
 
 
 Penulis : » 
 
 
 
 Tobias Rohrbach Mykola Makhortykh Maryam Syed Penulis : » 
 
 
 
 Tobias Rohrbach Mykola Makhortykh Maryam Syed Table of links Jadual kiri ABSTRACT abstrak INTRODUCTION Pengenalan SEARCH ENGINES AND WOMEN’S DESCRIPTIVE REPRESENTATION Enjin carian dan perwakilan deskriptif wanita MEASURING THE EXTENT OF ALGORITHMIC REPRESENTATION Mengukur keluasan persembahan algoritma GENERAL DISCUSSION, CONCLUSION   AND   REFERENCES Perbincangan umum, kesimpulan dan Referensi Abstract abstrak Mesin carian seperti Google telah menjadi penjaga maklumat utama yang menggunakan kecerdasan buatan (AI) untuk menentukan siapa dan apa pemilih mendapati apabila mencari maklumat politik. Artikel ini mencadangkan dan menguji rangka kerja perwakilan algoritmik kumpulan minoriti dalam siri empat kajian. Pertama, dua audit algoritma carian imej politik menggambarkan bagaimana enjin carian mencerminkan dan mengekalkan ketidaksetaraan struktural dengan merendahkan dan menyesatkan wanita dan ahli politik bukan kulit putih. Kedua, dua percubaan dalam talian menunjukkan bahawa bias dalam perwakilan algoritmik pada gilirannya merosakkan persepsi realiti politik dan secara aktif memperkuat pandangan putih dan masculinized politik. Bersama-sama, hasilnya mempunyai implikasi substantif untuk pemahaman saintifik tentang bagaimana teknologi AI memperluaskan bias dalam persepsi politik dan pengambilan keputusan. Artikel ini menyumbang Introduction Walaupun tarikan pemilihan politik kontemporari masih berubah perlahan-lahan, rupa pemilihan politik kontemporari masih tidak proporsional lelaki dan, di Utara Global, tidak proporsional putih. Pada tahun 2024, perwakilan deskriptif global untuk wanita dalam parlimen adalah 26.7% (Inter-Parliamentary Union 2024). Di Dewan Perwakilan Amerika Syarikat, 29% daripada ahli-ahli adalah wanita dan 26% adalah bukan kulit putih,1 menjadikan Kongres Putih ke-118 yang paling pelbagai etnik dan seimbang jantina setakat ini dalam sejarah Amerika Syarikat (Pew Research Center 2023a,b). Walau bagaimanapun, menurut data pendaftaran, bahagian wanita dan orang-orang bukan kulit putih dalam keseluruhan penduduk Amerika Syarikat adalah 50.5% dan 41.1% pandangan Google masing-masing (U.S. Census Bureau 2023). Dekad-dekad penyelidikan saintifik ke dalam mekanisme penyerta Mesin carian telah menjadi pelindung maklumat utama yang menggunakan kecerdasan buatan (AI) untuk menentukan siapa dan apa pemilih mendapati apabila mencari maklumat politik (Trielli dan Diakopoulos 2022; Urman dan Makhortykh 2022; Wallace 2018; White dan Horvitz 2015). Bagaimana maklumat diwakili pada enjin carian telah ditunjukkan untuk mempengaruhi persepsi kempen politik (Epstein dan Robertson 2015; Zweig 2017) dan pilihan undian individu (Diakopoulos et al. 2018). Pemilihan dan kedudukan maklumat oleh enjin carian—dan, yang penting, bias penyembuhan algoritmik sedemikian,2 termasuk sistematik kurang- dan persembahan salah jantina dan kumpulan-ras (Makhortykh et al. 2021; Noble 2018; Urman dan Makhortykh 2022)—mengubah persepsi realiti politik. Secara khusus, output Secara teori, rangka kerja perwakilan algoritmik kami menggabungkan literatur yang mapan mengenai perwakilan deskriptif dan perantara gender dengan kerja-kerja yang lebih baru mengenai diskriminasi strategik untuk menunjukkan bagaimana bias algoritmik secara sistematik mengubah persepsi realiti politik dengan cara yang memperburuk ketidaksetaraan jantina dan kaum yang sedia ada. Kami menguji hubungan sebab-sebab dengan menggabungkan bukti dari dua kajian audit algoritma pengamatan dengan dua eksperimen kajian. Kami menyediakan bukti yang meyakinkan yang menyokong asumsi kami mengenai perwakilan algoritmik dalam konteks politik. Dalam audit algoritmik kami (kajian 1 dan 2), kami mendapati bahawa wanita secara konsisten kurang disenaraikan dalam carian Google yang menangani maklumat politik di 56 negara dan untuk kedua-dua badan undang-undang yang lebih rendah dan yang lebih tinggi. Selain itu, penyebaran aljabar yang Hasilnya memajukan pemahaman saintifik tentang bagaimana penjaga gerbang AI mencerminkan ketidaksetaraan struktural dalam politik – dan bagaimana mereka memperkuatnya dengan memperburuk bias dalam persepsi politik dan pengambilan keputusan. Rangka kerja perwakilan algoritmik kami menambah komponen penting untuk memahami kelemahan struktural yang berterusan wanita dan orang berwarna dalam lanskap politik yang semakin didorong oleh AI. Ia menyumbang kepada penyelidikan saintifik awam dan interdisipliner semasa mengenai keadilan dan ketidaksetaraan algoritmik (Birhane 2021; Kalluri 2020; Wong 2020; Weinberg 2022). Pandangan sedemikian merupakan komponen penting untuk meningkatkan kesedaran masyarakat mengenai kecenderungan diskriminatif yang melekat dalam sistem yang didorong oleh AI dalam ruang politik yang semakin digital (Friesen et al. 2021). Selain itu, ia menyediakan asas empiris untuk membangunkan 
 
 Dokumen ini boleh didapati di archiv di bawah lesen CC by 4.0 Deed (Attribution 4.0 International). Dokumen ini ialah di bawah lesen CC by 4.0 Deed (Attribution 4.0 International). Tersedia dalam Archive Tersedia dalam Archive

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

Audio ini dihasilkan dalam bahasa asal cerita!

Bagaimana Pencarian AI Memperkuat Bias Gender dan Ras dalam Politik

About Author

KOMEN

GANTUNG TANDA

ARTIKEL INI DIBENTANGKAN DALAM

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps