揭示未被看见：探究情境诱导的行为感知伤害

行为感知技术正在跨越多个领域快速发展。尽管潜力巨大，但就负责任的使用此类技术而言，日益担忧的仍然是相关问题。针对这些问题，近期的感知技术研究开始予以关注。尽管已有探索，但主要关注广泛的人口学类别，忽略了更细致的情境特定身份。此类方法缺乏来自于在多样化的社交、环境和技术环境中部署感知技术所产生的特定领域伤害的依据。此外，现有的评估框架针对通用机器学习生命周期设计，难以适应行为感知技术的动态和纵向性考量。为弥补这些差距，我们提出了一套专为评估行为感知技术而设计的框架。该框架强调对情境的全面理解，特别是用户的所处身份和感知技术的部署环境。它还强调，为适应技术及其使用方式的演变，必须进行迭代的伤害缓解和持续的维护。我们通过对两个在不同国际语境下进行的真实行为感知研究进行事后评估来展示框架的可行性和普适性，这些研究涉及不同人口学背景和机器学习任务。我们的评估提供了所见身份基础伤害和更具体领域伤害的实证证据，并讨论了实施偏差缓解技术所引入的权衡。