⚠ To see the ‘Sheet paper‘ and ‘Table of associated records‘ go the bottom, Pag. 2, Pag. 3. ( 👩🎓 🖥 For online English version, on the image).
A review of the paper for research, educational and recommendations. 1.- Paper language: English.
2.- Language of the secondary text: Spanish.
Recommendation numbered, Nº: 27102019p1
PAPER
🔘 Paper page: arxiv.org/abs/1811.10104v2
Authors
Ben Hutchinson, Margaret Mitchell
Summary
Las definiciones cuantitativas de lo que es injusto y lo que es justo se han introducido en múltiples disciplinas durante más de 50 años, incluida la educación, la contratación y el aprendizaje automático. Trazamos cómo se ha definido la noción de equidad dentro de las comunidades de educación y contratación durante el último medio siglo, explorando el contexto cultural y social en el que han surgido diferentes definiciones de equidad. En algunos casos, las definiciones anteriores de equidad son similares o idénticas a las definiciones de equidad en la investigación actual sobre aprendizaje automático, y presagian el trabajo formal actual.
Conclusion
El aumento en el interés por la equidad en las pruebas en la década de 1960 surgió durante un momento de agitación social y política, con definiciones cuantitativas catalizadas en parte por la legislación federal antidiscriminación de los EE. UU. en los ámbitos de la educación y el empleo. El aumento de la imparcialidad de hoy en día ha correspondido con el interés público en el uso del aprendizaje automático en las sentencias penales y la vigilancia predictiva, incluidas las discusiones sobre los compas . Cada era dio lugar a sus propias nociones de equidad y subgrupos relevantes, con ideas superpuestas que son similares o idénticas. En los años sesenta y setenta, la fascinación por determinar la equidad finalmente desapareció a medida que el trabajo se volvía menos vinculado a lo práctico, necesidades de la sociedad, la política y la ley, y más vinculadas a la identificación inequívoca de la equidad. Concluimos reflexionando sobre qué lecciones adicionales puede tener la historia de la equidad de prueba para el futuro de la equidad de ML.
Liked this post? Follow this blog to get more.