{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部分”：[[2024,6,28]]，“日期-时间”：“2024-06-28T18:21:07Z”，“时间戳”：1719598867994}，“出版商位置”：“美国纽约州纽约市”，“引用-计数”：86，“出版者”：“ACM”，“内容-域”：“域”：[”dl.ACM.org“]，“十字标记restriction“：true}，”short-container-title“（重新限制）用法：[]，“published-print”：{“date-parts”：[[2021,3,3]]}，“DOI”：“10.1145\/3442188.3445888”，“type”：“proceedings-article”，“created”：{“date-ports”：[2021,3,3]，“date-time”：“2021-03-03T01:26:24Z”，“timestamp”：1614734784000}，《update-policy》：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“source”“：”Crossref“，”is-referenced-by-count“：63，”title“：[“我们无法测量，我们无法理解”]，“前缀”：“10.1145”，“作者”：[{“给定”：“McKane”，“家族”：“Andrus”，“sequence”：“first”，“affiliation”：[}“name”：“AI上的伙伴关系”}]}，{“given”：“Elena”，“family”：“Spitzer”，”sequence“：”additional“，”affiliance“[{”name“：“人工智能上的伙伴合作关系”}]}，}“给定的”：“Jeffrey”，“家庭”：“Brown”，“序列“：”附加“，“affiliation”：[{“name”：“Partnership on AI，Minnesota State University，Mankato”}]}，{“given”：“Alice”，“family”：“Xiang”，“sequence”：“additional”，“affaliation”:[{（名称）：“Sony AI，Partnership-on AI”}]]，“member”：“320”，“published-on-line”：{“date-parts”：[2021,3]]}、“reference”：[}“key”：”e_1_3_2_1_1_1_1“，“volume-title”：“2019年美国人工智能学会关于人工智能、道德和社会的会议记录。美国人工智能协会，美国檀香山，445-451”，“作者”：“Andrus McKane”，“非结构化”：“McKane Andrus和Thomas K.Gilbert。2019。走向公正的测量理论：机器学习的原则性社会测量保证计划。在2019年AAAI/ACM人工智能、伦理和社会会议记录中。ACM，美国火奴鲁鲁，邮编：445-451。https:\/\/doi.org\/10.1145\/3306618.3314275 10.1145\/33066 18.3314275-Makane Andrus和Thomas K.Gilbert。2019.走向公正的测量理论：机器学习的原则性社会测量保证计划。2019年AAAI\/ACM人工智能、道德和社会会议记录。美国夏威夷州檀香山ACM，445-451。https:\/\/doi.org\/10.1145\/3306618.3314275“}，{“key”：“e_1_3_2_1_2_1”，“unstructured”：“McKane Andrus Elena Spitzer and Alice Xiang.2020。努力解决算法偏差？不要忽视人口数据的作用。https:\/\/www.partnershiponai.org\/人口统计学数据\/麦卡娜·安德鲁斯·埃琳娜·斯皮策和爱丽丝·香。2020年，致力于解决算法偏差？不要忽视人口数据的作用。https:\/\/www.partnershiponai.org\/人口统计学-数据\/“}，{“key”：“e_1_3_2_1_3_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1177\/146879410100100307“}”，{”key“：”e_1_ 3_2_1_4_1“，”volume-title“：”美国人与隐私：担忧、困惑和感觉对个人信息缺乏控制“，”author“：”Auxier Brooke“，”年份：“2019”，“非结构化”：“布鲁克·奥西尔、李·雷尼、莫妮卡·安德森、安德鲁·佩林、马杜·库马尔和艾丽卡·特纳。2019.美国人与隐私：担忧、困惑和对个人信息缺乏控制。皮尤研究中心：互联网、科学技术（博客）。2019年11月15日（2019年）。布鲁克·奥西尔、李·雷尼、莫妮卡·安德森、安德鲁·佩林、马杜·库马尔和艾丽卡·特纳。2019.美国人与隐私：担忧、困惑和对个人信息缺乏控制。皮尤研究中心：互联网、科学技术（博客）。2019年11月15日。“}，{“key”：“e_1_3_2_1_5_1”，“volume-title”：“超越偏见：重新想象刑法中的‘道德人工智能’术语。SSRN电子期刊”，“作者”：“巴拉巴斯·切尔西”，“年份”：“2019年”，“非结构化”：“切尔西·巴拉巴斯。2019.超越偏见：重想刑法中的’道德人工智能术语。SSRNA电子期刊（2019）https:\/\/doi.org\/10.2139\/ssrn.3377921 10.2139\/srsrn.3377921 Chelsea Barabas。2019.超越偏见：重新想象刑法中“道德人工智能”的术语。SSRN电子期刊（2019）。https:\/\/doi.org\/10.2139\/ssrn.3377921“}，{“key”：“e_1_3_2_1_6_1”，“volume-title”：“公平、问责制和透明度会议。PMLR，62-76”，“author”：“巴拉巴斯-切尔西”，“year”：“2018”，“unstructured”：“切尔西·巴拉巴斯（Chelsea Barabas）、维尔扎夫人（Madars Virza）、卡西克·迪纳卡（Karthik Dinakar）、伊藤佐一（Joichi Ito）和乔纳森·兹特伦（Jonathan Zittrain）。2018 . 干预胜于预测：重新定义精算风险评估的道德辩论。在公平、问责制和透明度会议上。PMLR，62-76。切尔西·巴拉巴斯（Chelsea Barabas）、维尔扎夫人（Madars Virza）、卡西克·迪纳卡（Karthik Dinakar）、伊藤佐一（Joichi Ito）和乔纳森·兹特兰（Jonathan Zittrain）。2018.干预预测：重新定义精算风险评估的道德辩论。在公平、问责制和透明度会议上。PMLR，62--76.“}，{“key”：“e_1_3_2_1_7_1”，“volume-title”：“迈克尔·卡特尔，P.M.克拉夫特，詹妮弗·李，尚卡·纳拉扬，弗兰齐斯卡·普茨，丹妮拉·拉兹，布莱恩·罗比克，阿伦·塔姆，阿比尔·沃尔杜，梅格·杨。”，“作者”：“巴古提·比桑”，“年份”：“2020年”，“非结构化”：“比桑·巴古提（Bissan Barghouti）、科琳娜·宾茨（Corinne Bintz）、达马·戴利（Dharma Dailey）、米卡·爱泼斯坦（Micah Epstein）、维维安·盖特勒（Vivian Guetler）、伯纳斯·赫尔曼（Bernease Herman）、帕·奥斯曼·乔布（Pa Ousman Jobe）、迈克尔·卡特尔（Michael Katell）、P.M.克拉夫特（P.Krafft）、詹妮弗·李（Jennifer Lee）、珊卡·纳拉扬（Shankar Narayan）、弗兰齐斯卡·普茨（Franziska Putz）、丹妮拉·拉兹（Daniella Raz）、布莱恩。2020 . 算法公平工具包。https:\/\/www.acluwa.org\/AEKit Bissan Barghouti、Corinne Bintz、Dharma Dailey、Micah Epstein、Vivian Guetler、Bernase Herman、Pa Ousman Jobe、Michael Katell、P.M.Krafft、Jennifer Lee、Shankar Narayan、Franziska Putz、Daniella Raz、Brian Robick、Aaron Tam、Abiel Woldu和Meg Young。