【文件属性】：
文件名称：算法，平台和种族偏见：诊断模型-研究论文
文件大小：237KB
文件格式：PDF
更新时间：2021-05-19 20:49:19
algorithms digital bias digital discrimination
种族偏见和其他偏见日益被认为是困扰软件算法和数据集的问题。 这很重要，因为算法和数字平台组织了越来越大的社会，政治和经济生活领域。 算法已经通过扩展数据集进行筛选，以提供信用等级，提供个性化广告，在约会网站上匹配个人，标记不寻常的信用卡交易，推荐新闻文章，确定抵押资格，预测未来犯罪的地点和犯罪者，解析简历，对求职者进行排名，协助保释或缓刑程序，并执行各种其他任务。 数字平台由在软件中执行的算法组成。 正如劳伦斯·莱西格（Lawrence Lessig）所观察到的那样，在执行这些功能时，“代码”功能就像法律一样构成人类活动。 算法和在线平台不是中立的。 它们被构建为框架和驱动动作。 算法“机器”是用关于人与物之间对应关系的特定理论构建的。 随着诸如机器学习之类的技术越来越普遍地部署，人们的关注变得越来越尖锐。 对于工程师和政策制定者来说，了解算法过程中偏差的产生方式和位置将有助于解决该问题。 我们的贡献是引入了可视化模型，该模型扩展了以前的研究，以识别算法过程中可能出现偏差的地方。