Set di dati sull'equità algoritmica: supporto a pratiche di dati basate sui principi
I risultati sperimentali sono affidabili solo quanto lo sono i loro dati di input.
Nell'apprendimento automatico c'è una crescente consapevolezza che la documentazione dei dataset è fondamentale per migliorarne il loro utilizzo.
Gran parte di questa consapevolezza proviene dalla comunità dell'equità algoritmica (algorithm fairness), attraverso una varietà di framework e iniziative dedicati.
Ciò solleva la questione se questo campo accademico abbia beneficiato delle proprie iniziative e dell'attenzione alla documentazione dei dati. In questo intervento, Alessandro FABRIS, dottorando presso l'Università di Padova, e Gian Antonio SUSTO, Professore Associato presso l'Università di Padova, rispondono negativamente, descrivendo lo stato attuale dell'utilizzo dei dati nell'equità algoritmica ed evidenziando alcune limitazioni che ostacolano un progresso affidabile di tali ricerche.
Per affrontarli, Fabris presenterà uno strumento che consente pratiche di costruzione e documentazione di dataset più affidabili, favorendone al contempo una loro indicizzazione da più angolazioni, supportata da uno sforzo di documentazione ampio e standardizzato. Infine, si discuterà dell’ampia rilevanza e delle applicazioni previste di questa iniziativa per la comunità scientifica.