2020.算法公平工具包。https:\/\/acluwa.org/AEKit“｝，｛“key”：“e_1_3_2_1_8_1”，“首页”：“671”，“文章标题”：“大数据的差异影响”，“卷”：“104”，“作者”：“Barocas Solon”，“年份”：“2016”，“非结构化”：“Solon Barocas and Andrew D.Selbst.2016。大数据的差异影响。加州法律评论104（2016），671。https:\/\/heinliner.org/HOL\/page？handle=hein.joards\/calr104&id=695&div=&collection=Solon Barocas和Andrew D.Selbst。2016年，大数据的不同影响。《加利福尼亚州法律评论》104（2016），671。https:\/\/heinonline.org\/HOL\/页面？handle=hein.journals\/calr104&id=695&div=&collection=“，”journal-title“：”California Law Review“}，{“key”：“e_1_3_2_1_9_1”，“volume-title”：“John Richards，Diptikalyan Saha，Prasanna Sattigeri，Moninder Singh，Kush R.Varshney，and Yunfeng Zhang。”，“作者”：“Bellamy Rachel K.e.”，“年份”：“2018”，“非结构化”：“Rachel K.e。贝拉米、昆塔尔·戴伊、迈克尔·欣德、塞缪尔·霍夫曼、斯蒂芬妮·胡德、卡巴里亚·坎南、普拉内·洛希亚、杰奎琳·马蒂诺、萨米普·梅塔、阿列克桑德拉·莫杰西洛维奇、西玛·纳加、卡提基安·内森·拉马穆尔西、约翰·理查兹、迪普蒂卡利安·萨哈、普拉桑娜·萨蒂盖里、莫宁德·辛格、库什·瓦什尼和张云峰。2018 . AI公平360：用于检测、理解和缓解不需要的算法偏差的可扩展工具包。arXiv:1810.01943[cs]（2018年10月）。http://\/arxiv.org\/abs\/1810.01943瑞秋·K·E·贝拉米、昆塔尔·戴伊、迈克尔·欣德、塞缪尔·霍夫曼、斯蒂芬妮·胡德、卡巴里亚·坎南、普拉内·洛希亚、杰奎琳·马蒂诺、萨米普·梅塔、阿列克桑德拉·莫杰西洛维奇、西玛·纳加尔、卡蒂基安·内森·拉马穆尔西、约翰·理查兹、迪普蒂卡利安·萨哈、普拉桑娜·萨蒂盖里、蒙因德·辛格、库什·瓦什尼，和张云峰。2018年，AI公平360：检测、理解和缓解不需要的算法偏差的可扩展工具包。arXiv:1810.01943[cs]（2018年10月）。http://\/arxiv.org\/abs\/1810.01943“}，{“key”：“e_1_3_2_10_1”，“volume-title”：“Bennett and Os Keyes”，“author”：“Cynthia”，“year”：“2020”，“unstructured”：“辛西娅·贝内特和Os Keyes.200.公平的意义是什么？：残疾、人工智能和司法的复杂性。ACM SIGACCESS可访问性和计算125（2020年3月），1-1。https:\/\/doi.org\/10.1145\/3386296.3386301 10.1145\/33868296.3386301 Cynthia L.Bennett和Os Keyes。2020年。公平的意义何在残疾、人工智能和司法的复杂性。ACM SIGACCESS可访问性和计算125（2020年3月），1--1。https:\/\/doi.org\/10.1145\/3386296.3386301“}，{”key“：”e_1_3_2_11_1“，”first page“：“803”，”article-title“：”Algorithmic Affirmative Action Legal“，“volume”：“108”，“author”：“Bent Jason R”，“year”：“2020”，“unstructured”：“Jason R Bent.2020。Algorithyic Afformative Action Lega？Georgetown Law Journal 108（2020），803.Jason R Bot.2020。算法平权行动合法吗？《乔治敦法律杂志》108（2020），803.“，“新闻标题”：“乔治敦法律期刊”}，{“key”：“e_1_3_2_12_1”，“volume-title”：“公平、问责制和透明度会议记录-FAT*'19”，“作者”：“本特豪尔·塞巴斯蒂安”，“非结构化”：“塞巴斯蒂安·本特豪尔和布鲁斯·海恩斯，2019。机器学习中的种族类别。《公平、问责制和透明度会议记录》（FAT*19）。美国乔治亚州亚特兰大ACM出版社，289--298。https:\/\/doi.org\/10.1145\/3287560.3287575 10.1145\/3287660.3288575塞巴斯蒂安·本特霍尔和布鲁斯·海恩斯。2019.机器学习中的种族分类。《公平、问责制和透明度会议记录》（FAT*19）。美国乔治亚州亚特兰大ACM出版社，289--298。https:\/\/doi.org\/10.1145\/3287560.3287575“}，{”key“：”e_1_3_2_13_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3351095.3372877”}，“key”：“e_1_3_2_14_1”，“unstructured”：“消费者金融保护局，2014。使用公开信息代表未确认的种族和族裔。(2014). https:\/\/www.consumerfinance.gov\/data-research\/research-reports\/using-publicy-available-information-to-proxy-for-nidentified-race-and-enationship\/消费者金融保护局。2014.使用公开信息代表未确认的种族和族裔。(2014). https:\/\/www.consumerfinance.gov\/data-research\/research-reports\/using-publicy-available-information-to-proxy-for-nidentified-race-and-egeneration\/“}，{“key”：“e_1_3_2_15_1”，“unstructured”：“Brandee Butler.2020。欧盟要有效解决种族不公正问题，我们需要数据。半岛电视台。白兰地·巴特勒。2020.为了欧盟有效解决种族不公正问题，我们需要数据。半岛电视台。“}，{”key“：”e_1_3_2_16_1“，”volume-title“：”Jennifer Rode、Anna Lauren Hoffmann、Niloufar Salehi和Lisa Nakamura“，”author“：”Cifor Marika“，”year“：”2019“，”unstructured“：”玛丽卡·西弗（Marika Cifor）、帕特里夏·加西亚（Patricia Garcia）、TL考恩（TL Cowan）、茉莉·劳尔（Jasmine Rault）、托妮娅·萨瑟兰（Tonia Sutherland）、安妮塔·萨伊·陈（Anita Say Chan）、詹妮弗·罗德（Jennifer Rode）、安。2019 . 女性主义数据宣言编号：https:\/\/www.manifestno.com/Marika Cifor、Patricia Garcia、TL Cowan、Jasmine Rault、Tonia Sutherland、Anita Say Chan、Jennifer Rode、Anna Lauren Hoffmann、Niloufar Salehi和Lisa Nakamura。2019.女性主义数据宣言编号：https:\/\/www.manifestno.com/“}，{“key”：“e_1_3_2_1_17_1”，“unstructured”：“美国平等就业机会委员会等，1979年。问答旨在澄清员工选拔程序统一指南并提供通用解释。美国平等就业机会委员会等，1979年。问答旨在澄清员工选拔程序统一指南并提供通用解释。“}，{”key“：”e_1_3_2_18_1“，”volume-title“：公平的衡量和误判：公平机器学习的批判性评论。