决策系统的软件支持审计：测试 Google 与 Facebook 的政治广告政策
人机交互
2021-11-01 v2
摘要
社会如何理解与问责那些系统性错误对公众不透明的复杂人类与算法决策系统？这些系统例行地对个人权利与福祉、对社会与民主进程的保护做出决策。外部审计的实际与统计约束——如维度复杂性——可能导致研究者与监管者遗漏这些复杂决策系统中重要的错误来源。在本文中，我们设计并实现了一种软件支持的审计研究方法，其自动生成审计材料并协调志愿者活动。我们在 Facebook 与 Google 于 2018 年美国大选期间实施的政广告政策案例中实现了该软件。在该软件指导下，一组志愿者发布了 477 条自动生成的广告并分析了公司的行为，发现了公司在政策执行方面的系统性错误。我们发现，在样本量与志愿者能力相关的限制内，软件能够克服审计研究的一些常见约束。
引用
@article{arxiv.2103.00064,
title = {Software-Supported Audits of Decision-Making Systems: Testing Google and Facebook's Political Advertising Policies},
author = {J. Nathan Matias and Austin Hounsel and Nick Feamster},
journal= {arXiv preprint arXiv:2103.00064},
year = {2021}
}
备注
To be presented at CSCW '22