O roli kobiet w IT oraz dyskryminacji w sztucznej inteligencji rozmawiałem z Karoliną Drobotowicz.

Karolina bada temat etycznej i godnej zaufania sztucznej inteligencji na niedalekiej północy, na uniwersytecie Aalto w Espoo, Finlandii. Ukończyła stopień inzynierski z Automatyki i Robotyki w Gdańsku oraz magisterski z interakcji między człowiekiem a komputerem w Szwecji i Finlandii. Poza tym, jest aktywna zarówno w temacie wsparcia kobiet w branży technologicznej oraz wśród natury na nartach, łyżwach czy rowerze 😁

00:00 Przywitanie

01:46 Finlandia, studia, scena startupowa

05:56 #IamRemarkable

08:39 Kobiety w IT

14:45 Czy kobiety się nadają do IT?

19:04 3 problemy kobiet w IT

27:06 Kobiety nie czują się dyskryminowane

31:55 Jak sztuczna inteligencja może dyskryminować?

41:16 Etyka w IT

51:16 Co robić gdy pojawia się bias?

54:38 Dlaczego ma mnie to obchodzić?

56:38 Czy AI można ufać?

01:00:02 Podsumowanie w 3 punktach

Linki:

Blog i portfolio, wersja beta 😉 https://karolinadrobotowicz.com
LinkedIn: https://www.linkedin.com/in/karolina-drobotowicz
13 minut o życiu w Finlandii: https://youtu.be/igOsOJa9oaI
Inicjatywa #IamRemarkable: https://iamremarkable.withgoogle.com

Artykuły wspomniane w filmiku:

Apple HealthKit "z wszystkim" ale bez możliwości śledzenia miesiączki https://www.theverge.com/2014/9/25/6844021/apple-promised-an-expansive-health-app-so-why-cant-i-track (zmienili w 2015)
Zarządy, których członkiniami też są kobiety radzą sobie lepiej: Christianne Corbett, and Catherine Hill. Graduating to a Pay Gap The Earnings of Women and Men One Year after College Graduation. Rep. Washington, DC: AAUW, 2012
Stereotypy płciowe w pracy i stanowiska stworzone "przez mężczyzn dla mężczyzn":
1. Heilman (2012): Gender stereotypes and workplace bias. https://icos.umich.edu/sites/default/files/lecturereadinglists/Heilman%20Gender%20Stereotypes%20and%20Workplace%20Bias%20,%202012%20ROB.PDF
2. Hertz, R.: Work & leadership: tests of manhood. Regional Review, Federal Reserve Bank of Boston, 2005.
"Leaky pipeline":
1. Grogan, K.: How the entire scientific community can confront gender bias in the workplace. Nature Ecology & Evolution 3, 2018.
2. Makarova, E. et al.: The Gender gap in STEM fields: The impact of the gender stereotype of math and science on secondary students’ career aspirations. Front. Educ. 10, 2019.
3. Miller, D.I. et al.: Women’s representation in science predicts national gender-science stereotypes: evidence from 66 nations. J. Educ. Psychol. 107, 2015.
Baza danych wszystkich incydentów dookoła AI: https://incidentdatabase.ai/cite/37

📘 Kup „TypeScript na poważnie”: https://sklep.typeofweb.com

🔔 Subskrybuj mój kanał: https://www.youtube.com/typeofweb?sub_confirmation=1

🔗 Znajdziesz mnie na:

Blog – https://typeofweb.com

Facebook – https://facebook.com/typeofweb

Instagram – https://instagram.com/michal_typeofweb

Podcast – https://anchor.fm/typeofweb

✋ Dołącz do społeczności na Discordzie! https://discord.typeofweb.com

Music: www.bensound.com

REST API kontra GraphQL · Programistyczny Rozhowor vol. 7

Type of WebBy Michał MiszczyszynApr 08, 2022