Pensamiento de diseño y marcos éticos para la Inteligencia Artificial: una mirada a la participación de las múltiples partes interesadas
Bibliographic record
Abstract
Los marcos regulatorios, que determinan la participación de las partes interesadas, deben respetar los principios para una participación eficaz y que sea oportuna, inclusiva, transparente e iterativa. Sin embargo, la creación e implementación de marcos regulatorios sobre temas innovadores, en ocasiones, suele estar sesgada por una parte dominante en la discusión. Este artículo demuestra cómo el enfoque del pensamiento de diseño, principalmente en su fase de co-creación, es potencialmente propicio para la creación e implementación de las denominadas estrategias de Inteligencia Artificial (ia), debido a su énfasis en el respeto por la dignidad humana y otros atributos fundamentales, como la empatía, aunque plantea diversos retos para su aplicación. Este enfoque se basa en una metodología deductiva, a través del proceso de creación y socialización de las estrategias para la ia, que fueron desarrollados en Canadá y Colombia. Con este artículo se busca incentivar la innovación tecnológica y regulatoria a través del pensamiento de diseño para que sea considerado como parte integral de la convocatoria real de las múltiples partes interesadas, con el fin de facilitar la creación de un programa proactivo de ética digital para prevenir las preocupaciones relacionadas con la adopción de la ia a gran escala.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".