Impact based fairness framework for socio-technical decision making

Brännström, MattiasUmeå universitet,Institutionen för datavetenskap (författare)

Avoiding bias and understanding the consequences of artificial intelligence used in decision making is of high importance to avoid mistreatment and unintended harm. This paper aims to present an impact focused approach to model the information flow of a socio-technical decision system for analysis of bias and fairness. The framework roots otherwise abstract technical accuracy and bias measures in stakeholder effects and forms a scaffold around which further analysis of the socio-technical system and its components can be coordinated. Two example use-cases are presented and analysed.

Jiang, LiliUmeå universitet,Institutionen för datavetenskap(Swepub:umu)liji0008 (författare)
Aler Tubella, Andrea,1990-Umeå universitet,Institutionen för datavetenskap(Swepub:umu)anae0008 (författare)
Dignum, Virginia,ProfessorUmeå universitet,Institutionen för datavetenskap(Swepub:umu)vidi0004 (författare)
Umeå universitetInstitutionen för datavetenskap (creator_code:org_t)

Ingår i:Proceedings of the 1st workshop on fairness and bias in AIco-located with 26th european conference on artificial intelligence (ECAI 2023): CEUR-WS

Av författaren/redakt...: Brännström, Matt ...; Jiang, Lili; Aler Tubella, An ...; Dignum, Virginia ...

Om ämnet

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.