type::  [[meeting]]
external-links::  [Agenda](https://docs.google.com/spreadsheets/d/18V-jwY-_bqfCO5rMgnZRUIuxfzkox2H56_sXPZTst_k/edit?usp=sharing)
tags:: [[PROJECTS/PRIN-PNRR-2022-FRINGE]] 
date:: [[20-02-2024]] | [[21-02-2024]]

	- **People**: Carmine Gravino
	- ### ADMIN
		- Relazione scientifica e finanziaria ogni 4 mesi
			- Fabio chiede al proprio ufficio come fare
		- Attenzione ACK e valorizzazione emblema dell'Unione Europea
			- Vedere linee guida dell'università di Milano
			- Per le pubblicazioni (preprint) facciamo cover page
		- [PRIN 2022 PNRR - Università degli Studi di Milano (unimi.it)](https://work.unimi.it/servizi_ricerca/bandi_finanz/130722.htm)
	- ### GENERAL NOTES
		- Fairness smell
		- Strategie di mitigazioni del bias
		- Commenti alla mia presentazione
			- Facilmente e' possibile estendere il metamodello per coprire la questione context-awareness
			- Per quanto riguarda ICSE va detto che l'approccio e' una early analysis, il risultato non e' assoluto perche' e' influenzato dai dati usati per il training
				- Quindi si tratta di una early analysis, con il vantaggio che invece di fare training N volte, con l'approccio proposto riesco a fare early analysis e a velocizzare i cicli di iterazione
	- ### WP SPECIFIC NOTES
		- **WP3**
			- Monitorare proprietà di fairness nel tempo
			- Definizione tassonomia metriche di fairness
			- Sistema di raccomandazione per queste metriche
			- Dimensioni delle metriche di fairness
				- Description and Classidication
				- Representation
				- Interpretation
				- Applicability and Usage
				- Interoperability and Integration
			- Sono state individuate diverse metriche di fairness popolari
			- [[Ideas]] La tassonomia presentata da WP3 mi sembra essere un input per raffinare il metamodello.
				- La parte rappresentazione puo' essere fatta con modelli MODNESS
				- Lo storage della tassonomia puo' essere come modelli MODNESS
		- **WP4**
			- Aiutare lo sviluppatore nella definizione delle specifiche dei requisiti di fairness
			- Short term goal: issue o pull request di fairnes
				- Quali sono le categorie piu' frequenti di issue di fairness e come queste sono collegate ai sintomi di bias. E' possibile che gli sviluppatori discutano come risolvono le issue di fairness.
			- => si sta definendo una taxonomy di fairness issue
		- **WP5**
			- **ReFAIR - context-aware recommender for fairness requirements engineering**
				- Related work: Fair-SMOT, EMMAT, BiasFinder #RelatedWork
				- [[Ideas]] Non considera il dataset, quindi potrebbe essere messo in connessione con metriche (di bias etc.) sul dataset
			- **RECOVER: Toward the automatic requirements generation from stakeholders' Conversations**
				- L'approccio e' in grado di generare requisiti a partire dalla conversazione con gli stakeholders
				- L'obiettivo ideale sarebbe quello di generare user stories da dare in pasto a ReFAIR a partire dai requisiti generati da RECOVER
			- **Bias mitigation algorithms**
				- Related work: TOSEM paper del 2022 che da una definizione di AI-based systems #RelatedWork
				- Fairness contestualizzato in un concetto di sustainability
				- Vedere cosa sono i Shallow ML Models
				- Presentato un lavoro che mostra quanto mi costa (da un punto di vista energetico) applicare algoritmi di mitigazione di bias
			- **Social awareness nell'utilizzo e sviluppo di sistemi LLM**
				- Vertical social awarenes
					- Ethics by design (dell'intero sistema non solo quello che usa l'AI)
				- Horizontal Social Awareness
					- Community smells
					- Fair prompt engineering
	- ### SUMMARY (spunti da Fabio)
	- ### SECOND DAY (WORKSHOP)
		- **SLR SU FAIRNESS IN DIVERSI CONTESTI (TESI TRIENNALI CHE HA CONSIDERATO GLI ULTIMI 10 ANNI)**
			- SEARCH STRING ("FAIRNESS"  E SINOMINI, "AI" "ML" "DEFINITION" "NOTION" "MITIGATION" + KEYWORDS PER I DOMINI)
			- 546 PAPER IDENTIFICATI DI CUI 36 QUELLI RILEVANTI
				- IN CAMPO LEGAL CE NE SONO SOLO 4 (QUESTO FA ACCENDERE UNA LAMPATINA SULLA BONTA' DELLA SEARCH STRING)
			- DEFINIZIONI / METRICHE nei domini:
				- MEDICO
				- LEGALE
				- GENDER (CROSS-CUTTING)
				- *E' STATA TROVATA UNA METRICA CHE APPLICA SOLO SU QUESTO DOMINIO. CE NE SONO MOLTE CHE SONO CONDIVISE*
			- TECNICHE DI MITIGAZIONE
		- APPROCCIO PROPOSTO DI INTEGRAZIONE
			- ![image.png](../assets/image_1708509462206_0.png){:height 526, :width 749}
			-
		- DONE CREARE UN REPOSITORY GITHUBG FRINGE-PROJECT
		- DONE CREARE SITO WEB SU GITHUB DEL PROGETTO FINGE
		- DONE CONDIVIDERE IL LAVORO FATTO DA GIORDANO SUI SINTOMI (DATA BIAS SYMPTOMS)
		- DONE LAVORARE SULLA TASSONOMIA (ENTRO IL [[15-03-2024]])
id:: 65d8963d-149e-44b2-a70d-9cee907047ad
		  :LOGBOOK:
		  CLOCK: [2025-05-26 Mon 22:21:16]--[2025-05-26 Mon 22:21:17] =>  00:00:01
		  :END:
		- DONE REQUIREMENT AMPLIFICATION [[Ideas]]
id:: 65d8963d-f00b-44a0-97c3-10f5510ab44e
			- DATE LE METRICHE SU TESTO, METTO IN PIEDI UN PRECESSO BASATO SU LLMS PER CAMBIARE LA VARIANZA DEI REQUISITI RISPETTO ALLE METRICHE SUL TESTO
			- LA COSA SI FA CON DEI FEW-SHOTS
		- DONE [[@It’s a Matter of Style: Detecting Social Bots through Writing Style Consistency]]
id:: 65d8963d-5b6c-48da-bd21-21e3ffe41570
		  :LOGBOOK:
		  CLOCK: [2025-05-26 Mon 22:21:29]--[2025-05-26 Mon 22:21:29] =>  00:00:00
		  :END:
			-
-