arXiv:1808.00023[cs]（Aug），”author“：”Corbett-Davies Sam“，“year”：“2018”，”unstructured“：”Sam Corbett-Davies and Sharad Goel.2018。公平的度量与误判：公平机器学习的批判性评论。arXiv:1808.00023[cs]（2018年8月）。http://\/arxiv.org\/abs\/1808.00023萨姆·科贝特·达维斯和莎拉·戈尔。2018年，公平的衡量与误判：公平机器学习的批判性评论。arXiv:1808.00023[cs]（2018年8月）。http://\/arxiv.org\/abs\/1808.00023“}，{“key”：“e_1_3_2_19_1”，“unstructured”：“Kimberl\u00e9 Crenshaw.1989。淡化种族与性别的交叉：黑人女性主义对反歧视主义、女性主义理论和反种族主义政治的批判。u.池。法律f.（1989）139。Kimberl\u00e9克伦肖。1989年，种族与性别交叉的淡化：黑人女性主义对反歧视主义、女性主义理论和反种族主义政治的批判。u.池。Legal f.（1989）139.“}，{”key“：”e_1_3_2_1_20_1“，”unstructured“：”Cara Crotty.2020。残疾自我鉴定修订表发布。https:\/\/www.constangy.com/肯定-行动-警报\/revised-form-forself-identification-of-disability Cara Crotty。2020年，发布了修订后的残疾自我鉴定表。https://www.constangy.com\/平权行动警报\/残疾自我识别修订表”}，｛“密钥”：“e_1_3_2_1_21_1”，“非结构化”：“d4bl.2020。数据4黑人的生命。https:\/\\/d4bl.org\/d4bl。2020年数据4黑人生活。https:\/\/d4bl.org\/“}，{“key”：“e_1_3_2_1_22_1”，“volume-title”：“自动化决策中偏见的更广泛观点：反思认识论和动力学。arXiv:1807.00553[cs，math，stat]（July），“author”：“Dobbe Roel”，“year”：“2018”，“unstructured”：“Roel Dobbe，Sarah Dean，Thomas Gilbert，and Nitin Kohli.2018。关于自动决策中偏见的更广泛观点：反思认识论和动力学。arXiv:1807.00553[cs，math，stat]（2018年7月）。arXiv:1807.00553[cs，math，stat]http://\/arXiv.org\/abs\/1807.00553-Roel Dobbe、Sarah Dean、Thomas Gilbert和Nitin Kohli。2018年，自动化决策中偏见的更广泛观点：反思认识论和动力学。arXiv:1807.00553[cs，math，stat]（2018年7月）。arXiv:1807.00553[cs，math，stat]http://\/arXiv.org\/abs\/1807.00553“}，{“key”：“e_1_3_2_1_23_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/3351095.3372878“}”，{”key“：”e_1_ 3_2_1_2 4_1“，”doi-assert-by“：”publisher“，_1_25_1“，“非结构化”：“欧洲议会和欧盟理事会，2016年。条例（欧盟）2016\/679（通用数据保护条例）。https:\/\/eur lex.europa.eu\/legalcontent\/EN\/TXT\/HTML\/？uri=CELEX:32016R0679&from=EN欧洲议会和欧盟理事会。2016年法规（EU）2016\/679（一般数据保护法规）。https:\/\/eur-lex.europa.eu\/legalcontent\/EN\/TXT\/HTML\/？uri=CELEX:32016R0679&from=EN“}，{“key”：“e_1_3_2_1_26_1”，“volume-title”：“联邦数据保护法案”，“author”：“德国联邦议院”，“year”：“2017”，“unstructured”：“German Bundestag 2017”。2017年6月30日《联邦数据保护法》（BDSG）。，2097页。https:\/\/www.gesetze-im-internet.de\/englisch_bdsg\/englische_bdsg.html 2017年德国联邦议院。2017年6月30日《联邦数据保护法》（BDSG）。，2097页。https:\/\/www.gesetze-im-internet.de\/englisch_bdsg\/englische_bdsg.html“}，{“key”：“e_1_3_2_1_27_1”，“volume-title”：“AAAI人工智能会议论文集”，“卷”：“33”，“作者”：“Ghili Soheil”，“年份”：“2019”，“非结构化”：“Soheil Ghili、Ehsan Kazemi和Amin Karbasi。2019 . 消除潜在的歧视：训练然后伪装。《AAAI人工智能会议论文集》，第33卷。3672--3680. Soheil Ghili、Ehsan Kazemi和Amin Karbasi。2019.消除潜在歧视：训练然后伪装。《AAAI人工智能会议论文集》，第33卷。3672-3680.“}，{”key“：”e_1_3_2_1_28_1“，”volume-title“：”第29届神经信息处理系统会议（NIPS）“，”author“：”Goodman Bryce W“，”year“：”2016“，”unstructured“：”Bryce W-Goodman。2016。迈向负责任算法的一步？算法歧视和欧盟一般数据保护。第29届神经信息处理系统会议（NIPS 2016），巴塞罗那。NIPS基础。布莱斯·古德曼。2016.朝着负责任的算法迈出了一步？算法歧视和欧盟一般数据保护。在巴塞罗那举行的第29届神经信息处理系统会议（NIPS 2016）上。NIPS基础。“}，{”key“：”e_1_3_2_1_29_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/3351095.3372840”}，“key”：“e_1_ 3_2_1_30_1”，“volume-title”：“Mahdi Milani Fard，and Serena Wang”，“author”：“Gupta Maya”，“year”：“2018”，“unstructured”：“Maya Gupta，Andrew Cotter，Mahdi Milani Fard.，and Serenea Wang.2018.代理公平。arXiv:1806.11212[cs，stat]（2018年6月）.arXiv:1806.11212[cs，stat]http://\/arXiv.org\/abs\/1806.11212玛娅·古普塔、安德鲁·科特、马赫迪·米拉尼·法德和塞雷娜·王。2018年，代理公平。arXiv:1806.11212[cs，stat]（2018年6月）。arXiv:1806.11212[cs，stat]http://\/arXiv.org\/abs\/1806.11212“}，{“key”：“e_1_3_2_1_31_1”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s10618-014-0393-7”}，“key“：”e_1_as_2_1_32_1“，“volume-title”：“Morgan Klaus Scheuerman，and Stacy M.Branham”，“author”：“Hamidi Foad”，“year”：“2018”，“unstructured”“：”Foad Hamidi、Morgan Klaus Scheuerman和Stacy M。布兰纳姆。2018 . 性别认同还是性别缩减嵌入式性别识别系统的社会影响。在2018 CHI计算机系统中的人为因素会议记录-CHI’18。ACM出版社，加拿大蒙特利尔QC，1-13。https:\/\/doi.org\/10.1145\/3173574.31735582 10.1145\/3173544.3173582 Foad Hamidi、Morgan Klaus Scheuerman和Stacy M.Branham。