97 Dinge über Ethik, die jeder in der Datenwissenschaft wissen sollte

Kapitel 83. Soziale Rückkopplungsschleifen nutzen, um ethische Fragen zu klären

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Nick Hamlin

Datenwissenschaftler, GlobalGiving

Technologischer Wandel ist sozialer Wandel. In dem Maße, in dem sich datenzentrierte Technologien ausbreiten, müssen neben den Produktfragen auch Fragen der sozialen Auswirkungen gestellt werden, wenn Unternehmen in beiden Bereichen erfolgreich sein wollen. Diese verschwimmenden Grenzen bedeuten auch, dass Datenwissenschaftler/innen die ethischen Implikationen ihres wachsenden Einflusses betonen müssen. Eide, Checklisten und Communities of Practice für ethische Datenwissenschaft sind zwar wichtig,¹ lassen diese Konstrukte jedoch eine wichtige Komponente außer Acht: die sozialen Rückkopplungsschleifen, durch die die Stimmen der betroffenen Gemeinschaften in die Produktentscheidungen einfließen.

"Mechanistische Rückkopplungsschleifen, wie z. B. die Ergebnisse eines Reinforcement-Learning-Algorithmus, die in zukünftige Trainingsiterationen einfließen, sind in der Datenwissenschaft weit verbreitet. Das sind technische Konstrukte, die die Signale eines Datensatzes verstärken, um bessere Vorhersagen zu treffen. Im Gegensatz dazu konzentrieren wir uns hier auf "soziale" Feedbackschleifen - Prozesse, die die Stimmen in einer Gemeinschaft ...