Table of Contents

אלגוריתמים הפכו לכלים הכרחיים עבור היסטוריונים וחוקרים שצריכים לעבור דרך ארכיון דיגיטלי ההולך וגדל של מסמכים היסטוריים, רשומות מפקד, אוספים עיתונים והיסטוריה אוראלית.שיטות חישוביות אלה מבטיחות מהירות, קנה מידה ואובייקטיביות. אבל הבטחות של ניטרליות יכולות להיות מטעות.אלגוריסים נועדו על ידי אנשים, מאומן על נתונים מתוכנתים אנושית, ומוטבעים עם הנחות שיכולות לעוות את ההבנה שלנו של תפיסה היסטורית של אלגוריתם מדויק לא מדויק הוא רק למולה של אלגוריתם מדויק הוא אתגר טכני.

מה זה Algorith Bias?

הטיה אלגורימית מתייחסת לשגיאות שיטתיות ו חוזרות ונשנות במערכת מחשבים שיוצרת תוצאות לא הוגנות, כגון תמיכה קבוצה אחת על אחרים או חיזוק סטריאוטיפים קיימים. בהקשר של ניתוח נתונים היסטורי, הטיה יכולה להתבטא כיצד אלגוריתמים מסווגים, דרגה או תמצית משמעות ממקורות. לדוגמה, אלגוריתם מוקרן בעיקר על מאמרים מהמאה ה-19 עשוי ללמוד לקשר מקצועות מסוימים עם מגדרים ספציפיים, כי הם פשוט משקפים את הרשומות הטיות המודרניות.

ביסאס יכול להיכנס במספר נקודות: בבחירת נתוני האימון, בעיצוב האלגוריתם עצמו, באופן בו נתונים מוזנים, ואפילו בפרשנות של תוצאות.הבנת נקודות הכניסה הללו היא הצעד הראשון לבניית כלי היסטוריה דיגיטליים שוויוניים יותר.

שורשים היסטוריים של אלגוריתמית ביסאס

המושג של הטיה אלגוריתמית אינו חדש.מודלים הסטטיסטיים המוקדמים המשמשים במדעי החברה נבנו לעתים קרובות על הנחות שגויות על גזע, מין ומעמד.לדוגמה, אלגוריתמים של שנות ה-70 המאפליה באופן שיטתי נגד נשים ומיעוטים, משום שנתוני האימונים משתקפים אי-שוויון חברתי כיום, כמו גם משחקים במחקר היסטורי.מכונות למידה מוחלות על חומרים ארכאולוגיים יכול לרשת את העיוותים והעיוותים המקוריים של מדענית של קתרין, הוא תמיד, כמורה, כמו גם דינמיקה של נתונים, ו-זמנית, כמו גם כן, כמו גם מודלים של מדענים, כמו גם כן, כמו גם מודלים של מדענים, כמו גם כן, כמו כן, כמו גם כן, כמו גם כן, כמו גם מודלים של מדענים, כמו גם מודלים של אינטליגנציה אנושית, כמו גם מודלים של מדענים, ו-ידי קורנל, כמו כן, כמו כן, כמו כן, כמו כן, כמו כן, כמו כן, כמו כן, כמו כן, כמו כן, כמו מחקר היסטורי.

מקורות של Bas בנתונים היסטוריים

נתונים היסטוריים אינם שלמים ולא אפילו.ההטיות שאלגוריתמים שאוספים מקורם לעתים קרובות זמן רב לפני שכל קוד כתוב.ארבעה מקורות עיקריים ראויים לבחינה קרובה:

1 In Complete Records

הישרדות ארכיאלית אינה אקראית.מלחמות, שריפות, הרס מכוון, והזנחה פשוטה מחקה חלקים עצומים של ניסיון אנושי.מסמכים מהאליטה, המילוי, או קבוצות עוצמתיות, נוטים הרבה יותר לשרוד מאשר אלה של קהילות מוחלשות.אלגואטרים שאומנו על קורפוס מפוספס כזה באופן טבעי יייצגו קולות מסוימים ותחת ייצוג אחרים.

פרספקטיבה תרבותית ו-Bas קולוניאלי

ארכיוןים היסטוריים רבים נוצרו על ידי ממשלים קולוניאליים, חברות מיסיונריות, או אנתרופולוגים מוקדמים שתועדו תרבויות ילידיות באמצעות עדשות תרבות משלהם.כאשר אלגוריתמים מנתחים טקסטים אלה, הם עשויים ללמוד לתעד את התנאים המערביים, קטגוריות ונרטיבים. לדוגמה, אלגוריתם שהופקד על ידי זיהוי "אירועים משמעותיים" באוסף של דוחות קולוניאליים עלול להתעלם באופן שיטתי מתנועות ההתנגדות של הילידים, משום שהם רק לעתים רחוקות תוארו באותה שפה רשמית כנושאי מדינה.

3.התחברות ביז

תהליך המרת מסמכים פיזיים לפורמטים דיגיטליים מציג עיוותים משלו. אילו אוספים ממומנים לדיגיטליזציה? אילו דפים מסורקים בבירור?כיצד שדות metadata מלאים במיזמים של Digitization לעתים קרובות לטובת ניקוי חזותי, שנשמר היטב, וניתן לסווג בקלות חומרים. Handwrittenia, דפי פגום או תסריטים לא סטנדרטיים עשויים להיות מוכללים או ממאירים למדי.

4.התייגות והדרכה של נתונים באס

(הלמידה של מכונות על-ידי סופר-ביוקר דורשת דוגמאות אנושיות-מעורפלות.האנשים שעושים את התווית מביאים את הנחותיהם שלהם.אם צוות מחקר מאגד תמונות היסטוריות עם קטגוריות מגדריות שמשקפות נורמות מודרניות, הם עשויים שלא לזהות או להתעלם ממגוון מגדרי היסטורי. בדומה לכך, אם נתוני הדרכה לניתוח טקסט נמשכים בעיקר מאלגוריתמים מרכזיים, האלגוריתם יבצע רע על גבי עיתונות או על ידי קהילות חלופיות.

השפעות על ביאס על פרשנות היסטורית

ההשלכות של הטיה אלגוריתמית במחקר היסטורי הן עמוקות ולעתים קרובות בלתי נראות.התפוקות המוטעות יכולות להוביל לנרטיבים פגומים שמצגים את העבר, מחזקים באופן בלתי נמנע סטריאוטיפים, ולעצב זיכרון ציבורי בדרכים מזיקות.

היסטוריית ה-QMTtative History

קליאומטריות – היישום של שיטות כמותיות להיסטוריה – הסתמך על מודלים סטטיסטיים.כאשר אלגוריתמים מחליפים או מגבירים את המודלים הללו, הסיכון להכפלה ההטיה.לדוגמה, אלגוריתם שהוכשר על מסד נתונים של מיצגי ספינות עשוי "ללמוד" כי מלחים אירופיים היו בעלי ערך רב יותר מאשר שבויים אפריקאים, כי נתוני ההכשרה מאורגנים על פי שיטות חשבונאות קולוניאליות.

« קבלת קוצר רוח

ביסאס יכול להשתיק קהילות שלמות.אלגוריתם שהוקדש לזיהוי "אנשים בלתי אפשריים" בקורפוס היסטורי, סביר להניח שדרג דמויות המופיעות לעיתים קרובות במקורות דומיננטיים - לבנים, גברים ועשירים.נשים, אנשים של צבע, ואנשים בעלי מעמד הפועלים מופיעים לעתים קרובות במפרקים או דרך העיניים של אחרים.אלא אם כן אלגוריתמים נועדו במפורש לפצות על סימטריה זו, הם ישפרו את אותו הדברהליזציה שלעתים קרובות ארכיונים מקוריים שנחקקקו.

הכחשת ההווה-Day Stereotypes

כאשר ניתוח היסטורי מוטה משמש כדי ליידע מדיניות, חינוך או שיח ציבורי, זה יכול לחזק דעות קדומות עכשוויות.לדוגמה, אם אלגוריתם ניתוח סטטיסטיקות פשע מן 1920s קובע כי קבוצות מהגרים מסוימות היו "פושעים באופן בלתי צפוי", כי הפלט עשוי להיות נשק בדיונים מודרניים, תוך התעלמות מההקשרים החברתיים והכלכליים שהובילו למעשה את הסטטיסטיקה הזו.

דוגמאות ל-Bas in Practice

מקרים אמיתיים בעולם ממחישים כיצד הטיה אלגוריתמית משפיעה על פרשנות היסטורית.דוגמאות אלה מוכיחות כי הבעיה אינה היפותטית אך מעצבת כבר מלגה.

דף הבית > DEEXTOR

חוקרים מאוניברסיטת וירג'יניה השתמשו בעיבוד שפה טבעית כדי לנתח עשרות אלפי ספרים מהמאה ה-19.הם מצאו כי אלגוריתמים שהוכשרו על נתונים מודרניים באופן עקבי דמויות היסטוריות מאומתות, אשר כיום נחשבים למיני-אטיפיאליים. לדוגמה, אחיות גברים ורופאים נקבה היו לעתים קרובות מסווגים באופן שגוי.

Racial Bias in Automated Transcriptions

זיהוי האופי האופטי (OCR) משמש באופן נרחב להמיר מסמכים היסטוריים מסורקים בטקסט קורא מכונה.מחקרים הראו כי דיוק OCR נמוך משמעותית עבור עיתונים מודפסים בקהילות שחורות, עבור תסריטים לא-לטינית, ולמסמכים עם ללבוש כבד.כאשר החוקרים מסתמכים על תפוקה OCR ללא בדיקה צלבית, הם לא כוללים חומרים מקבוצות מוחלשות. A 2020 מצא כי OCR עבור שגיאות עבור 20% עבור מוטציות דיגיטליות יותר מאשר עיתונים דיגיטליים ".

« « ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

מערכות מידע גיאוגרפיות היסטוריות (GIS) לעתים קרובות מסתמכות על מפות דיגנטריות שנוצרו על ידי המעצמות הקולוניאליות.מפות אלה עשויות למחוק שמות של מקומות ילידים, גבולות ודפוסי שימוש בקרקע.כאשר אלגוריתמים מנתחים נתונים מרחביים ממפות כאלה, הן משכפלות את הגאוגרפיות הקולוניאליות כמו ברירת המחדל.לדוגמה, מחקר של בעלות הקרקע בהודו הבריטית השתמש ברשומות קולוניאליות כדי לעקוב אחר העברות רכוש.

« « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « «

התייחסות להטיה אלגוריתמית במחקר היסטורי דורשת שיתוף פעולה בין טכנאים, היסטוריונים, ארכיאולוגים וקהילות.שום תיקון יחיד אינו קיים, אך כמה אסטרטגיות יכולות להפחית את הנזק ולשפר את הדיוק.

אוסף נתונים של דירקטורים ו- Transud Data Collection

החוקרים חייבים לחפש באופן פעיל מקורות בלתי מיוצגים.במקום להסתמך רק על אוספים דיגיטליים גדולים וממומנת היטב, צוותים צריכים לשתף פעולה עם ארכיונים קהילתיים, פרויקטים בהיסטוריה הפה, ויוזמות דיגיטציה עממית.תיעוד Transud של הוכחה נתונים - כולל הטיה ידועה, פערים ומגבלות - ללוות כל סט נתונים.FLT:0 קודים פתוחים עם הצהרות ברורות של נתונים, FLT מאפשר מלומדים אחרים כדי להבין עיוותים של 1 ועיוותים.

Algorithm Auditing and אימות

ביקורת רגילה יכולה לתפוס הטיות לפני שהם מעוותים תוצאות.אודטס צריך לבדוק אלגוריתמים על תת-תחומי נתונים מגוונים, כגון חומרים מתקופות זמן שונות, אזורים וקבוצות חברתיות.הסתערות על ידי ההיסטוריונים האנושיים היא חיונית.לדוגמה, אלגוריתם מאומן לזהות נושאים במכתבים עשוי להיות ביקורת על ידי שיש מומחים בתחום ביקורת על מדגם אקראי של האלגוריתמים שלה.

צוותים בין-תחומיים

פרויקטים המשלבים מדענים ממוחשבים עם היסטוריונים, סוציולוגים, ומבקרים תרבותיים נוטים יותר להכיר ולהזהות את ההטיה הנכונה. היסטוריונים מביאים ידע קונטקסטואלי עמוק על מגבלות המקורות; מדעני מחשב מביאים מיומנויות טכניות כדי להתאים מודלים.לא פחות חשוב הוא הכללה של חברי הקהילה מהקבוצות שנלמדו.

המונחים: logicm

(ב) כמה גישות טכניות יכולות לעזור: (FLT:0) Data Augmentationmentational ReductionerationFLT:1) כדי לאזן קטגוריות ייצוגיות, FLT:2adversarial debiasingFLT 3 כדי להסיר התאמות מעוררות, ו-FLT:4interpretable ModelFLT:5 המאפשר לחוקרים לראות מדוע התקבלה החלטה, עם זאת, תיקונים טכניים לא מספיקים לבדם יש צורך ברזולוציה.

