Показаны сообщения с ярлыком информатика. Показать все сообщения
Показаны сообщения с ярлыком информатика. Показать все сообщения

пятница, 14 ноября 2025 г.

От нейтральности к подотчётности: Предвзятость в архивах, информатике и данных (библиография)

Данный пост эксперта в области управления электронными документами, эксперта ИСО от США Энди Поттера (Andy Potter - на фото) был опубликован 25 сентября 2025 года в социальной сети Substack.

Я всегда ценил качественную аннотированную библиографию. Она подобна вехам на длинной тропе - можно остановиться у каждой; посмотреть, где другие уже побывали; и получить представление о предстоящем пути. 

На протяжении многих лет я снова и снова возвращаюсь к литературе по вопросу предвзятости в архивах, в информатике и - в последнее время - в управлении данными. Я делаю это не в надежде когда-нибудь «охватить всё», а потому, что меня постоянно тянет назад одна и та же мысль: каждому поколению приходилось разбираться с тем фактом, что мы [архивисты – Н.Х.] не нейтральны в своей работе.

Предвзятость в управлении информацией - это не какая-то случайность, а то, что присутствует всегда. Настоящий вопрос заключается в том, признаём ли мы её наличие, делаем ли её видимой и выстраиваем ли вокруг неё систему подотчётности.

Ниже приведена составленная мной библиография по данному вопросу - не исчерпывающая, но включающая ключевые публикации, которые на протяжении десятилетий формировали мои взгляды на предвзятость и нейтральность.

Мой комментарий: Я не во всём согласна как с выбором публикаций, так и с их оценкой – но, полагаю, российским специалистам в любом случае было бы полезно познакомиться с этими работами (все они – на английском языке, и большинство из них доступно для бесплатного скачивания).

Архивоведение

  • Мюллер (S. Muller), Фейт (J. A. Feith) и Фруин (R. Fruin), Голландия, «Руководство по упорядочиванию и описанию архивных документов» (Manual for the Arrangement and Description of Archives, 1898/1905), 284 стр., см. https://babel.hathitrust.org/cgi/pt?id=mdp.39015057022447  

    В данной работе введены принципы «первоначального порядка» и беспристрастности - принципы, звучащие нейтрально, но несущие в себе скрытые допущения.

  • Хилари Дженкинсон (Hilary Jenkinson), «Руководство по управлению архивами» (A Manual of Archive Administration, 1922), 280 стр., см. https://archive.org/details/manualofarchivea00jenkuoft  

    Классическое представление об архивисте как пассивном хранителе, возводящее нейтралитет в ранг добродетели.

  • Т. Р. Шелленберг (T. R. Schellenberg), «Современные архивные принципы и методы» (Modern Archives: Principles and Techniques, 1956), 268 стр., см. https://babel.hathitrust.org/cgi/pt?id=mdp.39015071452539&seq=5 

    С появлением экспертизы ценности, суждения архивистов стали видимыми - предвзятость уже невозможно было скрыть.

  • Говард Зинн (Howard Zinn), «Секретность, архивы и общественный интерес» (Secrecy, Archives, and the Public Interest, 1977), 13 стр., см. https://www.iastatedigitalpress.com/archivalissues/article/id/7223/

    Радикальный поворот: Зинн утверждал, что архивы неизбежно отражают точку зрения власть имущих, и их достоверность следует оспаривать.

  • Джоан Шварц (Joan Schwartz) и Терри Кук (Terry Cook), «Архивы, документы и власть» (Archives, Records, and Power, 2002), 20 стр., см. https://www.metaglyfix.com/jbs/pprs/SchwartzCook-Archives.pdf

    Здесь появилось ставшее каноническим утверждение: архивы - это инструменты власти, а не нейтральные хранилища.

  • Мишель Касвелл (Michelle Caswell), «На пути к ориентированному на интересы уцелевших людей подходу к связанным с правами человека архивным документам: Уроки, извлеченные из опыта работы архивов сообществ» (Toward a Survivor-Centered Approach to Human Rights Archives: Lessons from Community-Based Archives, 2016), 26 стр., см. https://escholarship.org/uc/item/73f5s7sr

    В данной статье показано, как «нейтральные» практики могут заставить уцелевших жертв молчать и тем самым усугубить причинённый вред.
Информатика

  • Сэнфорд Берман (Sanford Berman), «Предубеждения и антипатии» (Prejudices and Antipathies, 1971), 205 стр., см. https://www.sanfordberman.org/prejant/prejant.pdf

    Книга содержит жёсткую критику предметных рубрик Библиотеки Конгресса США, разоблачающую системные предрассудки.

  • Хоуп Олсон (Hope Olson), «Сила именования» (The Power to Name, 1998/2002), см. https://link.springer.com/book/10.1007/978-94-017-3435-6

    Феминистская критика: Именование и представление субъекта никогда не бывают нейтральными актами.

  • Джеффри Боукер (Geoffrey Bowker) и Сьюзан Ли Стар (Susan Leigh Star), «Сортируя  вещи: Классификация и её последствия» (Sorting Things Out - Classification and Its Consequences, 1999), 195 стр., см. https://pzwiki.wdka.nl/mw-mediadesign/images/a/ae/Sorting1999.pdf (полный текст) или https://ar264sweeney.files.wordpress.com/2015/09/9780262269070_introduction.pdf (только введение)

    Основополагающая работа в области науки и техники, показывающая, как классификация формирует мир, который она якобы описывает.
Управление данными и алгоритмами

  • Дана Бойд (danah boyd) и Кейт Кроуфорд (Kate Crawford), «Критические вопросы в отношении больших данных» (Critical Questions for Big Data, 2012), 19 стр., см. https://people.cs.kuleuven.be/~bettina.berendt/teaching/ViennaDH15/boyd_crawford_2012.pdf 

    Новаторское эссе, подвергающее сомнению мифы о масштабе, объективности и необработанных данных.

  • Сафия Нобл (Safiya Noble), «Алгоритмы угнетения: Как поисковые системы усиливают расизм» (Algorithms of Oppression: How Search Engines Reinforce Racism, 2018), 16 стр., см. https://safiyaunoble.com/wp-content/uploads/2020/09/Algorithms_Oppression_Introduction_Intro.pdf

    В статье показывается, как поисковые системы воспроизводят расизм и сексизм.

  • Тимнит Гебру и др. (Timnit Gebru et al.), «Таблицы данных для наборов данных» (Datasheets for Datasets, 2018), 18 стр., https://arxiv.org/abs/1803.09010

    Предлагается концепция документирования происхождения данных и выявления скрытых предубеждений.

  • Технический отчёт ISO/IEC TR 24027:2021 «Информационные технологии – Искусственный интеллект (ИИ) – Предвзятость и необъективность в ИИ-системах и при принятии решений с использованием ИИ» (Information technology - Artificial intelligence (AI) - Bias in AI systems and AI aided decision making), см. https://www.iso.org/standard/77607.html и https://www.iso.org/obp/ui/en/#!iso:std:77607:en 

    Сейчас даже на уровне стандартов предвзятость признается проблемой стратегического управления.
Заключительные мысли

Оглядываясь на прошедшие десятилетия, я вижу не историю исправления ошибок, а историю возвращения к данному вопросу, снова и снова. Архивисты отказались от иллюзии своего нейтралитета. Библиотекари и специалисты по информатике раскрыли политики проведения классификации. Специалисты по аналитике данных и по искусственному интеллекту всё ещё находится в процессе осознания поступающих тревожных сигналов о предвзятости.

Мы никогда не сможем полностью устранить предвзятость из наших систем. Она является частью нашего выбора, языка, который мы используем, и структур, которые мы наследуем. Наша задача заключается не столько в искоренении предвзятости, сколько в ответственном сосуществовании с ней, - выявляя её, используя сбалансированные подходы и беря на себя ответственность за последствия предвзятости.

Эндрю Поттер (Andrew Potter)

Источник: сайт Substack
https://metaarchivist.substack.com/p/from-neutrality-to-accountability 


воскресенье, 19 ноября 2023 г.

Будущее информатики и машинного обучения

Данная заметка Дика Вейсингера (Dick Weisinger – на фото) была опубликована 11 октября 2023 года на блоге компании Formtek.