2018年，性别认同还是性别缩减嵌入式性别识别系统的社会影响。2018年CHI计算机系统人为因素会议记录-CHI'18。ACM出版社，蒙特利尔QC，加拿大，1-13。https:\/\/doi.org\/10.1145\/3173574.3173582“}，{“key”：“e_1_3_2_1_33_1”，“doi-asserted-by”：“publisher”、“doi”：“10.1145\/3351095.3372826”}、{“密钥”：“e_1_3_1_34_1”、”doi-assert-by“：”publisher“，”doi“：”10.2307\/3178066“}适用于机器的人类法律：“色盲”计算机的危险”，“作者”：“哈内德·扎克”，“年份”：“2019年”，“非结构化”：“扎克·哈内德和汉娜·瓦拉赫。2019.将人类法律延伸至机器：“色盲”计算机的危险。佛罗里达州立大学法律评论，即将出版（2019年）。扎克·哈内德和汉娜·瓦拉赫。2019.将人类法律延伸至机器：“色盲”计算机的危险。佛罗里达州立大学法律评论，即将出版（2019年）。“}，{”key“：”e_1_3_2_1_36_1“，”volume-title“：”重复损失最小化中没有人口统计的公平性。arXiv:1806.08010[cs，stat]（7月），”author“：”Hashimoto Tatsunori B.“，”year“：”2018“，”unstructured“：”Tatsunoi B.Hashimoto.，Megha Srivastava，Hongseok Namkoong，and Percy Liang.2018。重复损失最小化中的无人口统计公平。arXiv:1806.08010[cs，stat]（2018年7月）。arXiv:1806.08010[cs，stat]http:\/\/arXiv.org\/abs\/1806.08010 Tatsunori B.Hashimoto、Megha Srivastava、Hongseok Namkoong和Percy Liang。2018年，在重复损失最小化中实现无人口统计的公平。arXiv:1806.08010[cs，stat]（2018年7月）。arXiv:1806.08010[cs，stat]http://\/arXiv.org\/abs\/1806.08010“}，{“key”：“e_1_3_2_1_37_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1080\/1369118X.2019.1573912“}”，{”key“：”e_1_ 3_2_1_1_38_1“，”doi-assert-by“：”publisher“，3_2_1_39_1“，”首页“：”1“，”文章标题“：”那么什么“应该”，“卷”：“3”，“作者”：“Howell Junia”，“年份”：“2017年”，“非结构化”：“Junia Howell和Michael O.Emerson。2017.那么我们应该使用什么？评估五种种族措施对社会不平等标记的影响。种族与民族社会学3，1（2017年1月），14-30。https:\/\/doi.org\/10.1177\/2332649216648465 10.1177\/233249216648465 Junia Howell和Michael O.Emerson。2017年。那么我们应该使用什么？评估五项种族措施对社会不平等标记的影响。种族和民族社会学3，1（2017年1月），14-30。https:\/\/doi.org\/10.1177\/2332649216648465“，“journal-title”：“评估五种种族措施对社会不平等标记的影响。《种族与民族社会学》}，{“key”：“e_1_3_2_1_40_1”，“doi断言”：“publisher”，“doi”：“10.1145\/3351095.3375674”}，{“key”：“e_1_3_2_1_41_1”，“volume title”：“Crossing the Quality Chasm：A New Health System for the 21st Century”，“author”：“Institute of Medicine（US）Committee on Quality of Health Care in America.2001.”，“nonstructured”：“美国医学研究所美国医疗质量委员会。2001.跨越质量鸿沟：21世纪的新卫生系统。美国国家学院出版社，华盛顿特区。http://www.ncbi.nlm.nih.gov\/books\/NBK222274\/美国医学研究所美国医疗质量委员会。2001.跨越质量鸿沟：21世纪的新卫生系统。美国国家学院出版社，华盛顿特区。http://www.ncbi.nlm.nih.gov\/books\/NBK222274\/“}，{“key”：“e_1_3_2_1_42_1”，“volume-title”：“Jacobs and Hanna Wallach”，“author”：“Abigail”，“year”：“2019”，“unstructured”：“Abigail Z.Jacobs andHanna Walleach.2019.测量与公平性。arXiv:1912.05511[cs]（2019年12月）。arXiv：1912.05511[cs]http://\/arXiv.org\/abs \/1912.05511阿比盖尔Z。雅各布斯和汉娜·瓦拉赫。2019.计量与公平。arXiv:1912.05511[cs]（2019年12月）。arXiv:1912.05511[cs]http:\/\/arXiv.org/abs\/19120.55511“}，｛“key”：“e_1_3_2_1_43_1”，“volume title”：“国际机器学习会议。PMLR，3000-3008”，“author”：“Jagielski Matthew”，“year”：“2019”，“nonstructured”：“Matthew Jagielski、Michael Kearns、Mao Jieming、Alina Oprea、Aaron Roth、Saeed Sharifi Malvajerdi和Jonathan Ullman。2019 . 不同的私人公平学习。在机器学习国际会议上。PMLR，3000--3008。马修·贾吉尔斯基（Matthew Jagielski）、迈克尔·卡恩斯（Michael Kearns）、毛杰明（Jieming Mao）、艾琳娜·奥普雷亚（Alina Oprea）、亚伦·罗斯（Aaron Roth）、赛义德·沙里菲·马尔瓦杰迪（Saeed Sharifi-Malvajerdi）和乔纳森·乌尔曼（Jonathan Ullman）。2019.不同的私人公平学习。在机器学习国际会议上。PMLR，3000--3008。“}，{”键“：”e_1_3_2_1_44_1“，”非结构化“：”LLana James.2020。基于种族的新型冠状病毒肺炎数据可用于歧视种族化社区。http:\/\/theconversation.com/race-based-covid-19-data-may-be-used-to-discrimination-against-racialized-communities-138372 LLana James。2020年。基于种族的新型冠状病毒肺炎数据可用于歧视种族化社区。http://theconversation.com/race-based-covid-19-data-may-be-used-to-discrimination-against-racialized-communities-138372“}，{“key”：“e_1_3_2_1_45_1”，“volume-title”：“联邦学习中的进步和开放问题。arXiv:1912.04977[cs，stat]（Dec），“author”：“Kairouz-Peter”，“year”：“2019”，“unstructured”：“Peter Kairouz and Others.2019”。联合学习的进展和存在的问题。arXiv:1912.04977[cs，stat]（2019年12月）。arXiv:1912.04977[cs，stat]http://\/arXiv.org\/abs\/1912.04977彼得·凯鲁兹等人。2019.联合学习的进展和存在的问题。arXiv:1912.04977[cs，stat]（2019年12月）。