MétaCan
Menu
Retour à la cohorte
Enregistrement W4412267731

Three Types of Structural Discrimination Introduced by Autonomous Vehicles

2018· article· en· W4412267731 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueResearch at the University of Copenhagen (University of Copenhagen) · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueColor perception and design
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésComputer scienceArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The advent of autonomous vehicles has been hailed by commentators as<br/>introducing an improvement for traffic safety by promising to reduce the<br/>overall number of road accidents as the technology matures. Some<br/>advocates even hint at a moral imperative to structure incentives and<br/>smooth over barriers in order to induce widespread usage of autonomous<br/>vehicle in order to actualize this potential. The orientation towards safety<br/>concerns, however, foregrounds the debate on crash-optimization and<br/>imports the trolley-problem thought-experiments to the question of<br/>autonomous vehicles. <br/><br/>This paper examines the potential for three types of structural<br/>discrimination to be woven into the fabric of these developments. First,<br/>given the emphasis placed upon decisional agency by trolley-problem<br/>scenarios, there will be systematic privileging of the occupant vis-à-vis<br/>pedestrians and other third-parties. Second, there is the prospect for<br/>structural discrimination arising from the coordinated modes of<br/>autonomous vehicle behavior that is prescribed by its code, or which is<br/>converged upon through learning algorithms operating towards similar<br/>goals and within similar constraints. This leads to the potential for<br/>hitherto individuated outcomes to be networked and thereby multiplied<br/>across fleets of vehicles. The aggregated effects of such algorithmic policy<br/>preferences will thus cumulate in the reallocation of benefits and burdens<br/>to certain categories of persons in a relatively stable manner. This in turn<br/>raises the spectre of a more pernicious form of active structural<br/>discrimination where the possibility of crash-optimization casts a<br/>protective shield over certain individuals at the cost of third-parties.<br/>Third, the introduction of autonomous vehicles within the framework of<br/>crash-optimization will likely precipitate infrastructural changes, which<br/>in a literal sense, will introduce or exacerbate structural forms of<br/>discrimination with regard to human access to public space.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,512
Score d'incertitude au seuil0,967

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,5460,033

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 Opus0,059
Tête enseignante GPT0,326
Écart entre enseignants0,267 · 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