Vertiefe die erarbeiteten Grundlagen anhand praxisnaher Übungsaufgaben und steigere so deinen Lernerfolg. Beachte bitte, dass die Übungsaufgaben auf bestimmten Abschnitten der Grundlagenseite dieser Lerneinheit aufbauen.
Dieser Kurs baut auf dem Abschnitt der Grundlagenseite “Verschiedene Arten von Bias” auf.
Vertiefe mit Hilfe dieses Kurses dein Wissen über Bias.
In der ersten Aufgabe gehen wir auf unbewusste Voreingenommenheit bei Rekrutierungsentscheidungen ein. In der zweiten Aufgabe vertiefen wir die verschiedenen, kennengelernten Bias-Arten im ML-Lebenszyklus. Dafür geben wir dir verschiedene Szenarien vor, welchen du dann einer bestimmten Bias-Art zuordnen darfst.
Unbewusste Vorurteile beeinflussen dein Handeln, egal ob bei der Einstellung von neuen Mitarbeiter*innen oder bei der Kreditvergabe. So hat beispielsweise jeder von uns eine oft unterbewusste Tendenz, bestimmte Begriffe eher mit dem einen oder dem anderen Geschlecht zu verbinden. Viele Menschen setzen spontan männliche Vornamen eher mit dem Wort „Karriere“ und weibliche Vornamen eher mit dem Wort „Familie“ in Verbindung. Du kannst diesen Test selbst ausprobieren: Harvard implicit association test.
In unserer ersten Aufgabe geht es darum, ob du unbewusste Voreingenommenheit hinter Rekrutierungsentscheidungen erkennst. Unbewusste Voreingenommenheit am Arbeitsplatz liegt vor, wenn Personen Urteile fällen, die zumindest teilweise von Geschlecht, ethnischer Herkunft, Rasse oder anderen Faktoren beeinflusst sind, ohne sich dessen bewusst zu sein. Dies geschieht in der Regel auf der Grundlage gesellschaftlicher Stereotypen oder eigener Erfahrungen.
In diesem Quiz kannst du dein Wissen über unbewusste Voreingenommenheit testen.
Statt sich auf menschliche Annahmen und Entscheidungen zu stützen, welche oft mit unbewussten Vorurteilen getroffen werden, beziehen sich KI-Systeme beim Maschinellen Lernen auf Modelle, die aus einer Vielzahl von Datenquellen und Parametern generiert werden. Viele von denjenigen, die KI-Systeme entwickeln und einsetzen, gehen pauschal von einer Objektivität und Neutralität algorithmischer Entscheidungen aus. Du hast aber bereits gelernt, dass dies nicht immer gegeben ist.
Quelle der Quizfragen: everywoman
Wie du weißt, kann Bias in jeder Phase des ML-Lebenszyklus entstehen. Auf der Grundlagenseite haben wir elf konkrete Bias-Arten im ML-Lebenszyklus definiert. Die nachfolgende Übungsaufgabe soll dir helfen, die Definitionen der einzelnen Bias-Arten zu veranschaulichen.
Im nachfolgenden Quiz bekommst du Beispiele für bestimmte Bias-Arten genannt. Deine Aufgabe ist es, jedem Beispiel die entsprechende Bias-Art zuzuordnen.