HCI.TOPHCI, made easy

arrow_back返回问题库查看分类arrow_forward

公平、偏见与研究治理 / 算法决策问责、可争议性与用户审计

政府使用的预测无家可归风险算法常偏向不公平，难适应现实需求。

lightbulb现实痛点算法决策问责、可争议性与用户审计

政府使用的预测无家可归风险算法常偏向不公平，难适应现实需求。

CHI '24A Human-Centered Review of Algorithms in Homelessness Research

同类问题

lightbulb现实痛点算法决策问责、可争议性与用户审计

用户通过LLM选择城市时，弱势群体受到忽视，导致更多不平等。

IUI '25Unequal Opportunities: Examining the Bias in Geographical Recommendations by Large Language Models

lightbulb现实痛点算法决策问责、可争议性与用户审计

设计师和研究人员缺乏系统框架评估LLMs的应用和影响。

CHI '25Understanding the LLM-ification of CHI: Unpacking the Impact of LLMs at CHI through a Systematic Literature Review

lightbulb现实痛点算法决策问责、可争议性与用户审计

AI模型文件中的风险报告缺乏多样性和实用性，难以帮助用户评估风险。

CHI '25RiskRAG: A Data-Driven Solution for Improved AI Model Risk Reporting

lightbulb现实痛点算法决策问责、可争议性与用户审计

公众对算法无公平感，尤其在涉及种族与性别的高风险决策中。

CHI '25Lay Perceptions of Algorithmic Discrimination in the Context of Systemic Injustice

lightbulb现实痛点算法决策问责、可争议性与用户审计

AI系统常未能满足现实需求，导致错误或资源浪费。

CHI '25AI Mismatches: Identifying Potential Algorithmic Harms Before AI Development

lightbulb现实痛点算法决策问责、可争议性与用户审计

科学组织难以平衡生成式AI的潜力和其带来的风险。

CHI '25Generative AI Uses and Risks for Knowledge Workers in a Science Organization

相关论文

不平等的机会：检查大型语言模型地理推荐中的偏见

Shiran Dudy, Thulasi Tholeti, Resmi Ramachandranpillai

理解CHI中的LLM化：通过系统文献回顾剖析LLM在CHI中的影响

Rock Yuren Pang, Hope Schroeder, Kynnedy Simone Smith

RiskRAG：一种改进AI模型风险管理报告的数据驱动解决方案

Pooja S. B. Rao, Sanja Scepanovic, Ke Zhou

系统不公正背景下公众对算法歧视的看法

Gabriel Lima, Nina Grgić-Hlača, Markus Langer

AI 不匹配：在AI开发前识别潜在的算法危害

Devansh Saxena, Ji-Youn Jung, Jodi Forlizzi

科学组织中知识工作者的生成式AI用途与风险

Kelly B. Wagman, Matthew T Dearing, Marshini Chetty

生成幽灵：预测AI余生的益处与风险

Meredith Ringel Morris, Jed R. Brubaker

面向有效的人类干预算法决策：理解决策者配置对决策对象公平性感知的影响

Mireia Yurrita, Himanshu Verma, Agathe Balayn

构建以伦理为中心的行动计划：角色、流程步骤和轨迹

Colin M. Gray, Ike Obi, Shruthi Sai Chivukula

(超越)合理怀疑：公共辩护人在法庭上审查AI时面临的挑战

Angela Jin, Niloufar Salehi

（解）构AI魔法：一种设计分类法

Maria Luce Lupetti, Dave Murray-Rust

这不是一个数据问题：加拿大公共高等教育中的算法与权力

Kelly McConvey, Shion Guha