembeskrivningen genom att belysa de praktiska implikationerna av AI-teknologier för att hantera samhälleliga utmaningar som könsbias i jobbannonser. Även om studien avslöjar en minskning av "approximate gender bias score" i vissa fall understryker den också begränsningarna och utmaningarna med att använda AI-modeller för biasmildring. Dessa resultat bidrar till pågående diskussioner inom AI och biasmildringsstrategier, med betoning på behovet av nyanserade angreppssätt som kombinerar teknologiska framsteg med mänsklig övervakning för att främja rättvisa, jämlikhet och inkludering i anställningspraxis.