help研究问题机器学习公平性与数据开发实践
如何通过新定义的公平性指标改进针对时空数据的隐私保护算法？UbiComp '23Analysing Fairness of Privacy-Utility Mobility Models
所属方向: 公平、偏见与研究治理
机器学习公平性与数据开发实践
统计基于当前已索引 question 数据，来源缺失不影响问题展示。
114
问题/痛点
29
来源
2025
最近年份
lightbulb现实痛点机器学习公平性与数据开发实践
用户群体中，隐私保护方案不公平，可能带来隐私和资源分配偏差。UbiComp '23Analysing Fairness of Privacy-Utility Mobility Models
help研究问题机器学习公平性与数据开发实践
如何在普适计算系统中设计一种框架以实现公平性？UbiComp '23A Framework for Designing Fair Ubiquitous Computing Systems
help研究问题机器学习公平性与数据开发实践
在数据收集和算法设计中如何减少对边缘群体的偏见？UbiComp '23A Framework for Designing Fair Ubiquitous Computing Systems
help研究问题机器学习公平性与数据开发实践
如何在隐私保护与公平性之间取得平衡？UbiComp '23A Framework for Designing Fair Ubiquitous Computing Systems
lightbulb现实痛点机器学习公平性与数据开发实践
普适计算设备可能对弱势群体造成偏见或不公平影响。UbiComp '23A Framework for Designing Fair Ubiquitous Computing Systems
help研究问题机器学习公平性与数据开发实践
在非IID数据环境下，如何评估群组式联邦学习（Clustered Federated Learning，CFL）的公平性？UbiComp '23Inflorescence: A Framework for Evaluating Fairness with Clustered Federated Learning
help研究问题机器学习公平性与数据开发实践
不同的群组式联邦学习算法（如IFCA、WeCFL）对个体和群体公平性指标有何影响？UbiComp '23Inflorescence: A Framework for Evaluating Fairness with Clustered Federated Learning
help研究问题机器学习公平性与数据开发实践
群组式联邦学习能否同时优化数据隐私和多维度的公平性？UbiComp '23Inflorescence: A Framework for Evaluating Fairness with Clustered Federated Learning
lightbulb现实痛点机器学习公平性与数据开发实践
现有方法难以在非IID数据中均衡保护隐私与实现机器学习算法的多维公正。UbiComp '23Inflorescence: A Framework for Evaluating Fairness with Clustered Federated Learning
help研究问题机器学习公平性与数据开发实践
如何在机器学习模型设计的早期阶段，通过'模型素描'快速探索和迭代高层概念？CHI '23
help研究问题机器学习公平性与数据开发实践
使用零样本方法（如GPT-3和CLIP）生成模型逻辑时，能否有效支持用户关注高层设计问题？CHI '23
help研究问题机器学习公平性与数据开发实践
模型素描框架能否比传统方法更有效地减少偏见并提高建模效率？CHI '23
lightbulb现实痛点机器学习公平性与数据开发实践
机器学习从业者常被技术细节束缚，难以探索问题核心逻辑。CHI '23
help研究问题机器学习公平性与数据开发实践
如何设计一个通用的行为评价框架，适用于不同任务和数据类型的机器学习模型？CHI '23
help研究问题机器学习公平性与数据开发实践
非技术用户如何在行为评价工具中无编码地参与模型问题的分析？CHI '23
help研究问题机器学习公平性与数据开发实践
“切片（slices）”技术能否有效帮助发现机器学习模型中的系统性问题？CHI '23
lightbulb现实痛点机器学习公平性与数据开发实践
机器学习模型在现实应用中可能存在系统性问题和偏见，影响其可靠性。CHI '23
