Sciogliere il dilemma dei dati

Conquering Data Bias

Konstantinos Kattidis

Data Analytics Lead

Decisioni guidate dai dati

Le decisioni data-driven hanno rivoluzionato i settori in tutto il mondo
L’adozione di dati e IA si è estesa ad ambiti critici come:
- Giustizia sociale
- Screening dei candidati
- Interfacce interattive come gli assistenti virtuali

Casi d’uso delle decisioni data-driven

Accanto a questi progressi, sono emerse preoccupazioni sulla presenza di bias in queste soluzioni.

Screening CV

Amazon ha dismesso il suo modello che valutava i candidati idonei perché favoriva gli uomini

Nasce quando i dati sono limitati e danno un quadro impreciso o ingiusto della popolazione
Deriva da vari fattori, ad esempio:
- Squilibri e sottorappresentazione
- Pregiudizi storici
- Tendenze cognitive
Compromette accuratezza e affidabilità dei dati, riducendone l’efficacia nel guidare le decisioni

Le origini dei bias nei dati

Il modello di Amazon è stato addestrato su CV inviati in 10 anni.
In quel periodo, i candidati uomini erano assunti o favoriti in modo sproporzionato.
Il modello era quindi biasato verso gli uomini per via di pattern storici.
Per affrontare i bias serve esaminare sia la qualità del dataset sia i processi umani coinvolti.

Scatole Amazon e screening CV

Sconfiggi i bias

Capitolo 1 - Scopri l’impatto dei bias sui dati nelle decisioni e perché è essenziale considerarli quando lavori con i dati.

Capitolo 2 - Conosci i vari tipi di bias nella raccolta dati e come ridurli con tecniche adeguate.

Capitolo 3 - Esplora i tipi di bias comuni nell’analisi e nella condivisione dei risultati. Vedrai come identificarli e mitigarli.

Conquering Data Bias