教学大纲

超过250 此众包电子表格上的技术道德大纲 (由Casey Fiesler领导)说明,在技术伦理课程中可以涵盖的内容有很大的差异。此类并非旨在穷举。阅读 课程概述 这里。

关于以下主题,有大量出色的研究和著作,而我很难将其缩减为“合理”的长度。关于这些主题,还有很多很棒的文章,论文,论文和书籍,这里没有列出。

第1课:虚假信息

从使用伪造品来骚扰妇女,广泛传播有关冠状病毒的错误信息(被WHO标记为“信息病”),对信息失真在2020年大选中可能扮演的角色的担忧以及广泛的外国影响力行动的消息,信息失真在新闻中经常出现,是一个紧迫的问题。它也表明了这么多数据伦理问题的复杂性和跨学科性质:虚假信息涉及技术设计选择,不良行为者,人类心理,错位的财务激励措施等等。

第1课视频

必读:

可选阅读:

编码员可选实验室:

第二课:偏差& Fairness

不公正的偏见是机器学习中越来越多讨论的问题,甚至产生了自己的领域,成为公平性,问责制和透明度(FAccT)的主要重点。我们将不进行表面讨论,而是讨论有关如何定义公平性,不同类型的偏见,缓解偏见的步骤以及复杂因素的问题。

第2课视频

必读/观看:

可选阅读:

可选实验室

涉及代码,但面向包括初学者在内的读者:

第三课:道德基础& Practical Tools

既然我们已经看到了数据中出现的道德问题的许多具体的,现实世界的例子,我们将退一步并了解一些道德哲学和方法以评估道德,并考虑如何选择道德问题。我们还将介绍Markkula中心的技术道德工具包,这是一套将在工作场所实施的具体实践。

第3课视频

必读

选读

第4课:隐私和监视

正在收集有关我们的大量数据:手机上的应用程序会跟踪我们的位置,交友网站会出售个人详细信息,学校记录学生的面部识别,而警察会使用庞大的不受管制的面部数据库。在这里,我们讨论如何收集,出售和使用我们的数据的真实示例。还有一些关于如何使用监视来压制异议并进一步伤害已经边缘化者的模式。

第4课视频

必读

选读

第5课:我们如何到达这里?我们的生态系统

可以理解的是,新闻故事通常集中在特定公司的特定道德问题的一个实例上。在这里,我希望我们退后一步,考虑一些导致我们看到的问题类型的更广泛的趋势和因素。这些包括我们过分强调指标,许多平台的固有设计,风险投资对超增长的关注等等。

第5课视频

必读:

第6课:算法殖民主义及后续步骤

当一个国家的公司在其他许多国家开发和部署技术,提取数据和获利时,往往对当地文化问题知之甚少,就会引发许多道德问题。在这里,我们将探讨算法殖民主义。我们还将考虑采取下一步措施,让学生继续围绕数据道德规范开展工作,并将学到的知识带回到工作场所。

第6课视频

必读:

可选阅读: