MétaCan
Menu
Retour à la cohorte
Enregistrement W4293318919 · doi:10.29173/irie477

Human Where?

2022· article· en· W4293318919 sur OpenAlexvenueno aff
Marc A. Anderson, Karën Fort

Notice bibliographique

RevueThe International Review of Information Ethics · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEthics and Social Impacts of AI
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExpansiveIntermediaryNoveltySociologyScale (ratio)EpistemologyEngineering ethicsKnowledge managementComputer sciencePsychologyBusinessEngineeringSocial psychologyPhilosophyMarketing

Résumé

récupéré en direct d'OpenAlex

We undertake an expansive examination of the terms Human-in-the-loop, Human-on-the-loop, Human-out-of- the-loop, and Human-in-command, as used recently in AI development, relative to their ethical implications and implicit assumptions. Tracing the history and development of the ‘Human ...’ terms, we explore the contexts and uses present from their beginnings. We follow with a discussion of the ethical outlook which the origins of the terms and their recent rebranding for AI development under the notion of oversight have engendered. Drawing upon certain insights of Bruno Latour for support, we suggest that Latour’s ‘forgotten ethical intermediaries’, folded into our technologies, have their analogue in the view of the human as a component of automated systems alternating with a role of human oversight. We argue that a more ethical human relation to technology can be recovered through an expansive emphasis on human participation in technology producing communities. Finally, we present a flexible new scale, the IGP scale, to rate such participation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,081
Tête enseignante GPT0,443
Écart entre enseignants0,363 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Information EthicsMême sujetEthics and Social Impacts of AITravaux en français237 207