算法公平性的批判实用主义方法：来自城市规划理论的启示
计算机与社会
2026-05-05 v1
摘要
随着数据科学家在机器学习（ML）和数据科学中面临日益复杂的伦理决策，算法公平性领域提供了从形式数学定义到从多个学科领域提取的整体公平性概念等多种解决方案。然而，在实践中导航和实施这些公平方法仍是一个持续的挑战。本文在算法公平性问题与城市规划问题之间的类比上进行论述。我们将算法公平性问题界定为“恶问题”（wicked problems），该术语源自规划与政策领域，用于描述这一工作的无法解决、价值取向且复杂的本质。因此，我们认为算法公平性领域可以从城市规划中汲取理论工作，以缓解自身的一系列恶问题。城市规划通常关注治理、资源分配、利益相关者参与以及涉及深层差异的冲突等实际问题。这都是现有公平框架容易忽视的挑战。我们提出一种基于城市规划理论中批判实用主义方法设计更公平算法的灵活框架——这是一种反思性和 deliberative（深思熟虑）的方法，旨在解决恶问题，关注从事冲突和权力面对实际情况时从业者会做什么。我们提供具体建议，并将其应用于机器学习和算法设计中的几个案例研究：自动抵押贷款放贷、学校选拔和对暴力制裁的反数据收集。研究人员和从业者可以将从城市规划中汲取的建议纳入其持续的工作中，以更全面地解决公平算法设计中出现的实际问题。
引用
@article{arxiv.2605.02773,
title = {A Critical Pragmatism Approach for Algorithmic Fairness: Lessons from Urban Planning Theory},
author = {Jennah Gosciak and Karen Levy and Allison Koenecke},
journal= {arXiv preprint arXiv:2605.02773},
year = {2026}
}