helpResearch question机器学习公平性与数据开发实践
简化版隐性联想测验（BIAT）能否可靠地适应社会议题的地理和文化差异？CHI '22
公平、偏见与研究治理 / 机器学习公平性与数据开发实践
简化版隐性联想测验（BIAT）能否可靠地适应社会议题的地理和文化差异？
Similar questions
helpResearch question机器学习公平性与数据开发实践
如何通过引入公众参与改善机器学习（ML）管道设计中的公平性和透明性？CHI '25
helpResearch question机器学习公平性与数据开发实践
公众参与在约束ML多元宇宙决策空间上是否能够提高模型的公平性与性能？CHI '25
helpResearch question机器学习公平性与数据开发实践
在社会性算法设计中，如何有效减少“懒惰数据处理”导致的偏见问题？CHI '25
helpResearch question机器学习公平性与数据开发实践
如何在数据增强和偏差消除过程中有效引入领域专家以减少AI系统中的表示偏差？CHI '25
helpResearch question机器学习公平性与数据开发实践
哪些引导方式可以使领域专家更好识别、生成和验证数据，以提高数据质量和模型公平性？CHI '25
helpResearch question机器学习公平性与数据开发实践
在高风险领域（如医疗健康）中，引入领域专家的偏差消除设计框架如何影响AI模型性能和公平性？CHI '25