Enron, Wikipedia And The Deal With Biased Low-Friction Data Consequential podcast

Artwork

Innehåll tillhandahållet av Carnegie Mellon University. Allt poddinnehåll inklusive avsnitt, grafik och podcastbeskrivningar laddas upp och tillhandahålls direkt av Carnegie Mellon University eller deras podcastplattformspartner. Om du tror att någon använder ditt upphovsrättsskyddade verk utan din tillåtelse kan du följa processen som beskrivs här https://sv.player.fm/legal.

Consequential « »
Enron, Wikipedia and the Deal with Biased Low-Friction Data

4y ago 29:17

Dela

MP3•Episod hem

Innehåll tillhandahållet av Carnegie Mellon University. Allt poddinnehåll inklusive avsnitt, grafik och podcastbeskrivningar laddas upp och tillhandahålls direkt av Carnegie Mellon University eller deras podcastplattformspartner. Om du tror att någon använder ditt upphovsrättsskyddade verk utan din tillåtelse kan du följa processen som beskrivs här https://sv.player.fm/legal.

The Enron emails helped give us spam filters, and many natural language processing and fact-checking algorithms rely on data from Wikipedia. While these data resources are plentiful and easily accessible, they are also highly biased. This week, we speak to guests Amanda Levendowski and Katie Willingham about how low-friction data sources contribute to algorithmic bias and the role of copyright law in accessing less troublesome sources of knowledge and data.

… continue reading

41 episoder

Artwork

Enron, Wikipedia and the Deal with Biased Low-Friction Data

published 4y ago

Dela

MP3•Episod hem

Innehåll tillhandahållet av Carnegie Mellon University. Allt poddinnehåll inklusive avsnitt, grafik och podcastbeskrivningar laddas upp och tillhandahålls direkt av Carnegie Mellon University eller deras podcastplattformspartner. Om du tror att någon använder ditt upphovsrättsskyddade verk utan din tillåtelse kan du följa processen som beskrivs här https://sv.player.fm/legal.

The Enron emails helped give us spam filters, and many natural language processing and fact-checking algorithms rely on data from Wikipedia. While these data resources are plentiful and easily accessible, they are also highly biased. This week, we speak to guests Amanda Levendowski and Katie Willingham about how low-friction data sources contribute to algorithmic bias and the role of copyright law in accessing less troublesome sources of knowledge and data.

… continue reading

41 episoder

Tất cả các tập

×

Välkommen till Player FM

Player FM scannar webben för högkvalitativa podcasts för dig att njuta av nu direkt. Den är den bästa podcast-appen och den fungerar med Android, Iphone och webben. Bli medlem för att synka prenumerationer mellan enheter.

Lyssna på 500+ ämnen

Lyssna på det här programmet medan du utforskar