仇贫数据集、青少年对健康 AI 益处与风险的认知
仇贫偏见能被 AI 看见吗?
💡
本期前沿速递分享了两篇论文,第一篇将目光投向「仇贫」这一隐秘而普遍的社会偏见:社交媒体上对贫困者的歧视如何以多样化的形式显现?它们又怎样与地域文化、种族主义复杂交织?AI 在识别这种无形壁垒时面临哪些挑战?研究者构建的首个数据集与分类法,或许能为我们揭示冰山一角。
第二篇则通过巧妙的设计虚构,倾听青少年对未来健康 AI 的心声:他们是期待 AI 带来的个性化健康指导,还是更担忧算法的冰冷、信息的泄露?他们独特的视角与顾虑,对我们设计真正可信赖的健康技术至关重要。
祝今日读写愉悦,洞见深省。
第二篇则通过巧妙的设计虚构,倾听青少年对未来健康 AI 的心声:他们是期待 AI 带来的个性化健康指导,还是更担忧算法的冰冷、信息的泄露?他们独特的视角与顾虑,对我们设计真正可信赖的健康技术至关重要。
祝今日读写愉悦,洞见深省。
前沿速递
针对穷人的社会偏见:关于仇贫的数据集与分类法
核心概念
- 仇贫症(Aporophobia):本研究的核心概念,由哲学家 Adela Cortina 提出,定义为对贫困者的排斥、厌恶、恐惧和蔑视。它是一种社会偏见,针对的是那些缺乏资源、贫穷或无家可归的个人或群体,与针对种族、性别等身份特征的歧视有所不同,但经常与之交织并加剧其影响。这种偏见会让穷人的生活更加艰难,不仅物质上困难,精神上也受到伤害,感觉被社会排斥和无视。
研究问题
长期以来,消除贫困一直是全球性的重要目标。然而,社会上对贫困者的偏见,即仇贫症,严重阻碍了扶贫政策的制定、批准和实施。以往的研究大多集中在种族主义和性别歧视等其它形式的偏见上,针对仇贫症的研究,特别是利用自然语言处理技术对其进行识别和追踪,仍是一个被忽视的领域,缺乏相关的数据资源和标准化分类,这使得对其进行大规模研究和应对变得困难。
因此,本研究的核心问题是:如何将仇贫症的概念操作化,以识别和追踪社交媒体上针对贫困者的有害信念和歧视性行为?具体而言,如何在缺乏现有数据资源的情况下,建立一个包含不同地域和表达形式的仇贫症文本数据集?如何基于这些数据,开发一个能够全面描述社交媒体上仇贫态度的分类体系?以及,自动化检测社交媒体上仇贫症的可行性如何,存在哪些挑战?