arXiv:1912.04977[cs，stat]http:\/\/arXiv.org\/abs\/1912.04977“}，{“key”：“e_1_3_2_1_46_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/ICDMW.2011.83“}”，{”key“：”e_1_ 3_2_1 _47_1“，”volume-title“：”2020年公平、问责制和透明度会议记录。ACM，西班牙巴塞罗那，45-55“，”author“：”Katell Michael“，“unstructured“：”迈克尔·卡特尔、梅格·杨、达马·戴利、伯纳斯·赫尔曼、维维安·盖特勒、阿伦·谭、科琳娜·宾兹、丹妮拉·拉兹和P.M.克拉夫特。2020年，实现算法公平的情境干预：来自实地的经验教训。《2020年公平、问责制和透明度会议记录》。西班牙巴塞罗那ACM，45-55。https:\/\/doi.org\/10.1145\/335095.3372874 10.1145\/3351095.3372874迈克尔·卡特尔、梅格·杨、达玛·戴利、伯纳斯·赫尔曼、维维安·盖特勒、阿伦·谭、科琳娜·宾兹、丹妮拉·拉兹和P.M.克拉夫特。2020年，实现算法公平的情境干预：来自实地的经验教训。《2020年公平、问责制和透明度会议记录》。ACM，西班牙巴塞罗那，45-55。https:\/\/doi.org\/10.1145\/3351095.3372874“}，{“key”：“e_1_3_2_1_48_1”，“volume-title”：“盲目正义：加密敏感属性的公平。arXiv:1806.03281[cs，stat]（June），“author”：“Kilbertus Niki”，“year”：“2018”，“unstructured”：“Niki Kilbertu，Adri\u00e0 Gasc\u00f3n，Matt J.Kusner，Michael Veale，Krishna P。Gummadi和Adrian Weller。2018 . 盲目的正义：具有加密敏感属性的公平。arXiv:1806.03281[cs，stat]（2018年6月）。arXiv:1806.03281[cs，stat]http://\/arXiv.org\/abs\/1806.03281 Niki Kilbertus、Adri\u00e0 Gasc\u00f3n、Matt J.Kusner、Michael Veale、Krishna P.Gummadi和Adrian Weller。2018年，《盲目司法：加密敏感属性的公平》（Blind Justice：Fairness with Encrypted Sensitive Attributes）。arXiv:1806.03281[cs，stat]（2018年6月）。arXiv:1806.03281[cs，stat]http:\/\/arXiv.org\/abs\/1806.03281“}，{“key”：“e_1_3_2_1_49_1”，“volume-title”：“使用隐私保护数据进行公平决策。arXiv:1905.12744[cs]（Jan），“author”：“Kuppam Satya”，“year”：“2020”，“unstructured”：“Satya Kuppam，Ryan Mckenna，David Pujol，Michael Hay，Ashwin Machanavajhala，and Gerome Miklau.2020●●●●。使用受隐私保护的数据进行公平决策。arXiv：1905.1744【cs】（2020年1月）。arXiv:1905.12744[cs]http://arXiv.org/abs\/190512.2744 Satya Kuppam、Ryan Mckenna、David Pujol、Michael Hay、Ashwin Machanavajjala和Gerome Miklau。2020年，利用隐私保护数据进行公平决策。arXiv:1905.12744[cs]（2020年1月）。arXiv:1905.12744[cs]http://\/arXiv.org\/abs\/1905.12744“}，{”key“：”e_1_3_2_1_50_1“，”volume-title“：”Chi“，”author“：”Lahoti Preethi“，“year”：“2020”，”unstructured“：”Preethi Lahoti、Alex Beutel、Jilin Chen、Kang Lee、Flavien Prost、Nithum Thain、Xuezhi Wang和Ed H。芝加哥。2020 . 通过对手调整学习实现无人口统计的公平。arXiv:2006.13114[cs，stat]（2020年6月）。arXiv:2006.13114[cs，stat]http:\/\/arXiv.org\/abs\/2006.13114普雷西·拉霍蒂、亚历克斯·贝特尔、吉林·陈、康·李、弗拉维恩·普罗斯特、尼图姆·塞恩、王学智和Ed H.Chi。2020年，通过反向加权学习实现无人口统计的公平。arXiv:2006.13114[cs，stat]（2020年6月）。arXiv:2006.13114[cs，stat]http://\/arXiv.org\/abs\/2006.13114“}，{“key”：“e_1_3_2_1_51_1”，“volume-title”：“Cambridge Analytica如何激发伟大的隐私觉醒。Wired（3月），“author”：“Laposwsky Issie”，“year”：“2019”，“unstructured”：“Issie Laposky.2019”。剑桥分析如何引发伟大的隐私觉醒。有线电视（2019年3月）。https:\/\/www.wired.com/story\/cambridge-analytica-facebook-privacy-awakening\/Issie Lapowsky。2019.剑桥分析公司如何引发伟大的隐私觉醒。有线电视（2019年3月）。https:\/\/www.wired.com/story\/cambridge-analytica-facebook-privacy-awakening\/“}，{“key”：“e_1_3_2_1_52_1”，“unstructured”：“LinkedIn.[n.d.].LinkedIn Recruiter:The Industry-Standard招聘工具。https:\//business.LinkedIn.com\/talent-solutions\/recuriter LinkedIn.[n.d]LinkedIn招聘人员：行业标准招聘工具。https:\/\/business.linkedin.com/talent-solutions\/recuriter“}，{”key“：”e_1_3_2_1_53_1“，”首页“：”11“，”article-title“：”定性研究中的创新方法“，”volume“：“12”，”author“：”Maramwidze-Merrison Efrider“，”year“：”2016“，”unstructured“：”埃弗里德·马拉姆维泽-梅里森。2016 . 定性研究中的创新方法：访问组织精英进行面试的社交媒体窗口。12 , 2 (2016), 11 . 埃弗里德·马拉姆维泽-梅里森。2016年，《定性研究的创新方法：访问组织精英进行采访的社交媒体窗口》。12，2（2016），11.“，“新闻标题”：“访问组织精英进行采访的社交媒体窗口。“}，{”key“：”e_1_3_2_1_54_1“，”volume-title“：”Andrew Smart和William S.Isaac“，”author“：”Jr Donald Martin“，“年份”：“2020年”，”unstructured“：”Donald Matin Jr.，Vinodkumar Prabhakaran，Jill Kuhlberg，Andrew Smart，and William S。艾萨克。2020 . 通过基于社区的系统动力学为更公平的机器学习制定参与式问题。arXiv:2005.07572[cs，stat]（2020年5月）。arXiv:2005.07572[cs，stat]http://\/arXiv.org\/abs\/2005.07572小唐纳德·马丁、维诺德库马尔·普拉巴卡兰、吉尔·库尔伯格、安德鲁·斯马特和威廉·艾萨克。2020年，通过基于社区的系统动力学，为更公平的机器学习制定参与式问题。