为善资助AI：呼唤有意义的参与

文献标题

Funding AI for Good: A Call for Meaningful Engagement

出版信息

• 主题领域: 人工智能社会公益（AI4SG）项目中资金议程的分析。
• 关键词: AI4SG, 资金议程, 技术中心化, 平衡方法, 社区参与, HCI, 社会影响, 资金话语, 文档分析, 跨学科合作。

背景与问题

• 问题/挑战: AI4SG 项目由于资金议程的偏向性，往往优先考虑技术能力而忽视了对语境的理解和社区参与，导致未能实现切实可行的、可持续的效益。
• 重要性: 资金议程在塑造 AI4SG 项目中起着关键作用，影响其设计、实施和结果。解决资金话语中的偏见可以更好地使 AI4SG 项目与其预期的社会影响目标保持一致。
• 动机与相关工作: 现有研究主要关注 AI4SG 项目团队面临的挑战以及已资助项目的成果，但很少探讨资金议程的上游影响。现有文献强调在技术与语境考量之间取得平衡对创新的影响力至关重要，但资金文件往往推动技术中心化的方式。

解决方案

• 提出的方法: 对 35 份 AI4SG 资金文件进行反思性主题分析，以揭示资金话语如何框定 AI4SG 并影响下游项目的方法。
• 创新点:
  1. 首次将 AI4SG 资金文件作为话语工具而非中立文本进行定性分析。
  2. 确定资金话语从技术中心化到平衡方法的光谱。
  3. 提出设计资金招标的建议，以更好地满足社区需求并实现社会影响目标。
• 程序和关键技术:
  • 收集来自 23 个资助方的 35 份资金文件，代表 4.1 亿美元的投资。
  • 通过反思性主题分析，识别背景、预期结果、资格标准和资助方支持四个组成部分中的主题。
  • 将主题特征化为从技术中心化到平衡方法的光谱。

结果

• 具体发现:
  • 许多资金文件强调 AI 的变革潜力，但缺乏足够的语境基础。
  • 预期结果通常优先考虑技术成果，而非社区利益。
  • 资格标准经常偏向已有 AI 能力的申请者，将社区的角色限制为咨询性参与。
  • 部署后的资金支持和社区参与培训显著缺乏。
• 相较基线的优势:
  • 识别出采用更平衡方法的资金文件，例如要求领域专业知识、强调社区成果以及与区域组织合作。
• 实验/评估:
  • 分析来自多样化资助方的资金文件，包括政府机构、私人科技公司和慈善基金会。
  • 使用定性编码和亲和图法揭示主题模式。
• 局限性与未来工作:
  • 数据集仅限于英语文件和公开材料。
  • 需要进一步研究资金话语与项目成果之间的联系，并扩展分析范围至非西方资助方。

总结

本研究探讨了资金文件如何塑造 AI4SG 项目，揭示了从技术中心化到平衡方法的光谱。研究发现资助方的社会影响目标与某些资金招标中的技术中心化话语之间存在不一致。提出了设计资金招标的建议，强调社区参与、语境理解和可持续成果。研究结果为 HCI 研究人员和实践者提供了机会，以在资助方与社区之间进行调解，促进更公平且更具影响力的 AI4SG 项目。