GESD: Una Nuova Metrica di Equità Procedurale per le Spiegazioni nel Machine Learning

I ricercatori hanno introdotto una nuova misura di equità chiamata Group-level Explanation Stability Disparity (GESD), che sposta l'attenzione dalla semplice osservazione dei risultati alla garanzia di equità procedurale nel machine learning. A differenza di metriche tipiche come la parità statistica o l'uguaglianza di opportunità, GESD valuta quanto siano stabili e robuste le spiegazioni del modello attraverso diversi sottogruppi all'interno di una categoria protetta. Questa misura funziona indipendentemente da modelli o spiegatori specifici, consentendo un'analisi più completa dell'equità a livello di spiegazione. GESD fa parte di un framework di ottimizzazione chiamato FEU, progettato per bilanciare simultaneamente utilità, equità dei risultati ed equità delle spiegazioni. Questo lavoro, disponibile su arXiv:2605.15295v1, mira ad approfondire la comprensione del bias nei processi decisionali.