שיטות טובות ביותר עבור מחנכים

למחנכים יש תפקיד חיוני בהכנת הדור הבא של ההיסטוריונים והאזרחים לעסוק באופן ביקורתי בכלים אלגוריתמיים.הפרקטיקות הבאות יכולות לשלב מודעות הטיה לתוכניות הלימודים של ההיסטוריה.

למד את Algorithmic Literacy מוקדם

התלמידים צריכים להבין כי אלגוריתמים אינם מבשרי אמת אובייקטיביים, להציג את מושג ההטיה באמצעות תרגילים פשוטים בכיתה.לדוגמה, לבקש מהתלמידים להשוות תוצאות חיפוש עבור "ממציא" לעומת "ממציא נשים" בארכיון דיגיטלי, לדון מדוע התוצאות שונות ומה הנחות שהאלגוריתם עשוי להיות עושה.FLT:0Algothmicalgothmicalph 1 צריך להיות ארוג לתוך התמחויות דיגיטליות, אם כי לא נלמד לאחר קורסים.

עידוד הערכת מקורות קריטיים

היסטוריונים כבר מלמדים את התלמידים לחקור מקורות ראשוניים: מי יצר מסמך זה?עבור מה המטרה?מה נשאר?לפרסם את אותן שאלות לתפוקה אלגוריתמית.כאשר כלי דיגיטלי מציע "דמות מפתח" או "טרנד", שאל את התלמידים לעקוב אחר איך האלגוריתם הגיע למסקנה זו.מה הנתונים היו מאומנים על מה ייתכן שהוא חסר?

שימוש במקורות דיים ואנטי-שורדים

קריאות חתומות והנתונים שמאתגרים במפורש את הנרטיבים הדומיננטיים.לדוגמה, זוג דו"ח מפקד סטנדרטי עם היסטוריה מבוססת קהילה הממלאת פערים.יש תלמידים לבנות את הנתונים הקטנים שלהם מהקולות המבודדים ולאחר מכן להפעיל ניסויים אלגוריתמים כדי לראות כיצד התוצאות משתנות.FLT:0Exposure לנקודות מבט מרובות של פרספקטיבה FLT:1 עוזר לתלמידים לזהות שכל נתונים מתחילים לשקף נקודת מבט מוגבלת.

קידום השימוש האתי של כלים דיגיטליים

מחנכים צריכים מודל שקיפות.כאשר משתמשים בניתוח דיגיטלי בכיתה, להכיר במגבלות הכלים ולדון במה שניתן להחמיץ. ליצור משימות הדורשות מתלמידים לתעד הטיות פוטנציאליות בתהליכי המחקר שלהם.לעודד אותם לשאול תפוקה אוטומטית ולאמת תביעות באמצעות מקורות מרובים.שימוש אתי בכלים דיגיטליים אינו רק על הימנעות מפגיעה - הוא על ייצור טוב יותר, מלגות כנות יותר.

מסקנה

הטיה אלגורימית בפירוש היסטורי אינה בעיה מופשטת.זהו אתגר קונקרטי שצורות כיצד אנו מבינים את העבר, על ידי הרחבה, כיצד אנו לנווט את ההווה.מארכיונים לא שלמים ועד לדיגיטליזציה פערים לחיזוק הסטריאוטיפים, הסיכונים הם אמיתיים.אבל כך הם האפשרויות.על ידי שילוב של הקפדה טכנית עם מודעות היסטורית ומעורבות קהילתית, החוקרים יכולים לעצב שיטות יותר, מדויקות ופשוט מדויק.

מחנכים, ארכיאולוגים, וטכנאים חייבים לעבוד יחד כדי להבטיח כי הכלים הדיגיטליים שאנו בונים לא ינעלו אותנו לגרסאות צרות של ההיסטוריה.ביקורת ביקורתית, נתונים מגוונים ושיטות שקופות הם היסודות של מלגה היסטורית שוויונית.העבר חשוב מדי לעזוב רק לאלגוריתמים.

(ב) [ה]הסברים]: [ה] [ה] [ה]] [ה]] [ה]] [ה]]] [ה]] [ה]]][ה]]]] [ההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההההה]]]] [ה]] [הההההה]] [ה] [ההההה] [ההה]]] [ה]]]]] [הה]]]] [הההההה