
 
 
 Gli autori: » 
 
 
 
 Tobias Rohrbach Mykola Makhortykh Maryna Sydorova Gli autori: » 
 
 
 
 di Tobias Rohrbach di Mykola Makhortykh di Maria Sydorova Table of links tavolo di sinistra ABSTRACT astratto INTRODUCTION Introduzione SEARCH ENGINES AND WOMEN’S DESCRIPTIVE REPRESENTATION I motori di ricerca e la rappresentazione delle donne MEASURING THE EXTENT OF ALGORITHMIC REPRESENTATION Misurare l'estensione della rappresentazione algoritmica GENERAL DISCUSSION, CONCLUSION   AND   REFERENCES Discussione generale, conclusione e Referenze Abstract astratto I motori di ricerca come Google sono diventati i principali portatori di informazioni che utilizzano l'intelligenza artificiale (IA) per determinare chi e cosa trovano gli elettori quando cercano informazioni politiche. Questo articolo propone e testano un quadro di rappresentazione algoritmica dei gruppi minoritari in una serie di quattro studi. In primo luogo, due audit algoritmici delle ricerche di immagine politica delineano come i motori di ricerca riflettono e mantengono le disuguaglianze strutturali sotto- e mal rappresentando le donne e i politici non bianchi. In secondo luogo, due esperimenti online dimostrano che questi pregiudizi nella rappresentazione algoritmica a loro volta distorcono le percezioni della realtà politica e rafforzano attivamente una visione bianca e maschile della politica. Insieme, i risultati hanno implicazioni sostanziali per Introduction Anche se i paesaggi politici di Speinizz in tutto il mondo si stanno cambiando lentamente, il quadro della decisione politica contemporanea è ancora disproporzionatamente maschile e, nel Nord Globale, disproporzionatamente bianco. Nel 2024, la rappresentanza descrittiva globale delle donne nei parlamenti è del 26,7% (Unione interparlamentare 2024). Nella Camera dei Rappresentanti degli Stati Uniti, il 29% dei membri sono donne e il 26% non sono bianchi,1 rendendo il 118 ° Congresso bianco il più etnicamente diverso e bilanciato di genere fino ad oggi nella storia degli Stati Uniti (Pew Research Center 2023a,b). Tuttavia, secondo i dati del censimento, le quote delle donne e delle persone non bianche in generale nella popolazione degli Stati Uniti sono 50,5% e il 41.1% dei punti di I motori di ricerca sono diventati i principali portatori di informazioni che utilizzano l'intelligenza artificiale (AI) per determinare chi e cosa trovano gli elettori quando cercano informazioni politiche (Trielli e Diakopoulos 2022; Urman e Makhortykh 2022; Wallace 2018; White e Horvitz 2015). Come le informazioni sono rappresentate sui motori di ricerca è stato dimostrato di influenzare le percezioni delle campagne politiche (Epstein e Robertson 2015; Zweig 2017) e le scelte dei voti individuali (Diakopoulos et al. 2018). La selezione e il ranking delle informazioni da parte dei motori di ricerca - e, fondamentalmente, i pregiudizi di tale curazione algoritmica,2 tra cui la sistematica sotto- e la falsa rappresentazione dei gruppi di genere e razza (Makhortykh et Teoricamente, il nostro quadro di rappresentazione algoritmica integra la letteratura consolidata sulla rappresentazione descrittiva e sulla mediazione di genere con il lavoro più recente sulla discriminazione strategica per mostrare come i pregiudizi algoritmici spostano sistematicamente le percezioni delle realtà politiche in modi che esacerbano le disuguaglianze di genere e razza esistenti. Testiamo le relazioni causali combinando le prove provenienti da due studi di audit algoritmico osservazionali con due esperimenti di sondaggio. Inoltre, forniamo prove convincenti a sostegno delle nostre ipotesi sulla rappresentazione algoritmica nel contesto della politica. Nei nostri audit algoritmici (studi 1 e 2), troviamo che le donne sono costantemente sotto rappresentate nelle ricerche di Google che si occupano di informazioni politiche in 56 paesi e per I risultati avanzano la comprensione scientifica di come i portatori di intelligenza artificiale riflettono le disuguaglianze strutturali nella politica – e come le amplificano aggravando i pregiudizi nelle percezioni politiche e nel processo decisionale. Il nostro quadro di rappresentazione algoritmica aggiunge un componente cruciale alla comprensione dei persistenti svantaggi strutturali delle donne e delle persone di colore in un panorama politico sempre più guidato dall’IA. Contribuisce all’attuale ricerca scientifica pubblica e interdisciplinare sull’equità e l’ingiustizia algoritmiche (Birhane 2021; Kalluri 2020; Wong 2020; Weinberg 2022). Tale approccio è essenziale per aumentare la consapevolezza della società delle tendenze discriminatorie inerenti ai sistemi guidati dall’IA all’interno 
 
 Questo documento è disponibile in archivio sotto la licenza CC by 4.0 Deed (Attribution 4.0 International). Questo documento è CC by 4.0 Deed (Attribuzione 4.0 Internazionale) Disponibile in archivio Disponibile in archivio

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

Questo audio è prodotto nella lingua originale della storia!

Come la ricerca AI rafforza i pregiudizi di genere e razziali nella politica

About Author

COMMENTI

CARTELLINI

QUESTO ARTICOLO È STATO PRESENTATO IN

Related Stories

Coding with Latenode's AI + JavaScript Assistant: A Low-Code Platform for Simplified Development

The Ultimate FAQ Guide to HackerNoon's Business Blogging

Indian PM Woos Tech CEOs During U.S. State Visit

Meet Dealscard, Winner of Startups of The Year 2024 in Ghaziabad/Deal Aggregator

Coding with Latenode's AI + JavaScript Assistant: A Low-Code Platform for Simplified Development

The Ultimate FAQ Guide to HackerNoon's Business Blogging

Indian PM Woos Tech CEOs During U.S. State Visit

Meet Dealscard, Winner of Startups of The Year 2024 in Ghaziabad/Deal Aggregator

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps