数学家的数据伦理非专业介绍
文章探讨数据科学中道德、政治因素对社会影响的作用,提出数据科学家需要反思自身的政治立场和模式,并提出了一个阶段性的框架,以促进社会公正和影响评估,实现社会价值的最大化
Nov, 2018
研究人员强调技术从业人员,如数据科学家,要考虑算法决策的影响和道德问题。然而,与编程、统计和数据管理不同,对道德问题的讨论很少包含在标准的数据科学培训中。为了弥补这一差距,我们设计和测试了一个名为数据伦理应急演练(DEED)的工具箱,帮助数据科学团队讨论和反思他们工作的道德问题。DEED 是一个虚构的道德突发事件情景的角色扮演,具体地与团队所在的工作场所和应用相关。本文概述了 DEED 工具箱,并描述了与两个不同的数据科学团队进行过的三项研究,这些研究迭代地塑造了工具箱的设计。我们的研究结果表明,从角色扮演中学到的经验可以应用到实际情况中,并且 DEED 为伦理和价值观的讨论开辟了新的空间。
Mar, 2024
利用 Ubuntu 哲学视角讨论了在 AI 时代非洲的医疗数据伦理,并着重比较了个人主义和社群主义对数据伦理的不同方法,提出的框架可以为 AI 开发者、医疗服务提供者、公众和决策者提供关于非洲 AI 中的医疗数据伦理使用的参考。
Jun, 2024
本文为科学家提供了一份简短指南,介绍了他们应该采取的步骤,以确保其数据和相关分析持续有价值并得到认可。该指南旨在帮助研究人员了解为何 “关心和管理” 数据的重要性以及如何实现这一目标。
Jan, 2014
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
该研究提出一个潜在的负责任数据(重新使用)清单,旨在标准化会议提交的同行评审,并促进社区内发布研究的更深入视角,从而为数据(重新使用)的一致标准的制定做出贡献。
Sep, 2021
本文提出了一种框架来生成具有特定类型偏差和它们的组合的合成数据,以分析在机器学习模型中存在的各种偏差,讨论它们与道德和正义框架的关系,并利用我们提出的合成数据发生器在不同场景中(包括存在不同偏差组合的场景)进行实验,因此分析了偏差对未减轻和减轻的机器学习模型的性能和公平度指标的影响。
Sep, 2022