Belgif Linked Data Fragments server

Matches in Data.gov.be for { <http://data.gov.be/.well-known/genid/dataset/ucl/doi-10-14428/DVN/ZGD5DR> ?p ?o ?g. }

• ZGD5DR accessRights PUBLIC @default.
• ZGD5DR bibliographicCitation "Vancompernolle Vromman Flore; Hericher Corentin; Vande Kerckhove Corentin, 2024, "Moral Reactions to Fairness-Aware AI on Prolific", https://doi.org/10.14428/DVN/ZGD5DR, Open Data @ UCLouvain, V1, UNF:6:JFK7yuw2qYEhco47HOIFdg== [fileUNF]" @default.
• ZGD5DR created "2024-03-18T13:32:08Z" @default.
• ZGD5DR description "De gegevens bevatten de reacties van werknemers op organisatorische beslissingen die zijn genomen met behulp van traditionele en fairness-bewuste algoritmen. Traditionele algoritmen zijn algoritmen die gericht zijn op het maximaliseren van primaire doelstellingen zonder expliciet morele beperkingen op te nemen. Eerlijkheidsbewuste algoritmen zijn algoritmen die gericht zijn op het verhogen van primaire doelstellingen met expliciete integratie van morele / ethische beperkingen, door het gebruik van beschermde variabelen. We hebben drie op vignetten gebaseerde experimenten uitgevoerd. In de eerste studie worden algoritmen vergeleken in een aanwervingssituatie. In de tweede studie worden algoritmen vergeleken in een schietsituatie. De derde studie biedt meer nuance met de vergelijking van twee fairness-bewuste algoritmen met variërende nauwkeurigheid. Gegevens zijn verzameld via online enquêtes (experimenten) met behulp van het Prolific-platform Omvang : - Studie 1: 140 deelnemers (pretest: steekproef van 70 deelnemers) - Studie 2: 140 deelnemers (pretest: steekproef van 70 deelnemers) - Studie 3 : 300 deelnemers (pretest: steekproef van 200 deelnemers) Periode van inzameling: - studie 1-2: 09-oct-2023 - studie 3 : 13-feb-2024 Formaat: .sav (SPSS)" @default.
• ZGD5DR description "Die Daten enthalten die Reaktionen der Mitarbeiter auf organisatorische Entscheidungen, die mit traditionellen und fairnessbewussten Algorithmen getroffen werden. Traditionelle Algorithmen sind Algorithmen, die darauf abzielen, primäre Ziele zu maximieren, ohne ausdrücklich moralische Einschränkungen einzubeziehen. Fairnessbewusste Algorithmen sind Algorithmen, die darauf abzielen, die primären Ziele durch die explizite Einbeziehung moralischer / ethischer Einschränkungen durch die Verwendung geschützter Variablen zu erhöhen. Wir haben drei Vignettenexperimente durchgeführt. In der ersten Studie werden Algorithmen in einer Einstellungssituation verglichen. In der zweiten Studie werden Algorithmen in einer Schusssituation verglichen. Die dritte Studie bietet mehr Nuancen beim Vergleich zweier fairnessbewusster Algorithmen mit unterschiedlicher Genauigkeit. Die Daten wurden durch Online-Umfragen (Experimente) über die Prolific-Plattform gesammelt. Volumen: - Studie 1 : 140 Teilnehmer (Vortest: 70-Teilnehmer-Stichprobe) - Studie 2 : 140 Teilnehmer (Vortest: 70-Teilnehmer-Stichprobe) - Studie 3 : 300 Teilnehmer (Vortest: 200-Teilnehmer-Probe) Zeitraum der Sammlung: - Studie 1-2 : 09-Okt-2023 - Studie 3 : 13-feb-2024 Format: .sav (SPSS)" @default.
• ZGD5DR description "Les données contiennent les réactions des employés aux décisions organisationnelles prises à l'aide d'algorithmes traditionnels et conscients de l'équité. Les algorithmes traditionnels sont des algorithmes visant à maximiser les objectifs primaires sans incorporer explicitement des contraintes morales. Les algorithmes sensibles à l'équité sont des algorithmes visant à augmenter les objectifs primaires en incorporant explicitement des contraintes morales / éthiques, grâce à l'utilisation de variables protégées. Nous avons mené trois expériences à base de vignettes. Dans la première étude, les algorithmes sont comparés dans une situation d'embauche. Dans la deuxième étude, les algorithmes sont comparés dans une situation de tir. La troisième étude offre plus de nuance avec la comparaison de deux algorithmes conscients de l'équité avec une précision variable. Les données ont été collectées par le biais d'enquêtes en ligne (expérimentations) à l'aide de la plateforme Prolific Volume : - Étude 1 : 140 participants (prétest : échantillon de 70 participants) - Etude 2 : 140 participants (prétest : échantillon de 70 participants) - Etude 3 : 300 participants (prétest : échantillon de 200 participants) Période de collecte : - étude 1-2 : 09-oct-2023 - étude 3 : 13 février 2024 Format : .sav (SPSS)" @default.
• ZGD5DR description "The data contains employees' reactions to organizational decisions made using traditional and fairness-aware algorithms. Traditional algorithms are algorithms aiming at maximizing primary objectives without explicitly incorporating moral constraints. Fairness-aware algorithms are algorithms aiming at increasing primary objectives with explicitly incorporating moral/ethical constraints, through the use of protected variables. We conducted three vignette-based experiments. In the first study, algorithms are compared in a hiring situation. In the second study, algorithms are compared in a firing situation. The third study offers more nuance with the comparison of two fairness-aware algorithms with varying accuracy. Data has been collected through online surveys (experimentations) using the Prolific platform Volume : - Study 1 : 140 participants (pretest : 70-participants sample) - Study 2 : 140 participants (pretest : 70-participant sample) - Study 3 : 300 participants (pretest : 200-participant sample) Period of collection : - study 1-2 : 09-oct-2023 - study 3 : 13-feb-2024 Format : .sav (SPSS)" @default.
• ZGD5DR identifier "doi:10.14428/DVN/ZGD5DR" @default.
• ZGD5DR issued "2024-03-20T15:26:45Z" @default.
• ZGD5DR language ENG @default.
• ZGD5DR modified "2024-03-20T15:26:45Z" @default.
• ZGD5DR publisher 0419052272 @default.
• ZGD5DR subject "Computer and Information Science" @default.
• ZGD5DR subject "Social Sciences" @default.
• ZGD5DR title "Moral Reactions to Fairness-Aware AI on Prolific" @default.
• ZGD5DR title "Moralische Reaktionen auf Fairness-bewusste KI auf produktive" @default.
• ZGD5DR title "Morele reacties op Fairness-Aware AI op Prolific" @default.
• ZGD5DR title "Réactions morales à l'IA sensible à l'équité sur Prolific" @default.
• ZGD5DR type Dataset @default.
• ZGD5DR contactPoint genid68880 @default.
• ZGD5DR distribution dataverse-18e51c2dadc-e6d7452392dc @default.
• ZGD5DR distribution dataverse-18e51c2dce5-fd8f5fb8c7ad @default.
• ZGD5DR distribution dataverse-18e51c2df5d-de637d6d1c2a @default.
• ZGD5DR distribution dataverse-18e51c2e131-447a117bfb4f @default.
• ZGD5DR distribution dataverse-18e51c2e2ef-560913cf07a4 @default.
• ZGD5DR distribution dataverse-18e51c2e65b-d74e8f0d0315 @default.
• ZGD5DR landingPage ZGD5DR @default.
• ZGD5DR theme SOCI @default.
• ZGD5DR theme TECH @default.
• ZGD5DR version "1" @default.