
 
 
 Автори : » 
 
 
 
 Tobias Rohrbach Mykola Makhortykh Марія Сидорова Автори : » 
 
 
 
 Тобіас Рохрбах Микола Махортіх Марія Сидорова Table of links Стіл лівих ABSTRACT Абстрактність INTRODUCTION Введення SEARCH ENGINES AND WOMEN’S DESCRIPTIVE REPRESENTATION Пошукові двигуни та жіноче представництво MEASURING THE EXTENT OF ALGORITHMIC REPRESENTATION Вимірювання обсягу алгоритмічного представлення GENERAL DISCUSSION, CONCLUSION   AND   REFERENCES Загальна дискусія, висновок та Референції Abstract абстрактні Пошукові двигуни, такі як Google, стали великими інформаційними воротами, які використовують штучний інтелект (AI) для визначення того, хто і що виборці знаходять при пошуку політичної інформації. Ця стаття пропонує і тестує рамки алгоритмічного представлення меншини груп у серії чотирьох досліджень. По-перше, два алгоритмічні аудити пошуку політичного зображення описують, як пошукові двигуни відображають і підтримують структурні нерівності шляхом недо- і помилкового представлення жінок і небілих політиків. По-друге, два онлайнові експерименти показують, що ці упередження в алгоритмічному представленні, в свою чергу, спотворюють сприйняття політичної реальності та активно зміцнюють біле і Introduction Незважаючи на те, що такі політичні драйвери виключають чоловічі ландшафти по всьому світу, обличчя сучасного політичного прийняття рішень все ще є непропорційно чоловічим і, в глобальному Північному регіоні, непропорційно білим. У 2024 році глобальне описове представництво жінок у парламентах становить 26,7% (Міжпарламентський союз 2024). У Палаті представників США 29% членів є жінками, а 26% - небілими,1 роблячи 118-й Білий конгрес найбільш етнічно різноманітним і гендерно збалансованим на сьогоднішній день в історії США (Pew Research Center 2023a,b). Проте, згідно з даними перепису, частка жінок і небілих осіб в загальному американському населенні Пошукові двигуни стали великими інформаційними воротами, які використовують штучний інтелект (AI) для визначення того, хто і що виборці знаходять при пошуку політичної інформації (Trielli і Diakopoulos 2022; Urman і Makhortykh 2022; Wallace 2018; White і Horvitz 2015). Як інформація представлена на пошукових двигунах, було показано, що впливає на сприйняття політичних кампаній (Epstein і Robertson 2015; Zweig 2017) і індивідуальний вибір голосу (Diakopoulos та ін. 2018). Вибір та рейтинги інформації пошуковими двигунами — і, головним чином, упередження такого алгоритмічного курації,2 включаючи систематичне під- і неправильне представлення статі та расових груп (Makhortykh et al. 2021; Noble 2018 Теоретично, наша рамка алгоритмічного представлення інтегрує встановлену літературу з описового представлення та гендерного посередництва з більш недавніми роботами з стратегічної дискримінації, щоб показати, як алгоритмічні упередження систематично змінюють сприйняття політичної реальності таким чином, що загострюють існуючі гендерні та расові нерівності. Ми тестуємо причинні відносини, поєднуючи докази з двох досліджень обстеження алгоритму аудиту з двома опитувальними експериментами. Крім того, ми надаємо переконливі докази, що підтримують наші припущення щодо алгоритмічного представлення в контексті політики. У наших алгоритмічних аудитах (дослідження 1 і 2), ми виявляємо, що Результати просувають наукове розуміння того, як AI-ухильники відображають структурні нерівності в політиці — і як вони посилюють їх, посилюючи упередження в політичному сприйнятті та прийнятті рішень. Наша рамка алгоритмічного представлення додає вирішальну складову для розуміння стійких структурних недоліків жінок та людей кольору в все більш AI-підпорядкованому політичному ландшафті. Вона сприяє поточним публічним та міждисциплінарним науковим дослідженням щодо алгоритмічної справедливості та несправедливості (Birhane 2021; Kalluri 2020; Wong 2020; Weinberg 2022). Таке розуміння є невід'ємним для підвищення суспільної обізнаності про дискримінаційні тенденції, властиві AI-підпорядкова 
 
 Цей документ доступний на архіві під ліцензією CC by 4.0 Deed (Attribution 4.0 International). Цей документ доступний на архіві під ліцензією CC by 4.0 Deed (Attribution 4.0 International). Доступно в архіві

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

Це аудіо створено мовою оригіналу історії!

Як AI-пошук зміцнює гендерні та расові упередження в політиці

About Author

КОМЕНТАРІ

ПОВІСИТИ БИРКИ

ЦЯ СТАТТЯ БУЛА ПРЕДСТАВЛЕНА В

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps