Equità dei Classificatori con Vincoli tra Caratteristiche

Un nuovo articolo su arXiv (2605.00592) propone una definizione di equità per i classificatori di machine learning che tiene conto dei vincoli tra le caratteristiche. Gli autori sostengono che una decisione è equa se ha una spiegazione equa—una ragione di implicante primo che non contiene caratteristiche protette, considerando i vincoli. Mostrano che ignorare i vincoli può alterare i giudizi di equità anche senza collegamenti diretti tra caratteristiche protette e non protette. Vengono introdotte tre definizioni di equità a livello di classificatore: tutte le decisioni hanno solo spiegazioni eque, esiste almeno una spiegazione equa, o cambiare le spiegazioni influisce sull'equità.