
Fairness in Information Access Systems
Empfehlungen, Information Retrieval und andere Systeme für den Informationszugang stellen besondere Herausforderungen für die Untersuchung und Anwendung von Fairness- und Nichtdiskriminierungskonzepten dar, die für die Untersuchung anderer maschineller Lernsysteme entwickelt wurden. Während der faire Informationszugang viele Gemeinsamkeiten mit der fairen Klassifizierung aufweist, gibt es auch wichtige Unterschiede, wie z.B.
den Multi-Stakeholder-Charakter von Anwendungen für den Informationszugang, die rangbasierte Problemstellung, die zentrale Bedeutung der Personalisierung in vielen Fällen und die Rolle der Nutzerreaktion. All dies erschwert das Problem, genau zu bestimmen, welche Arten und Operationalisierungen von Fairness relevant sein könnten. In dieser Monographie stellen die Autoren eine Taxonomie der verschiedenen Dimensionen des fairen Informationszugangs vor und geben einen Überblick über die bisherige Literatur zu diesem neuen und schnell wachsenden Thema.
Vorangestellt sind kurze Einführungen in den Informationszugang und die algorithmische Fairness, um Wissenschaftlern, die sich mit den Überschneidungen zwischen diesen beiden Themen befassen wollen, die Nutzung dieses Werks zu erleichtern. Die Autoren schließen mit mehreren offenen Problemen im Bereich des fairen Informationszugangs und präsentieren Vorschläge, wie die Forschung in diesem Bereich angegangen werden kann.