公平数据集治理挑战的分类体系
A Taxonomy of Challenges to Curating Fair Datasets
AI总结：
该研究通过访谈30位机器学习数据集治理者，梳理出数据集治理全生命周期中的挑战与权衡并构建分类体系，指出公平领域的核心问题，提出推动系统性变革的建议以促进公平数据集治理。
摘要：
尽管人们为创建更公平的机器学习（ML）数据集付出了大量努力，但对数据集治理的实际层面的理解仍然有限。通过对30位ML数据集治理者的访谈，我们提出了一个全面的分类体系，涵盖数据集治理全生命周期中遇到的挑战与权衡。我们的研究结果凸显了更广泛的公平领域中影响数据治理的核心问题。最后，我们提出了旨在推动系统性变革的建议，以更好地促进公平数据集治理实践。
英文摘要：
Despite extensive efforts to create fairer machine learning (ML) datasets, there remains a limited understanding of the practical aspects of dataset curation. Drawing from interviews with 30 ML dataset curators, we present a comprehensive taxonomy of the challenges and trade-offs encountered throughout the dataset curation lifecycle. Our findings underscore overarching issues within the broader fairness landscape that impact data curation. We conclude with recommendations aimed at fostering systemic changes to better facilitate fair dataset curation practices.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
