92 lines
5.2 KiB
Markdown
92 lines
5.2 KiB
Markdown
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
|
||
- {: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:
|
||
-
|
||
- |