机构名称：
¥ 1.0
长期以来一直对“数据驱动”的世界数据源和强迫，尤其是当嵌入社会技术系统中的“客观”类别可能损害那些属于传统类别之外的人[8、9、20、24、49]。例如，由图像数据提供动力的商业性别面部识别软件在深色皮肤[10]和变性[61]人方面的性能较差。最近，面向消费者的生成AI（Genai）产品（例如Chatgpt，Dall-E和Midjourney）的扩散似乎巩固了数据和AI对我们的日常生活的侵蚀，进一步强调了参与数据的重要性[32]以及我们与数据设计的方式[43]。当前对生成AI的强调与2010年代的类似趋势相似。在她的基础HCI关于Queering的论文中，Ann Light在我们的日常生活中快速采用了数字工具的效果[46]。她转向酷儿理论，以促进排队作为抵制主导话语的潜在设计取向。排队涉及中断或分解类别[11-13]；这是一种使现状困扰的创造性颠覆形式。正如其他HCI学者所指出的那样，远离现状不仅需要观察当前状态和（重新）为其设计[41]。取而代之的是，我们必须质疑为什么最新技术将自己置于我们的生活中，谁最有利于其采用并受到伤害的潜力。这样做需要以抵抗当前技术化和集中化影响的方式进行设计[47]。在这个为期一天的研讨会中，我们邀请参与者考虑如何消除迫在眉睫的数据叙事，算法决策，
Queering Data和AI Systems的技术
主要关键词
相关文件推荐
