XiaoMi-AI文件搜索系统
World File Search SystemZotos
可重现的WISDM：使用标准化的开放数据
我们对他人的印象的能力取决于在不确定性下提供的信息，因此我们使用启发式法来做出判断和决定（Tversky and Kahneman，1974）。这种印象形成与刻板印象有关：例如，图像可以而且经常体现和永久化性别刻板印象（Coltrane and Adams，1997; Len-Ríos等，2005; Rodgers and Thorson，2000）。男女的视觉代表塑造了我们对性别角色的心理表征，并可以加强或稳定它们 - 数字和模拟媒体，例如报纸，杂志，电视和社交媒体，可以在刻画中归因于严格的作用，在刻画中归因于妇女的性行为，并在男性中比男性更大（Courtney and Lockere and Lockeretz and lockeretz and Milers and Mirers; and and and and and and; and; and; and; and; and； Biocca，1992; Zotos and Tsichla，2014年）。，但在男人和女人的描绘中，即使是简单的风格差异也可能已经巧妙地延续了性别偏见（Archer等，1983； Blumberg，2008； Grau和Zotos，2016）。例如，在线媒体中，女性政治家的代表性影响了选民对她们感知的能力和讨人喜欢的影响（Bligh等，2012），面部突出的变化导致女性对智力的评价较低（Archer等，1983）。自动处理大量潜在偏见的信息一直是近年来在交流研究中特别感兴趣的话题（Goldman，2008； Noble，2018； O'Neil，2017）。这些决定的输出塑造了我们的社会现实（Just and Latzer，2017； Noble，2018）及其对公民和机构的影响数字文化和新媒体研究正在将数据移至其学术叙事的中心；具体而言，媒体平台（例如社交媒体和搜索引擎）的数据现在被视为文化研究对象（Schäfer和van es，2017年）。在这个新范式的背景下，算法的转换和问责制的问题通常是关于平台利用的辩论的最前沿，尽管通常由于其“黑匣子”依赖性，异质性和嵌入性而无法理解，因此在更广阔的系统中（Crawford，2016年Crawford，2016; Kitchin; Kitchin，2017; kitchin; kitchin，2017; reshle; kitchin; kitchin; kitchin; kitchin; kitchin; 2017; reshle;搜索引擎提供商，例如Google或Bing，由于其作为守门人的角色而受到了学术审查：他们通过过滤和排名在网上可用的信息来源来决定内容的相关性（Laidlaw，2010； Schulz等，2005； Wallace，2018）。
代表性和面部主义：图像搜索中的性别偏见
我们对他人的印象的能力取决于在不确定性下提供的信息，因此我们使用启发式法来做出判断和决定（Tversky and Kahneman，1974）。这种印象形成与刻板印象有关：例如，图像可以而且经常体现和永久化性别刻板印象（Coltrane and Adams，1997; Len-Ríos等，2005; Rodgers and Thorson，2000）。男女的视觉代表塑造了我们对性别角色的心理表征，并可以加强或稳定它们 - 数字和模拟媒体，例如报纸，杂志，电视和社交媒体，可以在刻画中归因于严格的作用，在刻画中归因于妇女的性行为，并在男性中比男性更大（Courtney and Lockere and Lockeretz and lockeretz and Milers and Mirers; and and and and and and; and; and; and; and; and； Biocca，1992; Zotos and Tsichla，2014年）。，但在男人和女人的描绘中，即使是简单的风格差异也可能已经巧妙地延续了性别偏见（Archer等，1983； Blumberg，2008； Grau和Zotos，2016）。例如，在线媒体中，女性政治家的代表性影响了选民对她们感知的能力和讨人喜欢的影响（Bligh等，2012），面部突出的变化导致女性对智力的评价较低（Archer等，1983）。自动处理大量潜在偏见的信息一直是近年来在交流研究中特别感兴趣的话题（Goldman，2008； Noble，2018； O'Neil，2017）。这些决定的输出塑造了我们的社会现实（Just and Latzer，2017； Noble，2018）及其对公民和机构的影响数字文化和新媒体研究正在将数据移至其学术叙事的中心；具体而言，媒体平台（例如社交媒体和搜索引擎）的数据现在被视为文化研究对象（Schäfer和van es，2017年）。在这个新范式的背景下，算法的转换和问责制的问题通常是关于平台利用的辩论的最前沿，尽管通常由于其“黑匣子”依赖性，异质性和嵌入性而无法理解，因此在更广阔的系统中（Crawford，2016年Crawford，2016; Kitchin; Kitchin，2017; kitchin; kitchin，2017; reshle; kitchin; kitchin; kitchin; kitchin; kitchin; 2017; reshle;搜索引擎提供商，例如Google或Bing，由于其作为守门人的角色而受到了学术审查：他们通过过滤和排名在网上可用的信息来源来决定内容的相关性（Laidlaw，2010； Schulz等，2005； Wallace，2018）。
人工智能辅助招聘过程中的性别和种族偏见
学者们为了解性别平等、其决定因素、其对女性和社会的影响以及促进女性平等的适当行动和政策付出了巨大努力。研究涵盖了许多主题，从女性教育和人力资本（Deressa 等人，2009 年；Dumais，2002 年）及其在社会中的作用（例如 Kamin & Vezovnik，2017 年；Kang 等人，2020 年），到她们在公司高级职位中的任命（例如 Smith & Parrotta，2018 年；Smith 等人，2013 年）和绩效影响（例如 Adams & Ferreira，2009 年；Campbell & Mínguez-Vera，2008 年）。尽管进行了一些尝试，但现有的文献综述对这些问题的看法仍然狭隘，仅限于特定主题，例如女学生在 STEM 领域的存在（Yazilitas 等人，2013 年）、教育性别不平等（Minasyan 等人，2019 年）、性别工资差距（Bishu 和 Alkadry，2017 年）、玻璃天花板效应（Jackson 和 O'Callaghan，2009 年）、领导力（Bark 等人，2014 年）、创业精神（Prashar 等人，2018 年）、女性在董事会中的存在（Kirsch，2018 年；Terjesen 等人，2009 年）、多元化管理（Köllen，2019 年）、广告中的性别刻板印象（Grau 和 Zotos，2016 年）或特定职业（Ahuja，2002 年）。现有文献还强调，性别问题及其经济和社会影响是一个复杂的话题，涉及大量可能的前因和结果（Cuberes & Teignier，2014 年）。事实上，从协同的角度看，性别平等行动与其他可持续发展目标（例如可持续发展目标 8，见 Rai 等人，2019 年）协同实施时最为有效（Asadikia 等人，2020 年）。此外，许多文献（例如商业、经济学、发展研究、社会学和心理学）都为实现性别平等贡献了独特的观点。由于现有研究通常涉及具体而狭隘的方面，因此对于不同的问题、情况和解决方案在加剧或减轻性别不平等或其影响方面可能存在哪些关联尚不明确。