Tratando problemas de sesgo de género en procesos de datos algorítmicos: una perspectiva social-estadística
Autores: Castaneda, Juliana; Jover, Assumpta; Calvet, Laura; Yanes, Sergi; Juan, Angel A.; Sainz, Milagros
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Tratando problemas de sesgo de género en procesos de datos algorítmicos: una perspectiva social-estadística
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Algoritmos
Sexista
Social
Técnico
Discriminación
Género
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 37
Citaciones: Sin citaciones
¿Son sexistas los algoritmos? Esta es una pregunta que ha estado apareciendo con frecuencia en los medios de comunicación, y el debate ha sido típicamente lejano de un análisis científico. Este documento tiene como objetivo responder a la pregunta utilizando una perspectiva híbrida social y técnica. En primer lugar, se proporciona una definición orientada técnicamente del concepto de algoritmo, junto con una interpretación más orientada socialmente. En segundo lugar, se han revisado varios trabajos relacionados para aclarar el estado del arte en este asunto, así como para resaltar las diferentes perspectivas bajo las cuales se ha analizado el tema. En tercer lugar, describimos un ejemplo numérico ilustrativo de posible discriminación en el sector bancario debido a sesgos de datos, y proponemos una metodología simple pero efectiva para abordarlo. Por último, se proporciona una serie de recomendaciones con el objetivo de minimizar el sesgo de género al diseñar y utilizar procesos de datos-algorítmicos para apoyar la toma de decisiones en diferentes entornos.
Descripción
¿Son sexistas los algoritmos? Esta es una pregunta que ha estado apareciendo con frecuencia en los medios de comunicación, y el debate ha sido típicamente lejano de un análisis científico. Este documento tiene como objetivo responder a la pregunta utilizando una perspectiva híbrida social y técnica. En primer lugar, se proporciona una definición orientada técnicamente del concepto de algoritmo, junto con una interpretación más orientada socialmente. En segundo lugar, se han revisado varios trabajos relacionados para aclarar el estado del arte en este asunto, así como para resaltar las diferentes perspectivas bajo las cuales se ha analizado el tema. En tercer lugar, describimos un ejemplo numérico ilustrativo de posible discriminación en el sector bancario debido a sesgos de datos, y proponemos una metodología simple pero efectiva para abordarlo. Por último, se proporciona una serie de recomendaciones con el objetivo de minimizar el sesgo de género al diseñar y utilizar procesos de datos-algorítmicos para apoyar la toma de decisiones en diferentes entornos.