مقاله انگلیسی با ترجمه اخلاق کمی سازی یا کمی سازی اخلاق؟

روانشناسی ، علوم تربیتی ،علوم اجتماعی, مدیریت 1,435 بازدید

این مقاله علمی پژوهشی (isi) به زبان انگلیسی همراه با ترجمه تخصصی از نشریه الزویر مربوط به سال ۲۰۲۰ دارای ۱۱ صفحه ی انگلیسی با فرمت PDF و ۲۷ صفحه ترجمه فارسی به صورت فایل WORD قابل ویرایش می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی ، بخشی از ترجمه فارسی مقاله و لینک خرید آنلاین ترجمه ی کامل مقاله موجود می باشد.

کد محصول: M1193

سال نشر: ۲۰۲۰

نام ناشر (پایگاه داده): الزویر

نام مجله: Futures

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۱۱ صفحه PDF

تعداد صفحه ترجمه فارسی: ۲۷ صفحه WORD

قیمت فایل ترجمه شده: ۳۷۰۰۰ تومان

عنوان کامل فارسی:

مقاله انگلیسی ترجمه شده ۲۰۲۰ : اخلاق کمی سازی یا کمی سازی اخلاق؟

عنوان کامل انگلیسی:

Ethics of quantification or quantification of ethics?

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله به صورت کامل و تخصصی ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید

چکیده فارسی:

با مشاهده ویژگی های اخلاقی مشترک در موارد مختلف کمی سازی ، می توان اطلاعاتی را بدست آورد. در حالی که اخلاق الگوریتم ها در حال حاضر به عنوان یک مسئله ضروری شناخته می شوند ، نگرانی های مشابه به راحتی می تواند با استفاده از معیارها ، استنباط آماری و مدل سازی ریاضی همراه باشد. با بررسی این ویژگی های مشترک ، می توان استراتژی های مقابله ای را برای مقابله با هرج و مرج های محاسباتی ، تثبیت معیارها و سوء استفاده های آماری، بکار گرفت.

واژه‌های کلیدی: اخلاق الگوریتم ها ، معیارها ، مدل سازی آماری ، مدل سازی ریاضی ، NUSAP ، حسابرسی حساسیت

۱.مقدمه

در اوایل دهه هشتاد ، جامعه شناس بک (۱۹۹۲) روش های کمی را – همراه با فمینیسم ، نو مارکسیسم و تخصص ، به عنوان نقطه اتصال مدرنیته و سنت گرایی ذکر کرد. سه دهه بعد ، کمی سازی (معیارسازی ، عددسازی) در دامنه وسیع گسترش یافته و به یکی از ویژگیهای تعیین کننده زمان حال تبدیل شده است. بنابراین ، این پرسش که این موارد چگونه پیکربندی می شوند – همانطور که در اینجا مورد بحث قرار می گیرد ، ضروری است. چرا ، به طور کلی یک اصول اخلاقی در کمی سازی ، و اصول اخلاقی متمایز برای الگوریتم ها ، معیارها ، مدلهای آماری یا ریاضی وجود ندارد؟ شاید با تجزیه و تحلیل مسائل مشترک در شیوه های مختلف کمی سازی ، اطلاعاتی حاصل شود.

یک دلیل این است که انفجار تحلیل کلان داده ها و هوش مصنوعی، تفاوت بین داده و مدل را کمرنگ می سازد: درک عملکرد و کیفیت یک الگوریتم (از جمله سوگیری های هنجاری ممکن) بدون دانش در مورد داده هایی که الگوریتم بر مبنای آنها ایجاد و تنظیم میشود، غیرممکن می گردد (برونیس و گودمن ۲۰۱۸)، و زمانی که رسانه ها در مورد خطرات کلان داده ها بحث میکنند (ردن ۲۰۱۷)، منظور آنها غالباً استفاده از این داده ها در سیستم های هوش مصنوعی می باشد. مسئله جداسازی داده ها و مدل، محدود به الگوریتم ها نیست. زمانی که مدل ها و داده ها به صورت همزمان در یک زمینه معین (مثلاً علوم آب و هوا) تکامل می یابند، وجود داده های بارگیری شده در مدل، با مدل های بارگیری شده با داده (ادواردز ۱۹۹۹) و بنابراین دشواری درک یکی از آنها بدون دیگری، فوراً مشاهده می شود….

۴.نتیجه گیری

در مقدمه ذکر شده است که با تجزیه و تحلیل مسائل مشترک در شیوه های مختلف کمی سازی ، می توان اطلاعاتی را بدست آورد. اگر ملاحظات مقاله حاضر کاربردی داشته باشد و اخلاق کمی سازی بتواند مفاهیم را درک کند ، باز هم مشکلات در چگونگی پیگیری و انتشار اصول آن باقی می مانند. ایده هایی که تفاوت های زیادی دارند مثل:

فهرست قیمت مصرف کننده
رتبه بندی اعتبار
قیمت یک دسته از مشتقات
تعداد ستاره های مورد نیاز بشریت در یک سال
تولید ناخالص داخلی سال ۲۱۰۰
ریسک عددی یک محصول یا فعالیت صنعتی…

Abstract

Something can be gained by looking at common ethical features of different instances of quantification. While ethics of algorithms is perceived at present as an urgent issue, similar concerns can easily be associated to the use of metrics, of statistical inference, and of mathematical modelling. By reviewing these common features, strategies of resistance can be imagined to cope with computational dystopias, metrics fixation and numerical abuse.

Keywords: Ethics of algorithms, Metrics ,Statistical modelling, Mathematical modelling, NUSAP ,Sensitivity auditing

۱.Introduction

Already in the early eighties, sociologist Beck (1992) listed quantitative methods – together with feminism, neo-Marxism and specialization, as relevant anchorage point of the old modernity. Three decades later quantification (metrification, numerification) have greatly expanded in scope, becoming one defining features of the present. Thus, the question of how it is (to be) regulated is relevant and – as discussed here, urgent. Why, though, an overarching ethics of quantification, and not separate ethics for algorithms, for metrics, for statistical or mathematical models? Perhaps, something can be gained by analysing common issues in the various practices of quantification.

One reason is that the explosion of big data analytics and artificial intelligence blurs the difference between data and model: the understanding of the functioning and of the quality of an algorithm (including possible normative biases) becomes impossible without knowledge of the data on which the algorithm has been constructed and calibrated (Brauneis & Goodman, 2018), and when the media discuss about the dangers of Big Data (Redden, 2017), they mostly refer to the use to which these data are put via artificial intelligence systems. The issue of data versus model separability is not limited to algorithms. The existence of model-laden data with data-laden models (Edwards, 1999) – and hence the difficulty to understand one without the other, has already been noted when models and data coevolve in the context e.g. of climate science…

۴.Conclusions

The introduction mentioned that something can be gained by analysing common issues in the various practices of quantification. The analysis has shown common problematic patterns which would lend themselves to the therapies just highlighted. If the considerations of the present article have some utility, and an ethics of quantification can be usefully conceived, problems would still persist in how its principles could be pursued and disseminated. The idea that numbers as different as