Design Heuristics for Emerging Technologies: AI, Data, & Human-Centered Futures – Considerations for the Rights of Women
Notice bibliographique
Résumé
In Design Heuristics for Emerging Technologies, Kem-Laurin Lubin delivers a visionary exploration of the intersection between artificial intelligence, systemic bias, and the urgent need for equity in digital design. Grounded in feminist theory and critical data studies, this book tackles the complex ways patriarchal systems shape AI-powered technologies, with a particular focus on their impact on women’s rights and reproductive healthcare—an issue made even more pressing in the wake of the reversal of Roe v. Wade. Through compelling case studies, such as the controversial AI project in Salta, Argentina, Lubin illustrates the tangible consequences of algorithmic design in real-world contexts. Organized under six heuristic categories, these examples provide a robust framework for practitioners and policymakers to design equitable systems. Engaging deeply with seminal works like Algorithms of Oppression by Safiya Noble and Race After Technology by Ruha Benjamin, Lubin critiques current AI frameworks and offers a path forward. The book examines global initiatives, from Europe’s GDPR to Canada’s Artificial Intelligence and Data Act, highlighting their limitations and proposing actionable, equity-centered heuristics. With a critical lens on existing policies, Lubin integrates insights from global policy examinations and targeted case studies to propose scalable, human-centered solutions for more inclusive technologies. A masterful blend of theory and practice, Design Heuristics for Emerging Technologies invites scholars, technologists, and policymakers to reimagine AI systems that prioritize the rights of women and marginalized communities. Lubin’s work is a call to action to build a future where emerging technologies serve as tools of empowerment and justice, fostering human-centered design and ethical innovation.
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 | 0,011 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,036 |
| Communication savante | 0,015 | 0,017 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».