
 
 
 Los autores: » 
 
 
 
 Tobias Rohrbach Mykola Makhortykh Maryna Sydorova Los autores: » 
 
 
 
 Tobias Rohrbach Mykola Makhortykh María Sidón Table of links Mesa de la izquierda ABSTRACT Abstracción INTRODUCTION Introducción SEARCH ENGINES AND WOMEN’S DESCRIPTIVE REPRESENTATION Motores de búsqueda y la representación descriptiva de las mujeres MEASURING THE EXTENT OF ALGORITHMIC REPRESENTATION Medir el alcance de la representación algorítmica GENERAL DISCUSSION, CONCLUSION   AND   REFERENCES Discusión general, Conclusión y Referencias Abstract Abstracción Los motores de búsqueda como Google se han convertido en grandes portadores de información que utilizan la inteligencia artificial (IA) para determinar quién y qué encuentran los votantes cuando buscan información política. Este artículo propone y prueba un marco de representación algorítmica de grupos minoritarios en una serie de cuatro estudios. En primer lugar, dos auditorías algorítmicas de búsquedas de imagen política delinean cómo los motores de búsqueda reflejan y mantienen las desigualdades estructurales mediante la subrepresentación y la malrepresentación de las mujeres y los políticos no blancos. En segundo lugar, dos experimentos en línea muestran que estos vicios en la representación algorítmica a su vez distorsionan las percepciones de la realidad política y refuerzan activamente una visión blanca y masculinizada de la política. Juntos, los resultados Introduction A pesar de que tales paisajes de conducción masculino se están cambiando lentamente, el rostro de la toma de decisiones política contemporánea es aún desproporcionadamente masculino y, en el Norte Global, desproporcionadamente blanco. En 2024, la representación descriptiva global de las mujeres en los parlamentos es del 26,7% (Unión Interparlamentaria 2024). En la Cámara de Representantes de los Estados Unidos, el 29% de los miembros son mujeres y el 26% son no blancos,1 haciendo del 118o Congreso blanco el más diverso étnicamente y equilibrado por género hasta la fecha en la historia de los Estados Unidos (Pew Research Center 2023a,b). Sin embargo, de acuerdo con los datos del censo, las proporciones de mujeres y personas no blancas en la población en general de los Estados Unidos son 50.5% y el 41.1% de Los motores de búsqueda se han convertido en grandes portadores de información que utilizan la inteligencia artificial (IA) para determinar quién y qué encuentran los votantes cuando buscan información política (Trielli y Diakopoulos 2022; Urman y Makhortykh 2022; Wallace 2018; White y Horvitz 2015). Se ha demostrado que la forma en que la información está representada en los motores de búsqueda influye en las percepciones de las campañas políticas (Epstein y Robertson 2015; Zweig 2017) y en las elecciones de voto individuales (Diakopoulos et al. 2018). La selección y el ranking de la información por parte de los motores de búsqueda —y, crucialmente, los biases de dicha curación algorítmica,2 incluyendo la subrepresentación sistemática y la malrepresentación de los grupos de género y ra Teóricamente, nuestro marco de representación algorítmica integra la literatura establecida sobre representación descriptiva y mediación de género con el trabajo más reciente sobre discriminación estratégica para mostrar cómo los prejuicios algorítmicos cambian sistemáticamente las percepciones de las realidades políticas de maneras que agravan las desigualdades de género y raza existentes. Testamos las relaciones causales combinando evidencias de dos estudios de auditoría de algoritmos observativos con dos experimentos de encuesta. Además, proporcionamos pruebas convincentes que apoyan nuestras suposiciones sobre representación algorítmica en el contexto de la política. En nuestras auditorías algorítmicas (estudio 1 y 2), encontramos que las mujeres están consistentemente subrepresentadas en las búsquedas de Google que tratan de información política en 56 países y para los órganos legisl Los resultados avanzan la comprensión científica de cómo los portadores de la IA reflejan las desigualdades estructurales en la política —y cómo las amplifican agravando los vicios en la percepción política y la toma de decisiones. Nuestro marco de representación algorítmica agrega un componente crucial a la comprensión de las persistentes desventajas estructurales de las mujeres y las personas de color en un paisaje político cada vez más impulsado por la IA. Contribuye a la actual investigación científica pública e interdisciplinaria sobre la equidad algorítmica e injusticia (Birhane 2021; Kalluri 2020; Wong 2020; Weinberg 2022). Este conocimiento es integral para aumentar la conciencia social de las tendencias discriminatorias inherentes a los sistemas impulsados por la IA dentro de espacios políticos cada vez más digitales (Friesen 
 
 Este artículo está disponible en archivo bajo la licencia CC by 4.0 Deed (Attribution 4.0 International). Este documento es Con la licencia CC 4.0 Deed (Attribution 4.0 International). Disponible en Archivo Disponible en Archivo

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Bias in Algorithmic Technology Exposed 

undefined's blog

Este audio es producido en el idioma original de la historia!

Cómo la búsqueda de IA refuerza los prejuicios de género y racial en la política

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Aumente su productividad con estas 18 herramientas para desarrolladores 🚀🔥

Valhalla de Floki se une como patrocinador asociado de la gira de la India por Sri Lanka

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Aumente su productividad con estas 18 herramientas para desarrolladores 🚀🔥

Valhalla de Floki se une como patrocinador asociado de la gira de la India por Sri Lanka

Cómo mejorar su flujo de trabajo 10 veces: 17 aplicaciones esenciales

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps