算法公平行动主义的管理效果

我们总是/从不/有选择地显示现状的治疗方法允许我们测量这些直接影响。表5：行动主义的影响：研究2（“科学贴面”）A组：对采纳决策的影响积极的Rec（规模）Rec（Y/N）诉讼损害大小Hiring-.13-.23**-1.3e-17.0022-.17*（.096）（.094）（.094）（0.04）（0.036）（0.043）（0.043）（0.043）（0.043）（0.043）（0.043）（0.043）（0.043）（0.036）科学（科学）科学（科学）科学）贴面。036.093（0.033）科学）科学（科学）贴面。036（0.033）3（3）科学）科学）贴面。036。036（0.033（3.033）3（21（21***-.21（17.17.17-.17-.17-.17-.17（17-.036（17）0.16）（16）（16）（16）（15）（15）（15）（15）（15）（15）（15）（13）赞成（13）赞成（13）赞成（13）赞成（13）赞成（13）赞成（13）赞成（13）赞成（13）赞成（13）支持）赞成（1.1）支持（1）赞成（1）支持（1）I fic单板.078-.046.43***.0013-.0084（.1）（.08）（.16）（.1）（.07）固定×亲人工智能-.29***-.28***-.34**.24**.033（.073）（.062）（.14）（.11）（.07）固定×科学贴面×亲人工智能-.084.23*-.54**.049.1（.14）（.12）（.23）（.16）（.11）固定效果受试者观察1984 1984年。62.67.63.62.69p值：单板（Ven）+Ven×ProAI=0.9.87.49.66.58p值：Ven×Fix+Ven×ProAI×Fix=0.96.027.49.69.29p值：Ven+Ven×Fix+Ven×ProAI+Ven×ProAI×Fix=0.93.11.49.36.89B组：对反事实信息使用的影响：视图状态QUOSCITIENTIC COIN-.39.26）ProAI参数-.45*（.26）SCHINIFI×ProAI=0.33443*。013注：本表包含B节中描述的回归规范。用作结果变量的调查问题的确切措辞见D.B节回归规范B。1研究1：“反事实”和“宿命论”Yi，t，fix=β[1（t=1）+1（fix=1）+雇佣+F Ei+CFi，t+F ATi，t+CF xF ixi，t，fix+F在xF ixi，t，fix]+（1） 式中：oYi，t，fixYitfixoi为受试者编制索引（研究1和2各约500人）。oT∈ {1,2}索引一阶或二阶。

β1（t=1）是第一阶段的固定效应f ix∈ 0，1fix=0fix=1六个月的努力。β1（fix=1）是fix之后的固定效应。对于招聘业务案例，招聘等于1F）两个案例的顺序，以及b）现状细节是否显示、隐藏或可选在第二种情况下为0，在第一种情况下为0第二种情况下为F，第一种情况下为0请注意，没有op ed是排除的条件CF xF ix等于CF×1（f ix=1）of在xF ix处等于f在×1处（f ix=1）o: 标准错误按主题分类。B.2研究2：“科学贴面”Yi，t，fix=β[1（t=1）+1（fix=1）+雇佣+F Ei+P roAii，t+SciV eni，t+P roAixSciV enit+P roAixF ixi，t+SciV enxF ixi，t+P roAixSciV enxF ixit]+（2） 式中：oYi，t，fixYitfixoi为受试者编制索引（研究1和2各约500人）。oT∈ {1,2}索引一阶或二阶。β1（t=1）是第一阶段的固定效应f ix∈ 0，1fix=0fix=1六个月的努力。β1（fix=1）是fix之后的固定效应。对于招聘业务案例，招聘等于1F）两个案例的顺序，以及b）现状细节是否显示、隐藏或可选P Roaire指的是关于人工智能伦理的正面论证。这是第一种情况下的所有人在第二种情况下，SciV Enseing Scientic贴面，在第一种情况下，每个人都为0P roAixSciV激怒了那些看到带有科学外衣的亲人工智能论点的受试者。

这就是情况P roAixF ix等于P roAi×1（f ix=1）oSciV en等于SciV en×1（fix=1）oP roaixciv enxF ix等于P roAi×SciV en×1（f ix=1）o注意，排除的反人工智能是省略的条件。o: 标准错误按主题分类。实验材料：案例研究。1.加州招聘相关商业案例文本（想想Facebook、Alphabet、Apple…）。该案称其为“Toptech Co.”。广告收入。困难和高风险。雇佣高质量的员工可以在产品质量、市场领导力和竞争力方面产生巨大的差异。许多科技公司报告称，合格员工短缺。Toptech从世界各地有抱负的软件工程师那里获得大量应用程序。由于数量如此之大，雇佣招聘人员仔细阅读每份求职申请书的成本非常高。因此，Toptech的一个团队被指派与您的团队合作开发软件，以阅读求职申请文本并为其打分。该技术查看Toptech的历史招聘和工作表现记录。这些数据包含关于哪些求职者和员工在工作中表现良好，哪些人表现不好，以及求职者的个人特征、经验和资格在工作中的应用的信息。利用这些数据，一个统计和机器学习专家团队利用这些数据建立了一个复杂的模型，说明哪些求职者可能会成功。这个模型真的很复杂；它允许许多不同的“路径”被标记为可能的成功。

在过去五年的数据中，该模型非常准确地预测了哪些候选人会成功或失败，即使科技行业和Toptech的情况发生了变化。例如，该公司内部的批评人士指出，该软件对技术岗位的招聘建议中，男性约占71%，女性约占29%。今天的问题是，您的组织是否应该采用这种技术。C.2与贷款相关的商业案例文本，假设你是美国最大银行之一的财务主管（ThinkThink你领导的金融机构负责监督消费者贷款产品和服务。这是金融战略的一个关键部分。应用程序和评分。特征是借款人可能使用这些数据偿还的金额。该模型非常复杂；它允许经济发生变化。该计划的倡导者声称，它提高了贷款的客观性和一致性贷款评估。与白人借款人相比，美国借款人。今天的问题是，您的组织是否应该采用这种技术。D调查问题o这项技术的影响是负面的还是正面的？（非常负面-非常正面）o诉讼还是公关？（非常低-非常高）o如果声称存在问题，那会造成多大损害？（一点也不有害——非常有害）o你建议在多大程度上使用这种算法而不是现状流程？（不推荐-强烈推荐）o如果你被迫现在就算法的未来使用做出决定，该算法会是什么）。[pagebreak]问题。

在您的团队尝试解决公平性问题六个月后，请根据您对算法性能的预期重新评估提案。实验材料：“科学贴面”干预。1专家介绍对于我们的单板处理，向专家提供了以下介绍：为了帮助您的团队做出决定，贵公司聘请了一位专家对技术进行评估。专家泰勒拥有加州大学伯克利分校物理学博士学位。泰勒在过去两年里一直被聘为数字技术的第三方评估师，致力于解决你正在重构的问题。在下一页，你将阅读泰勒对你面临的技术和决策的总结和分析。对于我们的非单板处理，向专家提供了以下介绍：为了帮助您的团队做出决定，贵公司聘请了一位专家对技术进行评估。你面对的是。在下一页，你将阅读泰勒对你面临的技术和决策的总结和分析。E.2没有科学外表的支持人工智能的论点。3.支持人工智能的论点，带有科学的外表。4.没有科学外表的反人工智能辩论。5与Scientific Peer、Eyal、Laura Brandimate、Sonam Samat和Alessandro AcquistiPsychology的反人工智能争论，2017年，第70153–163页。