arXiv:2005.07572[cs，stat]（2020年5月）。arXiv:2005.07572[cs，stat]http:\/\/arXiv.org/abs\/2005/07572“｝，｛”键“：”e_1_3_2_1_55_1“，”非结构化“：”微软.2020。公平学习。https:\/\/github.com\/fairlearn\/fairlearn-Microsoft。2020年。Fairlearn。https:\/\/github.com/fairlearn\/fairlearn“}，{“key”：“e_1_3_2_1_56_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1177\/1527476419837739“}”，{”key“：”e_1_A_2_1_57_1“，”volume-title“：”ACM关于人机交互的论文集3，CSCW（2019年11月），“author”：“Mulligan Deirdre K.”，“year”：“1909”，“unstructured”：“Deirdrede”Joshua A.K.Mulligan。Kroll、Nitin Kohli和Richmond Y.Wong。2019年，这件事被称为公平：实现技术价值的学科困惑。《ACM人机交互会议论文集3》，CSCW（2019年11月），1-36。https:\/\/doi.org\/10.1145\/3359221 arXiv:1909.11869 10.1145\/33592 21-Deirdre K.Mulligan、Joshua A.Kroll、Nitin Kohli和Richmond Y.Wong。2019年，这件事被称为公平：实现技术价值的学科困惑。《ACM人机交互会议论文集3》，CSCW（2019年11月），1-36。https:\/\/doi.org\/10.1145\/3359221 arXiv:1909.11869“}，{“key”：“e_1_3_2_1_58_1”，“unstructured”：“Mimi Onuoha.2020。当证据不足时。https:\/\/fivethirtyeight.com/features\/when-proof-is-not-enough\/Mimi Onuoha。2020年。当证据不足时。https:\/\/fivethirtyeight.com/features\/when-proof-is-not-enough\/“}，{“key”：“e_1_3_2_1_59_1”，“首页”：“37”，“article-title”：“我们的数据体”，“卷”：“15”，“作者”：“佩蒂·塔瓦纳”，“年份”：“2018”，“非结构化”：“Tawana Petty、Mariella Saba、Tamika Lewis、Seeta Pe\u00f1a Gangadharan和Virginia Eubanks。2018 . 我们的数据体：回收我们的数据。2018年6月15日，37。Tawana Petty、Mariella Saba、Tamika Lewis、Seeta Pe\u00f1a Gangadharan和Virginia Eubanks。2018年，我们的数据体：回收我们的数据。June 15（2018），37.“，”journal-title“：“回收我们的数据”}，{“key”：“e_1_3_2_1_60_1”，“volume-title”：“Jennifer Walker和Per Axelsson。”，“author”：“Rainie Stephanie Carroll”，“year”：“2019”，“unstructured”：“斯蒂芬妮·卡罗尔·雷尼（Stephanie Carroll Rainie）、塔胡·库库泰（Tahu Kukutai）、玛吉·沃尔特（Maggie Walter）、奥斯卡·路易斯·菲格罗-罗德（Oscar Luis Figueroa-Rodr \u00edguez）、詹妮弗·沃克（Jennifer Walker。2019 . 土著数据主权。《开放数据的状态：历史与地平线》（2019年），第300页。斯蒂芬妮·卡罗尔·雷尼（Stephanie Carroll Rainie）、塔胡·库库泰（Tahu Kukutai）、玛吉·沃尔特（Maggie Walter）、奥斯卡·路易斯·菲格罗-罗德（Oscar Luis Figueroa-Rodr \u00edguez）、詹妮弗·沃克（Jennifer Walker）和佩尔·阿克塞尔森（Per Axelsson）。2019年。土著数据主权。《开放数据的状态：历史与地平线》（2019），300。“}，{“key”：“e_1_3_2_1_61_1”，“volume-title”：“负责任的人工智能在哪里遇到现实：实践者对转变组织实践的推动因素的看法。arXiv:2006.12358[cs]（7月），“author”：“Rakova Bogdana”，《year》：“2020”，“unstructured”：“博格达娜·拉科娃（Bogdana Rakova）、杨晶莹（Jingying Yang）、亨丽特·克拉默（Henriette Cramer）和鲁曼·乔杜里（Rumman Chowdhury）。2020年，负责任的人工智能在何处实现：从业者对转变组织实践的促成因素的看法。arXiv:2006.12358[cs]（2020年7月）。arXiv:2006.12358[cs]http://\/arXiv.org\/abs\/2006.12358博格达纳·拉科娃、杨静英、亨丽埃特·克拉默和鲁曼·乔杜里。2020年，负责任的人工智能在何处实现：从业者对转变组织实践的促成因素的看法。arXiv:2006.12358[cs]（2020年7月）。arXiv:2006.12358[cs]http://\/arXiv.org\/abs\/2006.12358“}，{“key”：“e_1_3_2_1_62_1”，“unstructured”：“Nani Jansen Reventlow.[n.d.]。数据收集不是欧洲种族主义问题的解决方案。https:\/\/www.aljazeera.com\/piences\/2020\/7\/29\/Data-collection-is-not-the-solution-for-europes-racism-problem\/？gb=真正的Nani Jansen Reventlow。【未注明日期】。数据收集不是解决欧洲种族主义问题的办法。https://www.aljazeera.com\/意见\/202\/7\/29\/数据收集不是解决欧洲种族主义问题的办法吗？gb=true“}，{”key“：”e_1_3_2_1_63_1“，”volume-title“：”名称中有什么？在不访问受保护属性的情况下减少Bios中的偏差。arXiv:1904.05233[cs，stat]（April“，”author“：”Romanov Alexey“，”year“：”2019“，”unstructured“：”阿列克谢·罗曼诺夫（Alexey Romanov）、玛丽亚·德阿尔塔加（Maria De-Arteaga）、汉娜·瓦拉赫（Hanna Wallach）、詹妮弗·查耶斯（Jennifer Chayes）、克里斯蒂安·博格斯（Christian Borgs）、亚历山德拉·乔尔德科娃（Alexandra Chouldechova）、萨欣·盖克（Sahin Geyik）、克里希纳姆·肯塔帕迪（Krishnaram Kenthapadi）、安娜·拉姆什基（Anna Rumshisky）和亚当·托曼·卡莱（Adam Tauman Kalai）。2019.名字中有什么？在不访问受保护属性的情况下减少Bios中的偏差。arXiv:1904.05233[cs，stat]（2019年4月）。arXiv:1904.05233[cs，stat]http://\/arXiv.org\/abs\/1904.05233阿列克谢·罗曼诺夫（Alexey Romanov）、玛丽亚·德阿尔塔加（Maria De-Arteaga）、汉娜·瓦拉赫（Hanna Wallach）、詹妮弗·查耶斯（Jennifer Chayes）、克里斯蒂安·博格斯（Christian Borgs）、亚历山德拉·乔尔德科娃（Alexandra Chouldechova）、萨欣·盖克（Sahin Geyik）、克里希纳姆·肯塔帕迪（Krishnaram Kenthapadi）、安娜·拉姆什基（Anna Rumshisky）和亚当·托曼·卡莱。2019.名字中有什么？在不访问受保护属性的情况下减少Bios中的偏差。arXiv:1904.05233[cs，stat]（2019年4月）。