4.10: Ronald E. Robertson
- Page ID
- 90647
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)
( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\id}{\mathrm{id}}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\kernel}{\mathrm{null}\,}\)
\( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\)
\( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\)
\( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)
\( \newcommand{\vectorA}[1]{\vec{#1}} % arrow\)
\( \newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow\)
\( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vectorC}[1]{\textbf{#1}} \)
\( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)
\( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)
\( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
Estudiante de doctorado, Network Science, Northeastern University http://ronalderobertson.com
El impacto de un algoritmo está intrínsecamente ligado a las personas que lo diseñaron, los sistemas de información sobre los que opera y las personas que lo utilizan. Por ejemplo, los incentivos financieros a menudo dictan para qué algoritmos están optimizados, los datos históricos suelen estar sesgados de manera que perpetúan la injusticia y los usuarios suelen tener estrategias dinámicas que guían su comportamiento. Es importante saber que los algoritmos construidos sobre sistemas sociotécnicos existentes, y examinar sus componentes de forma aislada nunca contarán toda la historia. Intentar hacerlo es como tratar de explicar las mareas sin considerar la luna.
Por lo tanto, las colaboraciones interdisciplinarias de investigación son esenciales para comprender el impacto de un algoritmo. Los datos de rastreo digital son útiles pero insuficientes. También debemos entender quién los está usando, cómo los están usando, el ecosistema de información en el que operan y cómo interactúan los sesgos en estos elementos dinámicos. Sin embargo, la investigación interdisciplinaria es dura, y debemos esperar dolores de crecimiento. De hecho, los informáticos a menudo pierden o descuidan un trabajo teórico importante, los científicos sociales a menudo no están equipados con las habilidades técnicas para recopilar datos de rastreo digital que podrían fundamentar sus teorías, y ambos grupos a menudo se critican entre sí.
Para lograr el cambio, tendremos que cerrar esta brecha, fomentando colaboraciones, reconociendo las deficiencias de nuestros enfoques y construyendo una apreciación por el valor de los métodos mixtos impulsados teóricamente. Mientras esperamos la legislación para proteger a los usuarios, y en las colaboraciones de la industria para obtener datos, el cambio vendrá de auditorías independientes de algoritmos. Bajo los incentivos del capitalismo, y con las crecientes preocupaciones de privacidad de los usuarios, no podemos esperar ni esperar a que las corporaciones cooperen. Debemos unirnos para identificar los valores incrustados en sus algoritmos, difundir la conciencia de sus impactos y desarrollar herramientas para exponer esos impactos y empoderar a los usuarios para superarlos.