Fair Enough? On (Avoiding) Bias in Data, Algorithms and Decisions - Inria - Institut national de recherche en sciences et technologies du numérique
Communication Dans Un Congrès Année : 2020

Fair Enough? On (Avoiding) Bias in Data, Algorithms and Decisions

Francien Dechesne
  • Fonction : Auteur
  • PersonId : 1113487
Universiteit Leiden = Leiden University

Résumé

This contribution explores bias in automated decision systems from a conceptual, (socio-)technical and normative perspective. In particular, it discusses the role of computational methods and mathematical models when striving for “fairness” of decisions involving such systems.

Domaines

Informatique [cs]
Fichier principal
Vignette du fichier
496005_1_En_2_Chapter.pdf (2.4 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Hal Ifip  : Connectez-vous pour contacter le contributeur

https://inria.hal.science/hal-03378959

Soumis le : jeudi 14 octobre 2021-17:48:17

Dernière modification le : lundi 4 septembre 2023-14:04:05

Archivage à long terme le : samedi 15 janvier 2022-19:55:52

Télécharger pour visualiser

Dates et versions

hal-03378959 , version 1 (14-10-2021)

Licence

Paternité

Identifiants

Citer

Francien Dechesne. Fair Enough? On (Avoiding) Bias in Data, Algorithms and Decisions. 14th IFIP International Summer School on Privacy and Identity Management (Privacy and Identity), Aug 2019, Windisch, Switzerland. pp.17-26, ⟨10.1007/978-3-030-42504-3_2⟩. ⟨hal-03378959⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

IFIP IFIP-AICT IFIP-TC IFIP-WG IFIP-TC9 IFIP-TC11 IFIP-WG9-2 IFIP-WG9-6 IFIP-WG11-7 IFIP-WG11-6 IFIP-PRIMELIFE IFIP-AICT-576
72 Consultations
59 Téléchargements

Altmetric

Partager

More