利用众包探索刻板印象与有偏数据

我们研究的目标是提供相关信息，说明众包在研究者不知情的情况下，能在多大程度上有效预测可能使数据集产生偏差的刻板印象。众包预测的結果有可能在数据收集阶段被用于帮助防止可疑的刻板印象给数据集引入偏差。我们通过让亚马逊 Mechanical Turk (AMT) 上的众包工作者完成两项相似的人类智能任务 (HITs)，根据其个人经验提出相关刻板印象，来开展研究。我们对这些回复的分析侧重于确定工作者建议的多样性程度及其人口统计特征。通过这一过程，我们开启了关于众包在解决机器学习数据收集这一难题中能有多大作用的讨论。