인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
최근 빅데이터와 기계학습, 인공지능과 관련되어 제기되는 윤리적인 이슈 중 하나가 바로 편향성(bias)의 문제이다. 실제로 편향성(bias)의 문제를 편견(prejudice, Vorurteil)이나 고정관념의 문제와 혼동하는 경우가 많은데, 전자가 통계적, 기술적인 용어(technical term)라고 한다면 후자는 윤리적인 용어(ethical term)라고 할 수 있겠다. 데이터를 모으고 처리하는 과정에서 항상 편향성의 문제가 제기된다. 데이터의 편향성을 이 연구에서는 데이터 자체의 편향성과 데이터 처리과정의 편향성으로 구분하여 논의하고, 이와 별도로 이 두 가지 모두 데이터 공정성의 문제와 항상 갈등에 빠지게 되는 이유를 살펴본다. 특히 데이터 객관성과 공정성 역시 서로 상충될 소지가 충분히 있다. 데이터가 객관적이라는 것은 데이터가 지향하는 대상과 데이터의 일치를 전제로 하면서 이 데이터가 습득되는 과정에서 주관적인 개입이 배제되어야 확보될 수 있을 것이다. 그렇지만 이러한 근대적인 기계적 객관성이 보장된다 하더라도 공정하지 않을 수 있는 문제가 발생한다. 데이터의 객관성은 데이터 자체의 습득 과정에서 논의되겠지만, 데이터의 공정성은 데이터의 활용과정에서 더 문제가 제기되기 마련이다. 따라서 데이터윤리의 관점에서 빅데이터의 수집과 활용의 과정에서 모집단 편향성, 데이터 편향성, 데이터 객관성, 데이터 공정성의 의미가 분명하게 규정되어야 할 것이다.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
등록된 정보가 없습니다.
참고문헌
참고문헌 신청최근 본 자료