arXiv:1904.05233[cs，stat]http://\/arXiv.org\/abs\/1904.05233“}，{“key”：“e_1_3_2_1_64_1”，“volume-title”：“Aequitas:A Bias and Fairness Audit Toolkit.arXiv:1811.05577[cs]（四月），“author”：“Saleiro Pedro”，“year”：“2019”，“unstructured”：“Pedro Saleiro，Benedict Kuester，Loren Hinkson，Jesse London，Abby Stevens，Ari Anisfeld，套件T。鲁道夫和雷伊德·加尼。2019 . Aequitas：偏见和公平审计工具包。arXiv:1811.05577[cs]（2019年4月）。http://\/arxiv.org\/abs\/1811.05577佩德罗·萨莱罗、本尼迪克特·库斯特、洛伦·欣克森、杰西·伦敦、艾比·史蒂文斯、阿里·阿尼斯菲尔德、基特·鲁道夫和雷伊德·加尼。2019.Aequitas：偏见和公平审计工具包。arXiv:1811.05577[cs]（2019年4月）。http://\/arxiv.org\/abs\/1811.05577“}，{”key“：”e_1_3_2_1_65_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1147\/JRD.2019.2945519”}，“key”：“e_1_ _3_2_1_66_1”，“volume-title”：“ACM关于人机交互的论文集4，CSCW1（5月），“author”：“Scheurman Morgan Klaus”，“year”：“2020”，“unstructured”：“”摩根·克劳斯·谢尔曼（Morgan Klaus Scheuerman）、坎德丽亚·韦德（Kandrea Wade）、凯特林·卢斯蒂格（Caitlin Lustig）和杰德·布鲁贝克（Jed R.Brubaker）。2020年，《我们如何教算法看身份：在面部分析的图像数据库中构建种族和性别》。《ACM人机交互会议论文集》4，CSCW1（2020年5月），1-35。https:\/\/doi.org\/10.1145\/3392866 10.1145\/3392666摩根·克劳斯·谢尔曼、坎德雷亚·韦德、凯特琳·卢斯蒂格和杰德·布鲁贝克。2020年，《我们如何教算法看身份：在面部分析的图像数据库中构建种族和性别》。《ACM人机交互会议论文集》4，CSCW1（2020年5月），1-35。https:\/\/doi.org\/10.1145\/3392866“}，{”key“：”e_1_3_2_1_67_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3287560.3287598”}，“key”：“e_1_3_2_1_68_1”，“unstructured”：“Suranga Seneviratne.2019”。丑陋的真相：科技公司正在跟踪和滥用我们的数据，我们几乎无能为力。http:\/\/The-conversation.com\/The-Ugly-Truth-Tech-Companies-Are-Tracking-and-missing-ur-Data-and-theres-ttle-Can-Do-127444 Suranga Seneviratne。2019.丑陋的事实：科技公司正在跟踪和误用我们的数据，我们无能为力。http://theconversation.com/The-Ugly-Truth-Tech-Companies-Are-Tracking-and-mussing-Our-Data-and-teres-Little-We-Can-Do-127444“}，{“key”：“e_1_3_2_1_69_1”，“unstructured”：“Sachil-Singh.2020。在大流行期间收集基于种族的数据可能会助长危险的偏见。https:\/\/www.queensu.ca\/gazette\/stories\/collecting-race-based-data-during-pandemic-ma-fuel-dangerous-prejudices Sachil-Singh。2020年。大流行期间收集基于种族的数据可能会助长危险的偏见。https:\/\/www.queensu.ca\/gazette\/stories\/collecting-race-based-data-during-pandemic-ma-yfuel-dangerous-prejudices“}，{“key”：“e_1_3_2_1_70_1”，“doi-asserted-by”：“publisher”，”doi“：”10.21105\/joss.01904“}”，{”key“：”e_1_ 3_2_1_1_71_1“，”doi-assert-by“：”publisher“，“doi”：“10.1177\/20539517136335”}，{“键”：“e_1_3_2_1_72_1”，“卷时间”：“调节人工智能”，“作者”：“Tischbirek Alexander”，“非结构化”：“亚历山大·蒂施比雷克。2020年。人工智能与歧视：歧视歧视性系统。在调节人工智能方面。斯普林格，103-121。亚历山大·蒂施比雷克（Alexander Tischbirek）。2020.人工智能与歧视：对歧视性系统的歧视。在监管人工智能方面。Springer，103-121.“}，{”key“：”e_1_3_2_1_73_1“，”unstructured“：”英国信息专员办公室，2020年。我们需要做什么来确保人工智能系统的合法性、公平性和透明度？https:\/\/ico.org.uk\/for-organisations\/guide-to-data-protection \/key-data-protection-themes\/guidance-on-ai-ai-and-data-production \/what-do-we-need-to-do to ensure-lawfunness-fairness-and-transparency-in-ai-systems\/英国信息专员办公室。2020年。我们需要做什么来确保人工智能系统的合法性、公平性和透明度？https:\/\/ico.org.uk\/for-organisations\/guide-to-data-protection \/key-data-protection-themes\/guidance-on-ai-ai-and-data-production \/what-do-we-need-to-do-to-sensure-lawfunness-fairness-and-transparency-in-ai-systems\/“}，{“key”：“e_1_3_2_1_74_1”，“volume-title”：“LiFT:一个衡量ML应用程序公平性的可扩展框架。arXiv:2008.07433[cs]（8月，“作者”：“Vasudevan Sriram”，“年份”：“2020年”，“非结构化”：“Sriram Vasudeven and Krishnaram Kenthapadi.2020”。LiFT：一个衡量ML应用程序公平性的可扩展框架。arXiv:2008.07433[cs]（2020年8月）。https:\/\/doi.org\/10.1145\/3340531.3412705 10.1145\/3340551.3412705-Sriram Vasudevan和Krishnaram Kenthapadi。2020年。《LiFT：衡量ML应用程序公平性的可扩展框架》。arXiv:2008.07433[cs]（2020年8月）。https:\/\/doi.org\/10.1145\/3340531.3412705“}，{”key“：”e_1_3_2_1_75_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1177\/2053951717743530”}，“key”：“e_1_3_2_1_76_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/3173574.3174014“}”，{：“民主数据：数据治理的关系理论。SSRN学术论文编号3727562。《社会科学研究网》，“作者”：“维尔乔恩·萨洛姆”，“年份”：“2020年”，“非结构化”：“萨洛姆·维尔乔恩”。