.png){kind=icon}
返回
Artificial intelligence, distributional fairness, and pivotality
.png){kind=icon}
OA
AI
DOI：10.1016/j.euroecorev.2025.105098.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在机器学习领域，算法的决策依赖于由众多（通常是人类）来源贡献的大量训练数据。这一特性如何影响用于训练这些算法的人类决策的社会性？通过实验操纵个体决策对监督式机器学习算法的关键性，我们发现责任分散削弱了显性的社会偏好，导致算法模型倾向于自私决策。值得注意的是，这种现象不能归因于激励结构的转变或外部性的存在。相反，我们的结果表明，大数据的广泛特性助长了责任感的降低，并为影响个人和社会的自私行为提供了借口。
Keyword:
C91
D10
D63
D90
O33
Artificial intelligence
Big data
Pivotality
Distributional fairness
Experiment
期刊
IF:
2.4
论文数:
510
被引数:
1.0W
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏Algorithmic Bias? An Empirical Study of Apparent Gender-Based Discrimination in the Display of STEM Career Ads算法偏差？STEM职业广告展示中明显的性别歧视的实证研究
OAAI
OAAI分享收藏
查看更多内容