本政策简介基于阿伯丁大学通过全球挑战研究基金(GCRF)1的研究项目的发现。基于对1000个孟加拉国工厂为全球时尚零售商生产衣服的调查,该研究强调了制造商在Covid-19期间遇到的不公平采购实践的经历。制造商报告说,零售商取消了订单,拒绝支付派遣/中心的货物,并要求降低已经下达的订单的价格。这种不公平的贸易实践影响了制造商的就业实践,从而导致工人流失,工作损失和较低的工资。重要的是,五分之一的工厂报告说努力支付孟加拉国法律最低工资。该调查被认为是该领域最广泛的调查之一。
人工智能 (AI) 驱动的语言模型(聊天机器人)逐步加速了环境证据的收集和翻译,这些证据可用于指导地球保护计划和战略。然而,聊天机器人生成的保护内容的后果从未在全球范围内进行过评估。借鉴环境正义的分配、识别、程序和认知维度,我们采访并分析了 ChatGPT 上关于生态修复专业知识、利益相关者参与和技术的 30,000 条回复。我们的结果表明,超过三分之二的聊天机器人的答案依赖于在美国大学工作的男性学者的专业知识,而基本上忽略了来自低收入和中低收入国家(7%)和土著和社区修复经验(2%)的证据。关注种植和重新造林技术(69%)支撑了乐观的环境结果(60%),而忽视了考虑非森林生态系统(25%)和非树种(8%)的整体技术方法。这项分析强调了人工智能驱动的知识生产中的偏见如何强化西方科学,忽视了保护研究和实践方面的各种专业知识和观点来源。在快节奏的生成人工智能领域,需要保障机制来确保这些不断扩展的聊天机器人发展能够纳入公正的原则,以应对全球环境危机的速度和规模。
价格歧视,其最简单的形式涉及向不同的消费者收取不同的价格,以使企业能够根据每个消费者愿意和能够支付多少价格设定价格。它采用多种形式。这是由于缺乏竞争而实现的。如果有竞争向希望或必须支付更高价格的客户收取高昂的价格,因为竞争对手将这些价格降低到正常水平。本报告确定了许多例子,包括银行(可能会留下的客户的利率更好),电力(商业客户的价格优于消费者,甚至允许较低的供应成本)和医疗专家,这些专家为近乎相同的服务提供了截然不同的价格。通过数字平台,新技术,详细的客户数据和成熟的利润最大化定价方法的兴起,更大程度地利用了对价格歧视的兴起。
对COVID-19的摘要贡献,有望有价值的集体商品。他们可以通过创造牛群免疫并承受压倒性的公共卫生服务,以支持公共和独立健康;通过使政府能够消除限制性锁定政策来支持运动自由;并通过允许企业,学校和其他必要的公共服务重新开放来改善经济和社会福祉。接种疫苗可以有助于这些商品的生产。从中受益但没有为这些商品做出贡献的未接种疫苗,可以在道德上被批评为自由骑士。在本文中捍卫这样的说法,即在Covid-19的情况下,未接种疫苗是不公平的自由骑士。我辩护了这两个异议。首先,他们不是不公平的自由骑士,因为他们缺乏自由骑士的主观态度和意图;其次,尽管未接种疫苗可能是自由骑士,但他们的自由骑行并不公平。
最近的研究已迈向公平的机器学习。但是,通常检查相对较少的数据集以评估这些公平意识的算法,甚至更少的教育领域,这可能会导致对特定类型的公平问题的关注狭窄。在本文中,我们描述了一种新型的数据集修改方法,该方法利用遗传算法将许多类型的不公平性诱导到数据集中。此外,我们的方法可以从头开始生成不公平的基准数据集(从而避免在可能利用边缘化的人口的情况下收集数据),或修改用作参考点的现有数据集。我们的方法可以平均在数据集和不公平定义的情况下将不公平性增加156.3%,同时保留在原始数据集中训练的模型(平均更改为0.3%)的AUC分数。我们研究了我们在具有不同特征的跨数据集中方法的概括,并评估了三种常见的不公平缓解算法。结果表明,我们的方法可以生成具有不同类型的不公平,大小数据集,不同类型的功能的数据集,并且会影响使用不同分类器训练的模型。使用此方法生成的数据集可用于基准测试和测试,以进行对算法不公平的测量和缓解的未来研究。
随着人工智能 (AI) 塑造未来,世界各国都在努力应对重大挑战,寻求利用其潜力,并以安全负责的方式实现这一目标。自 20 世纪 80 年代的“专家系统革命”以来,澳大利亚一直是人工智能领域的领导者,当时银行开始投资开发更智能的金融计算机系统。但随着其他国家加大努力,澳大利亚在公共和私营部门都缺乏领导力,已经远远落后。美国公司最近不断发布改变游戏规则的生成式人工智能技术,凸显了澳大利亚缺乏能力和能力为这些技术主导的世界做出贡献。如果没有游戏计划,澳大利亚可能会被抛得更远。一些人认为,澳大利亚目前处于生死存亡的境地,它没有关注我们需要面对的诸多挑战
