Files
2025-06-05 22:07:12 +02:00

1.7 KiB

    •  Notes

    • 🤝Meetings

      • type:: meeting external-links::
        tags:: PROJECTS/PRIN-EMELIOT people:: #people/AntiniscaDiMarco #people/claudio #people/giordano date:: 18-12-2023 - 17:02 duration::
        • Fabris et al. - 2022 - Algorithmic fairness datasets the story so far (1).pdf :LOGBOOK: CLOCK: [2025-05-26 Mon 22:20:30]--[2025-05-26 Mon 22:20:30] => 00:00:00 :END:
        • 17 datasets sono considerati attualmente per l'analisi
        • image.png
          • Per ogni variabili binaria vengono considerate le metriche precedenti. L'idea e' verificare se i primi 3 sintomi sono indicatori di bias.
          • L'analisi ci dice che questi sintomi non sono in correlazione con le ultime 3 metriche in legenda.
          • Per prossima volta
            • Dimostrare che Equalized_odds non e' significativa
            • Vedere dove emerge l'unbalance e perche' (se e' relativa a qualche variabile specifica, e.g., gender)
            • Arrivare a 50 dataset (ora siamo a 18 noti in letteratura)
            • Provare altri modelli
            • Tempi di esecuzione
    • 📜Reviews

      • {{query (and REVIEWS (or (property :date-end 18-12-2023) (property :date-start 18-12-2023)))}} query-table:: true query-properties:: [:file :year :venue :deadline]
    • ⤴️Omnivore readings

      • {{query (and (property :source Omnivore) (or (property :deadline 18-12-2023) (property :date-saved 18-12-2023) (property :date-archived 18-12-2023)))}} query-table:: true query-properties:: [:labels :author :site :block]