help研究问题机器学习公平性与数据开发实践
标注质量如何影响用户对训练数据可信度的感知？CHI '23
help研究问题机器学习公平性与数据开发实践
AI性能中的种族偏差如何影响用户对训练数据和AI的信任？CHI '23
help研究问题机器学习公平性与数据开发实践
标注来源（如第三方标注、用户标注）对用户信任的作用有多大？CHI '23
lightbulb现实痛点机器学习公平性与数据开发实践
用户不信任AI，因为不清楚其训练数据的来源或质量。CHI '23
help研究问题机器学习公平性与数据开发实践
计算机科学研究者如何预测他们创新可能带来的非预期后果？CHI '23
help研究问题机器学习公平性与数据开发实践
当前学术实践中存在哪些缺乏非预期后果考虑的结构性障碍？CHI '23
help研究问题机器学习公平性与数据开发实践
数据标注中，标注者的多样性如何影响数据集的质量和机器学习模型的公平性？CHI '23
help研究问题机器学习公平性与数据开发实践
现有的AI/ML数据实践中，是什么阻碍了标注者多样性的纳入？CHI '23
help研究问题机器学习公平性与数据开发实践
如何从正义导向的视角重新定义数据的“准确性”和多样性？CHI '23
lightbulb现实痛点机器学习公平性与数据开发实践
AI的数据集标注常忽视标注者多样性，导致模型偏见。CHI '23
help研究问题机器学习公平性与数据开发实践
虚拟助手相关的NLP数据集中是否存在隐性男性化语言偏见？CHI '23
help研究问题机器学习公平性与数据开发实践
如何设计一种方法来检测和验证隐性性别化语言（例如男性中心化的语言模式）？CHI '23
help研究问题机器学习公平性与数据开发实践
AVA词库在捕获具有语境歧义的性别化词汇方面表现如何？CHI '23
lightbulb现实痛点机器学习公平性与数据开发实践
虚拟助手中隐性性别偏见可能强化性别刻板印象。CHI '23
help研究问题机器学习公平性与数据开发实践
在文本分类中，个体公平性和群体公平性如何影响机器学习实践者的评估决策？CHI '23
help研究问题机器学习公平性与数据开发实践
用户在探索公平性指标时会采用哪些不同的策略？CHI '23
help研究问题机器学习公平性与数据开发实践
如何设计一个互动工具帮助用户动态评估文本分类模型的公平性？CHI '23
lightbulb现实痛点机器学习公平性与数据开发实践
机器学习中的算法偏见会导致AI系统对群体或个体不公平。CHI '23
help研究问题机器学习公平性与数据开发实践
数据科学中的遗忘实践如何影响数据公正性和模型的公平性与透明性？CHI '22
help研究问题机器学习公平性与数据开发实践
数据处理生命周期中存在哪些类型的“数据静默”（忘记的行为），它们如何分类？CHI '22
help研究问题机器学习公平性与数据开发实践
可以通过哪些设计框架和工具记录并审视遗忘实践，以增强数据科学的社会正义性？CHI '22
lightbulb现实痛点机器学习公平性与数据开发实践
数据处理中的不透明遗忘行为可能导致数据偏差和决策不公平。CHI '22
help研究问题机器学习公平性与数据开发实践
如何利用众包方法快速构建简化版隐性联想测验（BIAT）的词汇属性？CHI '22
help研究问题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
help研究问题机器学习公平性与数据开发实践
采用众包方法定义和验证隐性偏见测试的过程是否与专家主导的结果一致？CHI '22
lightbulb现实痛点机器学习公平性与数据开发实践
用户无法快速评估新兴社会议题的隐性偏见。CHI '22
help研究问题机器学习公平性与数据开发实践
如何通过'模型定位'揭示数据模型的社会和文化背景？CHI '22
help研究问题机器学习公平性与数据开发实践
‘计算反思性’如何支持数据科学中反思性分析的实现？CHI '22
help研究问题机器学习公平性与数据开发实践
如何使用'注释者指纹'和'立场挖掘'技术分析模型和注释者的偏见？CHI '22
lightbulb现实痛点机器学习公平性与数据开发实践
数据科学模型开发中的主观决策易引入偏见，影响公平决策。CHI '22
help研究问题机器学习公平性与数据开发实践
当前数据标注行业的组织动态及结构性权力关系如何影响标注员的职业发展？CHI '22
help研究问题机器学习公平性与数据开发实践
技术规范和权力结构如何限制数据标注员在人工智能领域的长期发展？CHI '22