ACLApr, 2021

NLP 众包的伦理学意义超越公平薪酬

PDF
TL;DR该论文讨论了众包工人在 NLP 研究中的伦理问题，提出了应考虑 Belmont 报告中的三个伦理原则评估这些风险，并澄清了有关 Institutional Review Board（IRB）申请的一些常见误解。
发现论文，激发创造
  • 解决机器学习众包工人的人类主体地位问题

    该论文研究了众包的研究，重点关注了众包研究的合适指定和机器学习研究对于研究监督所带来的独特挑战。该论文发现在确定众包工作是否属于人类研究对象方面存在两个挑战，同时呼吁实施相关政策以解决这些问题。

    Jun, 2022

  • 自然语言处理和大型语言模型的公平认证

    发展公平认证以确保自然语言处理系统的算法公正性和对少数群体的非歧视性。

    Jan, 2024

  • 自然语言处理中偏差和公平性调查

    本次调查分析了 NLP 模型的社会影响，探讨了 NLP 算法中存在性别、种族和文化偏见的根源，定义了公平性，并说明了 NLP 各个子领域如何减少系统存在的偏见，最终讨论了未来研究如何消除 NLP 算法中的有害偏见。

    Mar, 2022

  • 自然语言处理在法律文本上的道德限制

    本文讨论自然语言处理技术在法律领域的应用，重点关注学术自由、法律伦理规范的多样性以及道德主义对这些技术的研究可能带来的威胁，并提出了一些具体建议。

    May, 2021

  • 将工人视角融入 MTurk NLP 标注实践

    通过批判性文献综述和 MTurk 工作者的调查，我们发现当前在亚马逊众包平台中进行自然语言处理数据收集的方法在考虑工作者的角度上存在问题，因此我们提出了关于公平支付、工作者隐私、数据质量和工作者激励等方面的最佳实践，以更好地尊重工作者权益并提高数据质量。

    Nov, 2023

  • 临床自然语言处理中伦理挑战的简要回顾

    本文讨论临床自然语言处理技术在临床实践中的潜力和现有的隐私保护问题，并提出了一些满足隐私保护的数据来源，同时注意到可能导致社会有害应用的偏见和实证研究的局限性。

    Mar, 2017

  • 人工智能数据丰富化的伦理模棱两可性：评估研究伦理规范和实践中的差距

    本研究探讨人工智能领域的伦理规范问题，发现虽然现有的一些 AI 会议和出版物已经开始确立人类数据收集的协议和规范，但是这些规范往往被作者忽视，相比之下，在心理学领域进行与众包工人的合作时，生活方式和其他信息的道德审查披露要频繁得多。

    Jun, 2023

  • 自然语言处理文献中正式伦理审查的使用：历史趋势和当前实践

    本文分析了先前的和当前的 NLP 研究中所考虑的伦理方面，通过比较其他学科的研究，比较了 ACL 文集的趋势，发现 NLP 研究中的规范伦理审查正在迅速上升。

    Jun, 2021

  • 演绎伦理在自然语言处理中的案例研究

    本文从自然语言处理的角度，研究了康德的义务论伦理学中的普遍化原则和知情同意的尊重，提供了四个案例研究，以说明这些原则如何与自然语言处理系统结合。同时提出了避免这些系统中的道德问题的建议。

    Oct, 2020

  • 价值观、伦理、道德？自然语言处理研究中道德概念的应用探讨

    我们通过概述一些重要的与哲学相关的伦理概念并系统调查现有的有关道德自然语言处理的文献，回应这一研究空白，因为大多数论文对术语的定义不清晰且不符合哲学定义，希望我们的工作能引导到更加明晰、谨慎和严谨的语言技术道德讨论。

    Oct, 2023