组织中更公平的机器学习框架-研究论文

随着组织越来越多地采用机器学习工具，不公平的风险比比皆是，尤其是当招聘、住房、贷款和录取等具有社会经济重要性的结果的人类决策过程实现自动化时。 我们揭示不公平机器学习的来源，审查公平标准，并提供一个框架，如果实施该框架，将使组织既能避免实施不公平的机器学习模型，又能避免算法学习更多数据的常见情况随着时间的推移，它会变得不公平。 组织实施机器学习中的行为伦理问题尚未在文献中得到彻底解决，因为许多必要的概念分散在三个文献中——伦理、机器学习和管理。 此外，机器学习中公平标准之间的权衡尚未在组织方面得到解决。 我们通过引入一个用于在组织中选择和实施公平算法的组织框架来推进研究。