Notice bibliographique
Résumé
Abstract Artificial intelligence (AI) and AI-mediated decision making currently impact older adults in numerous ways. From algorithmic decision making used in health insurance, employment, housing, and public benefits, to the information ecosystem, to social robots, AI applications implicate important issues of ethics, access, and ageism. The World Health Organization reports that the diverse interests of older adults are not well represented in discourses about AI policy making or governance. As AI harms are better understood, the call from public interest groups and from many academic fields has gotten louder for comprehensive AI and data privacy policy in the United States (U.S.), which lags behind other countries. Drawing from the international insights of European, Canadian, and U.S.-based research, this symposium will consider how older adults and their rights are represented in AI policy documents, laws, and policy discourse. Dr. Ho will discuss ethical concerns resulting from regulatory gaps in direct-to-consumer AI health monitoring platforms in the U.S context. Dr. Stypinska will highlight how European national (Germany, Spain, UK, Holland and Poland) and international policy documents related to AI position older adults. Dr. Gallistl will discuss the relevance of AI explainability in later life, as one of the key terms that currently inform EU AI-governance. Dr. Robillard will review findings and gaps from an analysis of international policies for social robots with aging applications. Participants with and without prior policy knowledge or AI research experience are welcome. Technology and Aging Interest Group Sponsored Symposium
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,051 |
| Communication savante | 0,019 | 0,024 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,014 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».