Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Découvrir
Envoyer
  • Bienvenue sur AIID
  • Découvrir les incidents
  • Vue spatiale
  • Vue de tableau
  • Vue de liste
  • Entités
  • Taxonomies
  • Soumettre des rapports d'incident
  • Classement des reporters
  • Blog
  • Résumé de l’Actualité sur l’IA
  • Contrôle des risques
  • Incident au hasard
  • S'inscrire
Fermer
Découvrir
Envoyer
  • Bienvenue sur AIID
  • Découvrir les incidents
  • Vue spatiale
  • Vue de tableau
  • Vue de liste
  • Entités
  • Taxonomies
  • Soumettre des rapports d'incident
  • Classement des reporters
  • Blog
  • Résumé de l’Actualité sur l’IA
  • Contrôle des risques
  • Incident au hasard
  • S'inscrire
Fermer

Problème 1530

Incidents associés

Incident 1613 Rapports
Facebook's Ad Delivery Reportedly Excluded Audience along Racial and Gender Lines

Loading...
Discrimination par l'optimisation : comment la diffusion d'annonces sur Facebook peut entraîner des résultats biaisés
arxiv.org · 2019

L'énorme succès financier des plateformes de publicité en ligne est en partie dû aux fonctionnalités de ciblage précis qu'elles offrent. Bien que les chercheurs et les journalistes aient trouvé de nombreuses façons pour les annonceurs de cibler --- ou d'exclure --- des groupes particuliers d'utilisateurs voyant leurs publicités, relativement peu d'attention a été accordée aux implications du processus de diffusion des publicités de la plate-forme, composé des choix de la plate-forme concernant quels utilisateurs voient quelles publicités.

Il a été émis l'hypothèse que ce processus peut "fausser" la diffusion des publicités d'une manière que les annonceurs n'ont pas l'intention de faire, rendant certains utilisateurs moins susceptibles que d'autres de voir des publicités particulières en fonction de leurs caractéristiques démographiques. Dans cet article, nous démontrons qu'une telle diffusion biaisée se produit sur Facebook, en raison des effets d'optimisation du marché et des finances ainsi que des propres prédictions de la plate-forme sur la "pertinence" des publicités pour différents groupes d'utilisateurs. Nous constatons que le budget de l'annonceur et le contenu de la publicité contribuent chacun de manière significative au biais de la diffusion des publicités de Facebook. De manière critique, nous observons une distorsion significative de la diffusion en fonction du sexe et des critères raciaux pour les "vraies" annonces d'opportunités d'emploi et de logement malgré des paramètres de ciblage neutres.

Nos résultats démontrent des mécanismes jusque-là inconnus qui peuvent conduire à une diffusion publicitaire potentiellement discriminatoire, même lorsque les annonceurs définissent leurs paramètres de ciblage pour qu'ils soient très inclusifs. Cela souligne la nécessité pour les décideurs politiques et les plateformes d'examiner attentivement le rôle de l'optimisation de la diffusion des publicités gérée par les plateformes publicitaires elles-mêmes --- et pas seulement les choix de ciblage des annonceurs --- dans la prévention de la discrimination dans la publicité numérique.

Lire la source

Recherche

  • Définition d'un « incident d'IA »
  • Définir une « réponse aux incidents d'IA »
  • Feuille de route de la base de données
  • Travaux connexes
  • Télécharger la base de données complète

Projet et communauté

  • À propos de
  • Contacter et suivre
  • Applications et résumés
  • Guide de l'éditeur

Incidents

  • Tous les incidents sous forme de liste
  • Incidents signalés
  • File d'attente de soumission
  • Affichage des classifications
  • Taxonomies

2024 - AI Incident Database

  • Conditions d'utilisation
  • Politique de confidentialité
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • e1b50cd