FairLay-ML: Intuitive Debugging of Fairness in Data-Driven Social-Critical Software

Data-driven software solutions have significantly been used in critical domains with significant socio-economic, legal, and ethical implications. The rapid adoptions of data-driven solutions, however, pose major threats to the trustworthiness of automated decision-support software. A diminished unde...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings (IEEE/ACM International Conference on Software Engineering Companion. Online) s. 25 - 28
Hlavní autoři:	Yu, Normen, Carreon, Luciana, Tan, Gang, Tizpaz-Niari, Saeid
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 27.04.2025
Témata:	ai fairness Data models Data visualization Debugging Ethics fairness mitigation Law Logic Socioeconomics Software Software engineering Surveys toolkit
ISSN:	2574-1934
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!