本报告讨论了对也门的Hadhramawt省的当地社区和环境的至关重要但正在研究的影响。通过结合能源正义的概念方法和建立环境和平的文献,它提供了一种新颖的看法,说明对也门的石油工业如何造成不公正和不满,并可能阻碍可持续的和平的努力。使用定量和定性分析的混合方法,在Hadhramawt省的两个地区,Tarim和SAH中的经验评估证实了有关广泛和严重的石油污染对当地人群产生负面影响的信息。根据家庭调查和其他专家访谈,它进一步描述了补救的潜在途径,该途径为环境和平建设策略的具体行动提供了建议。
有证据表明,包括数字经济在内的大量且越来越多的商业行为和业务模式都属于这一类别。2 2017 年,澳大利亚和新西兰消费者事务部 (CAANZ) 向消费者事务部长提交了《澳大利亚消费者法 (ACL) 审查最终报告》,该报告指出,利益相关者对引入针对不公平交易行为的普遍禁令有着重大兴趣。联邦和州及领地消费者事务部长一致认为,CAANZ 发现的问题值得通过监管影响评估程序进一步探讨,包括寻求有关问题性质和现行法律潜在漏洞对消费者造成损害程度的进一步证据,以及是否需要政府干预。
发件人:海军记录修正委员会主席 收件人:海军部长 主题:海军记录 ICO 审查,XXX-XX- 参考:(a) 第 10 章 USC § 1552 (b) NAVADMIN 108/20,201 年 4 月 15 日 (c) 23 财年 SRB 奖励计划 (N13SRB 001/FY23),22 年 10 月 26 日 附件:(1) DD 表格 149 及其附件 (2) CMSB BUPERS-328 的咨询意见,23 年 5 月 11 日 (3) 主体的海军记录 1. 根据参考 (a) 的规定,主体,以下简称请愿人,向海军记录修正委员会 (委员会) 提交了附件 (1),请求更正她的海军记录,以确定请愿人有资格获得并已收到选择性重新入伍奖金 (SRB) 并且+0.5 按绩效付费 SRB 踢球者。2. 委员会由、、和组成,于 2023 年 6 月 1 日审查了申诉人的错误和不公正指控,并根据其规定,确定应根据现有的记录证据采取下面指示的纠正措施。委员会考虑的文件材料包括附件、申诉人海军记录的相关部分以及适用的法规、条例和政策。3. 在向委员会提出申请之前,申诉人已用尽海军部现行法律和法规规定的所有行政补救措施。委员会审查了与申诉人的错误和不公正指控有关的所有记录事实后,发现如下:a. 2013 年 11 月 19 日,申诉人开始服现役。b. 2019 年 5 月 22 日,请愿人重新入伍 6 年,现役义务服役结束 (EAOS) 日期为 2025 年 5 月 21 日。此外,请愿人获得了 A 区 SRB。c. 年,请愿人从 调入,并抵达 开始工作。d. 2021 年 11 月 15 日,请愿人的上级报告为请愿人签署了 2020 年 11 月 16 日至 2021 年 11 月 15 日期间的定期评估报告和咨询记录。这 1 参考 (b),宣布了针对现役部队和全职支持的修订后的 SRB 政策,取代了 NAVADMIN 272/19。现在,水手必须在其 EAOS 后的 365 天内重新入伍(而 NAVADMIN 272/19 要求为 270 天),但接受过核训练的水手除外,他们可以根据 OPNAVINST 1160.8B 中的指导,在重新入伍区的任何时间点重新入伍。
发件人:海军记录更正委员会主席 收件人:海军部长 主题:审查前美国海军成员 XXX-XX- 的海军记录 参考:(a) 10 USC § 1552 附件:(1) DD 表格 149 1. 根据参考 (a) 的规定,主体,以下称为请愿人,向海军记录更正委员会(委员会)提交了附件 (1),要求更正他的记录,更改其退伍文件上列出的出生日期。 2. 委员会由 、 和 组成,于 2023 年 5 月 12 日审查了请愿人的错误和不公正指控,并根据其规定,决定采取以下指示的纠正措施。委员会审议的文件材料包括申请人的申请书及其所有支持材料、申请人海军记录的相关部分以及适用的法规、规章和政策。3. 在向委员会提出申请之前,申请人已用尽海军部现行法律和规章规定的所有行政补救措施。尽管附件未及时提交,但出于公正的考虑,审查申请书的实质内容。委员会审查了与申请人指控的错误和不公正有关的所有记录事实,发现如下:a. 申请人于 1952 年 12 月 8 日至 1956 年 12 月 3 日期间加入海军并完成了光荣服役。b. 申请人退伍时,美国武装部队向他发出了调动或退伍报告(DD 表格 214)。申请人的 DD 表格 214 第 6 栏显示他的出生日期 (DOB) 为“ ”。该日期也列在他的入伍合同上。c. 申请人提供了他的出生证明复印件,显示他的出生日期为“ ”。