Quiz collegato alla guida · Difficile Livello

COMPAS e bias negli algoritmi di recidiva Quiz

Verifica i risultati di ProPublica sui tassi di errore COMPAS, sulla difesa della calibrazione di Northpointe e sul motivo per cui le definizioni di equità sono in conflitto quando i tassi di base differiscono.

Domanda 1 di 8

Tra gli imputati che NON hanno commesso reati recidivi, cosa ha scoperto ProPublica sugli imputati neri rispetto agli imputati bianchi?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Tra gli imputati che NON hanno commesso reati recidivi, cosa ha scoperto ProPublica sugli imputati neri rispetto agli imputati bianchi?
    • Avevano meno probabilità di essere segnati
    • Avevano etichette di rischio identiche
    • Avevano quasi il doppio delle probabilità di essere etichettati a rischio più elevato
    • Avevano maggiori probabilità di essere etichettati a basso rischio
  2. Qual è stato il fulcro della difesa di COMPAS da parte di Northpointe?
    • Ad ogni livello di punteggio, gli imputati bianchi e neri hanno commesso nuovamente reati con tassi simili (calibrazione)
    • Lo strumento utilizzava la razza per correggere i pregiudizi storici
    • ProPublica aveva analizzato la contea sbagliata
    • Lo strumento non è mai stato utilizzato in nessun tribunale
  3. In quali condizioni il risultato di impossibilità dice che la calibrazione e gli stessi tassi di errore non possono essere validi?
    • Quando il modello utilizza più di 100 funzioni
    • Quando il set di dati contiene meno di 10.000 persone
    • Quando la gara è inclusa come input
    • Quando i gruppi hanno tassi di base diversi e il predittore non è perfetto
  4. Cosa ha affermato la Corte Suprema del Wisconsin nel caso State v. Loomis?
    • COMPAS è incostituzionale e bandito dai tribunali
    • I giudici possono prendere in considerazione COMPAS, ma non può essere il fattore decisivo e sono necessarie avvertenze scritte
    • I punteggi COMPAS devono decidere la lunghezza delle frasi
    • Agli imputati deve essere mostrato il codice sorgente completo
  5. La razza è un input per COMPAS?
    • Sì, è il fattore più pesantemente ponderato
    • Sì, ma solo per gli imputati in Florida
    • No; utilizza la storia criminale e le risposte al questionario
    • No; utilizza solo l'età dell'imputato
  6. Cosa ha scoperto lo studio del 2018 di Julia Dressel e Hany Farid?
    • Volontari online non addestrati hanno previsto il riarmo con la stessa precisione di COMPAS
    • COMPAS ha avuto una precisione superiore al 90%.
    • I giudici hanno ignorato completamente i punteggi COMPAS
    • COMPAS non presentava disparità razziali nella contea di Broward
  7. Utilizzando FPR = (p/(1-p)) x ((1-PPV)/PPV) x (1-FNR), se PPV e FNR sono uguali tra i gruppi ma il gruppo A ha un tasso base p più alto, cosa succede al tasso di falsi positivi del gruppo A?
    • Deve essere più basso
    • Deve essere zero
    • Non è influenzato da p
    • Deve essere più alto
  8. Perché escludere la razza da un modello di rischio non garantisce risultati imparziali?
    • I tribunali richiedono che la razza sia inclusa
    • Input correlati come arresti precedenti possono portare con sé modelli storici di polizia
    • I modelli non possono essere eseguiti senza dati demografici
    • Escludere la razza rende sempre il modello meno accurato per ogni gruppo