为在线市场选择算法公平度量：在 LinkedIn 上检测与量化算法偏差
综合经济学
2022-08-23 v2 计算机与社会
经济学
摘要
在本文中，我们从常用于双边市场的推荐算法的“同等资质候选人的机会均等”这一公平概念出发，推导出一种算法公平度量。我们借鉴经济学中关于歧视的文献，提出了一种仅归因于算法本身的偏差检测方法，而非源于社会不平等或平台用户人为偏差等其他来源。我们使用所提出的方法，针对 LinkedIn（一个求职者与雇主使用的流行在线平台）所用的两种算法，就性别方面衡量并量化算法偏差。此外，我们引入了一个框架及其 rationale，用于区分算法偏差与人为偏差，这两者都可能存在于向人类用户进行推荐的双向平台中。最后，我们讨论了其他几种常见算法公平度量的不足之处，以及它们为何未能捕捉“同等资质候选人的机会均等”这一公平概念。
引用
@article{arxiv.2202.07300,
title = {Choosing an algorithmic fairness metric for an online marketplace: Detecting and quantifying algorithmic bias on LinkedIn},
author = {YinYin Yu and Guillaume Saint-Jacques},
journal= {arXiv preprint arXiv:2202.07300},
year = {2022}
}