机器学习与社会研究中的局内人与局外人
计算机与社会
2021-02-05 v1
摘要
一部分机器学习研究与诸如公平性、问责与透明性以及将机器学习用于社会公益等社会问题相交集。本文中，我们通过科学社会学的视角分析在机器学习与社会这一交集处做出贡献的学者。通过分析发布到 arXiv 的所有机器学习论文的作者信息，我们表明，与来自过度代表背景（由性别与种族/民族定义）的研究者相比，来自代表不足背景的研究者更可能从事这一交集的研究而非其他类型的机器学习研究。此种状况导致科学事业中有关局内人与局外人的两种视角之间的争论：局外人是被研究群体之外的人，以及局外人是历史上未作为研究者参与某一领域的人。这一争论表现为关于机器学习研究中源自生活经验的知识之有效性的认识论问题，并预测了我们在真实案例中看到的边界工作。
引用
@article{arxiv.2102.02279,
title = {Insiders and Outsiders in Research on Machine Learning and Society},
author = {Yu Tao and Kush R. Varshney},
journal= {arXiv preprint arXiv:2102.02279},
year = {2021}
}