Polski frontend

O roli kobiet w IT oraz dyskryminacji w sztucznej inteligencji rozmawiałem z Karoliną Drobotowicz. Karolina bada temat etycznej i godnej zaufania sztucznej inteligencji na niedalekiej północy, na uniwersytecie Aalto w Espoo, Finlandii. Ukończyła stopień inzynierski z Automatyki i Robotyki w Gdańsku oraz magisterski z interakcji między człowiekiem a komputerem w Szwecji i Finlandii. Poza tym, jest aktywna zarówno w temacie wsparcia kobiet w branży technologicznej oraz wśród natury na nartach, łyżwach czy rowerze 😁 00:00 Przywitanie 01:46 Finlandia, studia, scena startupowa 05:56 #IamRemarkable 08:39 Kobiety w IT 14:45 Czy kobiety się nadają do IT? 19:04 3 problemy kobiet w IT 27:06 Kobiety nie czują się dyskryminowane 31:55 Jak sztuczna inteligencja może dyskryminować? 41:16 Etyka w IT 51:16 Co robić gdy pojawia się bias? 54:38 Dlaczego ma mnie to obchodzić? 56:38 Czy AI można ufać? 01:00:02 Podsumowanie w 3 punktach Linki: Blog i portfolio, wersja beta 😉 https://karolinadrobotowicz.com LinkedIn: https://www.linkedin.com/in/karolina-drobotowicz Artykuł naukowy "Trustworthy AI Services in the Public Sector: What Are Citizens Saying About It?": https://link.springer.com/chapter/10.1007/978-3-030-73128-1_7 13 minut o życiu w Finlandii: https://youtu.be/igOsOJa9oaI Inicjatywa #IamRemarkable: https://iamremarkable.withgoogle.com Artykuły wspomniane w filmiku: 1. Apple HealthKit "z wszystkim" ale bez możliwości śledzenia miesiączki https://www.theverge.com/2014/9/25/6844021/apple-promised-an-expansive-health-app-so-why-cant-i-track (zmienili w 2015) 2. Zarządy, których członkiniami też są kobiety radzą sobie lepiej: Christianne Corbett, and Catherine Hill. Graduating to a Pay Gap The Earnings of Women and Men One Year after College Graduation. Rep. Washington, DC: AAUW, 2012 3. Stereotypy płciowe w pracy i stanowiska stworzone "przez mężczyzn dla mężczyzn": → 3.1 Heilman (2012): Gender stereotypes and workplace bias. https://icos.umich.edu/sites/default/files/lecturereadinglists/Heilman%20Gender%20Stereotypes%20and%20Workplace%20Bias%20,%202012%20ROB.PDF → 3.2 Hertz, R.: Work & leadership: tests of manhood. Regional Review, Federal Reserve Bank of Boston, 2005. 4. "Leaky pipeline": → 4.1 Grogan, K.: How the entire scientific community can confront gender bias in the workplace. Nature Ecology & Evolution 3, 2018. → 4.2 Makarova, E. et al.: The Gender gap in STEM fields: The impact of the gender stereotype of math and science on secondary students’ career aspirations. Front. Educ. 10, 2019. → 4.3 Miller, D.I. et al.: Women’s representation in science predicts national gender-science stereotypes: evidence from 66 nations. J. Educ. Psychol. 107, 2015. 5. Baza danych wszystkich incydentów dookoła AI: https://incidentdatabase.ai/cite/37 📘 Kup „TypeScript na poważnie”: https://sklep.typeofweb.com 🔔 Subskrybuj mój kanał: https://www.youtube.com/typeofweb?sub_confirmation=1 🔗 Znajdziesz mnie na: Blog – https://typeofweb.com Facebook – https://facebook.com/typeofweb Instagram – https://instagram.com/michal_typeofweb Podcast – https://anchor.fm/typeofweb ✋ Dołącz do społeczności na Discordzie! https://discord.typeofweb.com Music: www.bensound.com