机构名称：
¥ 1.0
数据科学教育正日益成为许多非正式和正式教育结构中不可或缺的一部分。大部分注意力都集中在人工智能原理和技术的应用上，尤其是机器学习、自然语言处理和预测分析。虽然人工智能只是数据科学生态系统的一个阶段，但我们必须接受更广泛的工作角色来帮助管理人工智能算法和系统——从人工智能创新者和架构师（在计算机科学、数学和统计学领域）到人工智能技术人员和专家（在计算机科学、信息技术和信息系统领域）。此外，重要的是，我们要更好地了解少数群体参与度低、代表性低的现状，这进一步阻碍了可及性和包容性的努力。然而，我们如何学习以及我们学习什么在很大程度上取决于我们作为学习者的身份。在本文中，我们从评估的角度研究了信息系统教育基础设施中按种族/民族和性别划分的人口差异。更具体地说，我们采用交叉方法并应用公共价值失灵理论来识别快速增长的数据科学领域的学习差距。信息系统、计算机科学、数学和统计学硕士和博士研究生的全国数据集用于创建“机构同等分数”，该分数计算数据科学相关领域中按种族/民族和性别划分的领域特定代表性。最后，我们展示了偏见蔓延，包括情境性地将个人排除在更广泛的信息经济之外，无论是获取技术和数据，还是参与数据劳动力或数据支持的经济活动。建议制定政策建议，以遏制和减少信息系统和相关学科中的这种边缘化。关键词：数据科学、人工智能、机构同等分数、交叉、多样性、研究生教育、HBCU
人工智能和数据科学中的公共价值失灵
主要关键词
相关文件推荐
