为了解决机器学习数据集缺乏标准化过程带来的严重后果，我们提出了数据集的数据表格，以促进数据集创建者和数据集使用者之间的更好沟通，并鼓励机器学习社区优先考虑透明度和责任性。

Mar, 2018

本文介绍了一种标准的 ML 传感器数据表格模板，重点讨论了其必要组成部分：系统硬件，ML 模型和数据集属性，端到端性能指标以及环境影响。通过提供样例数据表格，突显了它们如何促进传感器数据在 ML 应用中的更好理解和利用，并提供了客观的度量标准以评估和比较系统性能。ML 传感器和其数据表格能够提供更好的隐私、安全、透明度、可解释性、可审计性和用户友好性。最后强调 ML 社区的数据表格需要标准化，以确保对传感器数据的负责和有效的使用。

Jun, 2023

通过对 14 位机器学习从业者的半结构化访谈，发现目前数据文档化方法在性质上往往是临时性和目光短浅的，因此需要一种适应他们的上下文、与他们现有的工具和工作流程相结合、并在可能的情况下自动完成的数据文档化框架的设计要求，以解决现有文档化方法无法满足其需求的问题。

Jun, 2022

本文主要探讨了在人工智能任务的层面上思考伦理考量的重要性，提出了一种名为 AI 任务伦理表的机制用于记录成果的伦理考虑，运用情绪识别作为一个具体的案例来说明。

Jul, 2021

介绍机器学习和深度学习技术在医疗保健的应用及相应的安全和隐私挑战，并提出了相关方法以确保医疗保健应用中的安全和隐私保护。

Jan, 2020

该论文阐述了电子病历（EHR）提供数据以回答临床相关问题，EHR 中不完整的标签、供建多个基础病因的疾病和健康人群缺乏等问题给机器学习在临床应用中带来的挑战，并强调了机器学习在医疗保健中发挥作用的机会。

Jun, 2018

该论文强调健康护理作为一个复杂系统，必须通过系统方法，推动机器学习算法的应用，以解决医疗挑战，并充分发挥电子病历的功能。

Sep, 2019

该论文介绍了人类评估数据表格，该表格是记录自然语言处理（NLP）中个别人类评估实验细节的模板。人类评估数据表格旨在促进人类评估特性的记录，以支持可比性，元评估和可重复性测试。

Mar, 2021

通过分析 4041 篇不同领域的数据论文，本研究提出了一套建议指南，旨在增加数据的准备性，确保其在机器学习技术中的透明和公正使用。

Jan, 2024

本文探讨了去中心化的分布式账本上机器学习模型对分布式电子个人健康档案进行知识提取的方法，并提出了一个设计概念，能够匿名进行预测性分析，结果表明可降低机器学习时间至 60％，一致性延迟低于 8 秒，适用于各个医疗机构。

Jul, 2022