Reshaping the Space of Ethics for Expert Work: Deliberative Approaches for Deploying Artificial Intelligence in Auditing
Notice bibliographique
Résumé
Abstract This paper investigates what drives collaboration or conflict between domain and method experts in deploying Artificial Intelligence (AI), and how these dynamics can be managed to fairly reshape the space of ethics guiding expert work. The emergence of sophisticated epistemic technologies, e.g., AI, has amplified the importance of method experts. Leveraging their knowledge of data science, mathematics, and coding, method experts have challenged the authority of domain experts, like external auditors. These challenges generate tensions extending beyond jurisdictional and operational control to profound ethical and moral concerns, since jurisdictional authority determines whose values are embedded in AI-driven decision-making. Empirical research presents divergent views on how domain and method experts navigate such tensions in AI deployments, with some studies suggesting that domain experts leverage their status and power to resist changes to ethical considerations. To reconcile these fragmented perspectives, we develop a conceptual framework grounded in the literature that frames expert work as a balance between individual craftsmanship and collective judgment. We offer two contributions. First, drawing on foundational literature on technology and expert work as well as empirical studies on AI and external auditing, we identify existing conditions and mechanisms that foster cooperation or conflict between different expert groups. Second, informed by Habermasian conceptions of deliberative democracy, we explicate how the space of ethics in deploying AI can be fairly reshaped through multi-layered deliberations that account for diverse stakeholder interests. Our framework provides a foundation for future empirical studies to deepen understanding of AI’s impact on expert work and ethics.
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 | 0,078 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,085 |
| Communication savante | 0,017 | 0,016 |
| Science ouverte | 0,004 | 0,021 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».