Quiz collegato alla guida · Medio Livello
Age Bias in AI Systems Quiz
Compares an EEOC hiring case, NIST biometric evaluations and LLM ageism studies while keeping each result tied to its tested system and sample.
Domanda 1 di 8
Cosa ha affermato l’EEOC riguardo al software applicativo di iTutorGroup?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Cosa ha affermato l’EEOC riguardo al software applicativo di iTutorGroup?
- It rejected every applicant under 40
- It was used only to estimate age in photos
- It automatically rejected female applicants age 55+ and male applicants age 60+
- It had no automated screening feature
- Cosa ha riportato il NIST sugli effetti demografici negli algoritmi di riconoscimento facciale?
- Every algorithm had the same error rates
- Age had no effect on performance
- Many tested algorithms showed demographic differentials, with magnitude varying by algorithm and application
- The test measured LLM attitudes only
- In cosa differiscono il riconoscimento facciale e la stima dell’età?
- Recognition matches identity; age estimation predicts an age from a face image
- La stima dell'età verifica l'identità legale di una persona
- Entrambi i compiti producono sempre lo stesso output
- Il riconoscimento facciale prevede solo l'anno di nascita
- Quali fattori, secondo il NIST, possono influenzare l’accuratezza della stima dell’età?
- Se l'immagine è a colori
- Qualità dell'immagine, genere, regione di nascita, età e interazioni tra i fattori
- Solo la dimensione del file del modello
- Solo il titolo professionale della persona
- Cosa ha valutato lo studio sul valore dell’età LLM 2024?
- Sei LLM selezionati che usano prompt su orientamenti di valore legati all'età
- Ogni prodotto AI utilizzato da adulti anziani
- Solo i tassi di errore del riconoscimento facciale
- Una diagnosi clinica di compromissione cognitiva
- Perché l'errore di stima dell'età di NIST non dovrebbe essere trattato come risultato universale per tutti i sistemi?
- NIST ha misurato ogni sistema mai distribuito
- The evaluation covers submitted algorithms and datasets; results vary by model, group and image conditions
- An average error proves every group has identical error
- Age estimation and hiring are the same task
- Which hiring audit best tests age-related effects?
- Use age as the only quality measure
- Compare unrelated applicants for different jobs
- Test one applicant once
- Compare equivalent applications while varying age cues and keeping job qualifications constant
- Which broad conclusion is supported across the cited age-bias research?
- NIST’s results determine whether a hiring model is lawful
- Every AI system discriminates against older adults
- Older adults cannot use digital tools
- Age effects vary by task and model, so evaluate the actual use and age groups involved