2020 . 民主数据：数据治理的关系理论。SSRN学术论文编号3727562。纽约州罗切斯特市社会科学研究网络。https:\/\/doi.org\/10.2139\/ssrn.3727562 10.2139\/srsrn.3727562 Salome Viljoen。2020年，《民主数据：数据治理的关系理论》。SSRN学术论文编号3727562。纽约州罗切斯特市社会科学研究网络。https:\/\/doi.org\/10.2139\/ssrn.3727562“}，{”key“：”e_1_3_2_1_78_1“，”首页“：”1“，”article-title“：”What-If工具：机器学习模型的交互式探索“，”volume“：“26”，“author”：“Wexler James”，“year”：“2020”，“unstructured”：“詹姆斯·韦克斯勒（James Wexler）、马希玛·普什卡纳（Mahima Pushkarna）、托尔加·博鲁巴西（Tolga Bolukbasi）、马丁·瓦滕伯格（Martin Wattenberg）、费尔南达·维尤（Fernanda Vi\u00e9gas）和金博·威尔逊（Jimbo Wilson）。2020 . 假设分析工具：机器学习模型的交互式探索。IEEE可视化和计算机图形汇刊26，1（2020年1月），56-65。https:\/\/doi.org\/10.109\/TVCG.2019.2934619 10.1109\/TVCG.2019.29344619詹姆斯·韦克斯勒、马希玛·普什卡纳、托尔加·博卢巴西、马丁·瓦滕伯格、费尔南达·维尤9e9gas和吉姆博·威尔逊。2020年。假设分析工具：机器学习模型的交互式探索。IEEE可视化和计算机图形汇刊26，1（2020年1月），56-65。https:\/\/doi.org\/10.109\/TVCG.2019.2934619“，”journal-title“：”可视化和计算机图形IEEE事务“}，{“key”：“e_1_3_2_1_79_1”，“doi-asserted-by”：“publisher”，”doi“：”10.5325\/jinfopoli.8.2018.0078“}”，{”key“：”e_1_a_2_1_80_1“，”volume-title”：“”公平贷款：非抵押贷款的种族和性别数据有限。监督和调查小组委员会，金融服务委员会”，“作者”：“Williams Orice M”，“年份”：“2008年”，“非结构化”：“Orice M Williams。2008 . 公平贷款：非抵押贷款的种族和性别数据有限。众议院金融服务委员会监督和调查小组委员会（2008年）。arXiv:GAO-08-1023T Orice M Williams。2008.公平贷款：非抵押贷款的种族和性别数据有限。众议院金融服务委员会监督和调查小组委员会（2008年）。arXiv:GAO-08-1023T“}，{”key“：”e_1_3_2_1_81_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/s13347-019-00355-w”}，“key”：“e_1_a_2_1_82_1”，“article-title”：“协调法律和技术方法以消除算法偏差”，“volume”：”88“，”author“：”Xian Alice“，”年份“：”2021“，”非结构化“：”Alice Xiang。2021 . 协调法律和技术方法与算法偏差。《田纳西州法律评论》88，3（2021）。Alice Xiang。2021.协调法律和技术方法以消除算法偏差。《田纳西州法律评论》88，3（2021）。“，”journal-title“：”Tennessee Law Review“}，{“key”：“e_1_3_2_1_83_1”，“volume-title”：“Manuel Gomez Rogriguez，and Krishna P.Gummadi”，”author“：”Zafar Muhammad Bilal“，”year“：”2017“，”unstructured“：”Muhammad-Bilal Zafar，Isabel Valera，Manuel戈麦斯·Rogrigue z，and Krishna P。古马迪。2017 . 公平约束：公平分类机制。人工智能与统计。PMLR，962--970。http:\/\/procedures.mlr.press\/v54\/zafar17a.html穆罕默德·比拉尔·扎法尔、伊莎贝尔·瓦莱拉、曼努埃尔·戈麦斯·罗格里格斯和克里希纳·P·古马迪。2017年，公平约束：公平分类机制。人工智能与统计。PMLR，962--970。http:\/\/processes.mlr.press\/v54\/zafar17a.html“}，{“key”：“e_1_3_2_1_84_1”，“first page”：《1375》，“article-title”：“理解得分社会中的歧视”，“volume”：”89“，“author”：“Zarsky Tal Z”，“year”：“2014”，“unstructured”：“Tal Z Zarsky.2014.理解得分社会的歧视。《华盛顿法律评论》89（2014）, 1375 . 塔尔·扎尔斯基。2014.了解得分社会中的歧视。《华盛顿法律评论》89（2014），1375。“，“journal-title”：“华盛顿法律评论”}，{“key”：“e_1_3_2_1_85_1”，“first-page”：“1”，“article-title“：“Assessing Fair Lending Risks Using Race\/Enthnicity Proxies”，“volume”：《64》，“author”：“Zhang Yan”，“year”：“2016”，“unstructured”：“张燕。2016 . 使用种族/种族代理评估公平贷款风险。《管理科学》64，1（2016年11月），178--197。https:\/\/doi.org\/10.1287\/mnsc.2016.2579 10.1287\/mnsC2016.2579张燕。2016.使用种族/种族代理评估公平贷款风险。《管理科学》64，1（2016年11月），178--197。https:\/\/doi.org\/10.1287\/mnsc.2016.2579“，”journal-title“：”Management Science“}，{“key”：“e_1_3_2_1_86_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1007\/s10506-016-9182-5“}]，“event”：{“name”：“FAccT'21:2021 ACM公平、问责和透明度会议”，“location”：“Virtual event Canada”，缩写词：“FAccT'21”，“赞助商”：[“”美国计算机协会“]}，”container-title“：[”2021年美国计算机协会公平、问责和透明度会议记录“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3442188.3445888“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，“存放“：{“date-parts”：[[2023,2,2]，“date-time”：“2023-02-02T20:05:31Z”，“timestamp”：1675368331000}，“score”：1，“resource”：{（主要）：{”URL“：”https:\/\/dl.acm.org\/doi\/10.1145\/3442188.3445888 2021,3]]}，“references-count“：86，”alternative-id“：[”10.1145\/3442188.3445888“，”10.1145\/3442188“]，”URL“：”http://\/dx.doi.org\/10.1145\/34421188.34455888“，”relation“：{}，”subject“：[]，”published“：{”date-parts“：[2021,3]]}，“assertion”：[{“value”：“2021-03-01”，“order”：2，“name”：“published”，“label”：“published”，“组”：{“名称”：“publication_history”，“标签”：“出版历史“}}]}}