MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Proceedings of the AAAI/ACM Conference on AI Ethics and Society
Sujet
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

40 résultats · 1 filtre actif ·
Résultats par année
20202025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
40 travaux dans la cohorte · sur 4 299 418page 1 sur 1

Les étiquettes couvrent 0 des 40 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 40 des 40 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
Responsible Reporting for Frontier AI Development
Noam Kolt, Markus Anderljung, Joslyn Barnhart, Asher Brass, Kevin M. Esvelt, Gillian K. Hadfield +4 autres
2024· article· en· Proceedings of the AAAI/ACM Conference on AI Ethics and Society· Business, Management and Accounting
prédiction distillée:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
Co-Producing AI: Toward an Augmented, Participatory Lifecycle
Rashid Mushkani, Hugo Berard, Toumadher Ammar, Cassandre Chatonnier, Shin Alexandre Koseki
2025· article· en· Proceedings of the AAAI/ACM Conference on AI Ethics and Society· Business, Management and Accounting
prédiction distillée:candidate · aucuneconsensus · aucune
4
citations
fundno affnon étiqueté
Algorithmic Fairness from a Non-ideal Perspective
Sina Fazelpour, Zachary C. Lipton
2020· preprint· en· Proceedings of the AAAI/ACM Conference on AI Ethics and Society· Social Sciences
prédiction distillée:candidate · metaepi_narrow+sts+scholarly_communication+research_integrityconsensus · research_integrity
2
citations
afffundnon étiqueté
A Principled Approach for Data Bias Mitigation
Bruno Scarone, Alfredo Viola, Renée J. Miller, Ricardo Baeza‐Yates
2025· article· en· Proceedings of the AAAI/ACM Conference on AI Ethics and Society· Decision Sciences
prédiction distillée:candidate · metaresearchconsensus · aucune
2
citations
affnon étiqueté
Model Multiplicity for Responsible AI
Prakhar Ganesh
2025· article· en· Proceedings of the AAAI/ACM Conference on AI Ethics and Society· Engineering
prédiction distillée:candidate · aucuneconsensus · aucune
0
citations
afffundnon étiqueté
Fairness in Federated Learning: Fairness for Whom?
Afaf Taïk, Khaoula Chehbouni, Golnoosh Farnadi
2025· article· en· Proceedings of the AAAI/ACM Conference on AI Ethics and Society· Social Sciences
prédiction distillée:candidate · stsconsensus · aucune
0
citations
afffundnon étiqueté
What’s Individual About Individual Fairness?
Shai Ben-David, Pascale Gourdeau, Tosca Lechner, Ruth Urner
2025· article· en· Proceedings of the AAAI/ACM Conference on AI Ethics and Society· Social Sciences
prédiction distillée:candidate · sts+research_integrityconsensus · aucune
0
citations
affnon étiqueté
Medical AI, Categories of Value Conflict, and Conflict Bypasses
Gavin Victor, Jean‐Christophe Bélisle‐Pipon
2024· article· en· Proceedings of the AAAI/ACM Conference on AI Ethics and Society· Social Sciences
prédiction distillée:candidate · sts+research_integrityconsensus · aucune
0
citations
affnon étiqueté
Data Cleaning, Discard Studies, and Discretionary Power
Pınar Barlas
2025· article· en· Proceedings of the AAAI/ACM Conference on AI Ethics and Society· Computer Science
prédiction distillée:candidate · metaresearch+open_scienceconsensus · open_science
0
citations
affnon étiqueté
From Efficiency to Equity: Measuring Fairness in Preference Learning
Shreeyash Gowaikar, Hugo Berard, Rashid Mushkani, Shin Alexandre Koseki
2025· article· en· Proceedings of the AAAI/ACM Conference on AI Ethics and Society· Economics, Econometrics and Finance
prédiction distillée:candidate · aucuneconsensus · aucune
0
citations
affnon étiqueté
Incident Analysis for AI Agents
Carson Ezell, Xavier Roberts-Gaal, Alan Chan
2025· article· en· Proceedings of the AAAI/ACM Conference on AI Ethics and Society· Computer Science
prédiction distillée:candidate · aucuneconsensus · aucune
0
citations

En coulisses: Sélection · Constats · À propos