Inhaltsverzeichnis
Konzepte, die Macht sichern vs. Konzepte, die Macht herausfordern
Einzelfall / -person / Material vs. Struktur / strukturelles Phänomen
Behandlung („ausgleichen“) vs. Erklärung (der Sache „auf den Grund gehen“)
Zeitlichkeit (Vergangenheit vs. Zukunft)
Ethics vs. Justice
Ethik vs. Gerechtigkeit
Ethik
moralischer Aspekt
bestimmte Gruppen (entscheiden darüber, was ethisch ist)
Vorgeschichte
Gerechtigkeit
Standpunkt wird betrachtet
historische Analyse / Betrachtung
ungleiche Voraussetzungen
Abbau von Unterdrückungsverhältnissen
Was ist das Ziel von Leuten, die sich mit Daten-Ethik befassen?
bias vs. oppression
Vorurteil / Ungleichgewicht vs. Unterdrückung
Vorurteil
Produkt oder Instrument von Unterdrückung
hält Unterdrückung am Leben
Verzerrung z.B. bei Fragebögen, soziale Erwünschtheit (nicht zwangsläufig U.)
beschreibt eine Art „Schwerpunkt“
bezieht sich auf die Daten, also auf das Material
Unterdrückung
begünstigt Vorurteile
Nachteile erleiden
bezieht sich auf die Ursachen
Wechselverhältnis
Fairness vs. Equity
Fairness vs. Anteil
fairness
Ist-Zustand
Perspektive der Macht
kein Blick auf (allgemeine) Unfairness
equity
Was ist historisch gewachsen und wie kann es ausgeglichen werden?
Gesamtperspektive oder Perspektive der Minderheit
Accountability vs. Co-liberation
Verantwortlichkeit / Rechenschaft vs.
aus welcher Position heraus?
Verantwortlichkeit
kommt von oben
Einseitigkeit
~Gemeinschaftlichkeit
alle profitieren
Transparency vs. Reflexivity
Transparenz vs. Reflexivität
Transparenz
das Problem wird nicht angegangen
Vorstufe für Reflexivität
Vergangenheit
Reflexivität
Selbstkritik
Vorstufe für Transparenz :)
Zukunft; Konsequenzen ziehen
Understanding algorithms vs. Understanding history, culture, and context
U1
Was? Was macht der Algorithmus?
Was ist da (vorhanden)?
Funktion
U2
Wie? Wie kommt es / er zustande?
Was ist hier NICHT vorhanden? (Und warum?)
Grund / Ursache
was sind die Ursachen? Wie kommt etwas zustande?
Vergangenheit
