XiaoMi-AI文件搜索系统
World File Search SystemExcavating
发掘LGBTQ+生活在出生队列中
摘要出生队列研究提供了有关整个生命过程中主题的宝贵数据，包括健康，教育，社会经济状况和福祉。结果，它们是生物社会研究人员回答众多复杂研究问题的重要资源。然而，尽管被定位为代表其国家或地区背景的代表，但队列研究通常无法捕捉边缘化群体的经验。这样一个群体是性和性别少数（或LGBTQ +）的人，直到最近，他们在出生队列中都在很大程度上看不见。这在过去五十年中发生了巨大的社会和态度变化，并且与异性恋者相比，社会，政治，经济，健康以及福祉差异的明确证据。但是，由于数量少，定量分析的机会受到限制，即使捕获了LGBTQ +数据也会忽略LGBTQ +数据。本文简要概述了英国出生队列研究中的标准数据收集和分析技术如何捕获酷儿生活（但未）。然后，使用1970年出生的队列，作者探讨了以人为本的混合方法肖像的可能性，以提高对该群体的生活轨迹的理解。
挖掘“挖掘人工智能”：画廊里的大象
Crawford 和 Paglen 的两场展览 TH 和 MF 以及论文 EAI 可被视为对图像分类学的批判，尤其是对给人类照片贴标签的政治含义的警告。最引人注目的是，他们的项目在 ImageNet 数据库中的一些人物类别上推广了怪异和贬低性的标签。然而，C&P 对计算机视觉训练集的分析基础本身就因分类错误而受损。根本问题是 C&P 试图将非常异质的数据集选择归入机器学习“训练集”的单一未分化类别。C&P 展出的数据集在来源、预期用途、版权和知情同意状态、使用条款、资金来源等方面各不相同。下面我将说明区分各种图像数据集的重要性。 C&P 展示的人脸图像数据集有两种不同的来源：由研究小组在受控实验室条件下精心设计和拍摄的数据集，以及从互联网上大量抓取的图像数据集。我分别将它们称为构建数据集和抓取数据集。考虑它们的不同来源如何影响图像的公开展示。当然，这两种图像数据集未经授权公开展示都存在道德问题，但有一个重要区别：构建数据集的版权和知情同意状态是众所周知的，而抓取数据集的版权和知情同意状态则不确定或未知。与抓取的训练集相比，构建图像集（如 JAFFE、FERET、3 和 CK 4）也有明确定义的使用条款。这三个数据集允许用于非商业科学研究，并允许在报告研究结果的学术文章中有限地复制图像。通过在艺术展上公开展示这些图像，C&P 违反了 JAFFE、CK 和 FERET 构建集的使用条款。艺术家和普拉达基金会声称，他们的使用确实构成了“非商业科学