Информатика (также «наука о данных») и машинное обучение (вместе автор обозначает их аббревиатурой DSML, от Data Science and Machine Learning – Н.Х.) - это быстро развивающиеся области, которые формируют будущее технологий. Согласно результатам анализа, проведенного консультационной фирмой Gartner ( https://www.gartner.com/en/newsroom/press-releases/2023-08-01-gartner-identifies-top-trends-shaping-future-of-data-science-and-machine-learning ), к числу основных тенденций, влияющим на будущее информатики и машинного обучения, относятся экосистемы облачных данных, периферийный искусственный интеллект (edge AI), ответственный искусственный интеллект (responsible AI) и ориентированный на данные искусственный интеллект (data-centric AI).

Экосистемы облачных данных переходят от автономного программного обеспечения (self-contained software) и смешанных развертываний к полностью изначально-облачным решениям (cloud-native solutions). Gartner ожидает, что к 2024 году 50% развертываний новых систем в облаке будет основаны уже на целостной экосистеме облачных данных, а не на интегрируемых вручную отдельных решениях.

Растёт спрос на периферийный ИИ с целью обеспечить обработку данных в месте их создания на периферии, тем самым помогая организациям получать ценные знания и представления в режиме реального времени, обнаруживать новые закономерности и соблюдать строгие требования к защите персональных данных. Gartner прогнозирует, что к 2025 году более 55% всего анализа данных с помощью глубоких нейронных сетей будет происходить в точке захвата данных в периферийной системе.

Ответственный ИИ делает ИИ позитивной силой, а не угрозой для общества и для самого себя. Он охватывает многие аспекты правильного делового и этического выбора при внедрении ИИ, который организации часто делают самостоятельно, такие как деловая и общественная ценность, риски, доверие, прозрачность и подотчетность.

Ориентированный на данные ИИ означает переход от подходов, ориентированных на модели и коды, к сосредоточению внимания на данных с целью создания более эффективных ИИ-систем. Такие подходы, как управление специфическими для ИИ данными, синтетические данные и технологии разметки данных, направлены на решение существующих проблем с данными.

Эти тенденции имеют далеко идущие последствия для деловой деятельности и для общества в целом. Поскольку технологии продолжают развиваться беспрецедентными темпами, организациям важно оставаться на шаг впереди, воспринимая эти тенденции и инвестируя в информатику и машинное обучение.

Будущее информатики и машинного обучения восхитительно и полно потенциала. Благодаря достижениям в области облачных экосистем данных, периферийного ИИ, ответственного ИИ и ориентированного на данные ИИ, мы можем ожидать значительных улучшений в технологиях, которые принесут пользу коммерческим организациям и обществу в целом.

Дик Вейсингер (Dick Weisinger)

Источник: блог компании Formtek
https://formtek.com/blog/the-future-of-data-science-and-machine-learning/

пятница, 13 октября 2023 г.

Германия: Новый стандарт DIN 31640 предназначен для улучшения сбора статистики об использования архивов с учётом требований к методам измерения

Данный пост немецкого архивиста Тим Одендаля (Tim Odendahl - на фото) из городского архива Эсслингена (Esslingen) был опубликован 14 сентября 2023 года на блоге рабочей группы «Открытые архивы» (Offene Archive), располагающемся на сайте Hypotheses.

В сентябре 2023 года был опубликован новый немецкий стандарт DIN 31640:2023-09 «Измерение электронной аудитории в архивах, библиотеках и музеях – Требования к методам измерения» (Digital Audience Measurement in Archiven, Bibliotheken und Museen – Anforderungen an Messverfahren) объёмом 49 страниц, см. https://www.din.de/de/mitwirken/normenausschuesse/nid/veroeffentlichungen/wdc-beuth:din21:362682113 .

Стандарт разработан техническим комитетом «Информация и документация» немецкого национального органа по стандартизации DIN. Сбор и обработка статистики использования архивов, вероятно, будет особенно интересно для архивов, которые позиционируют себя как «открытые».

Как ранее сообщал библиотечный портал Bibliotheksportal.de ( https://bibliotheksportal.de/2021/06/18/neue-din-norm-fuer-anforderungen-an-messverfahren-in-archiven-bibliotheken-und-museen/ ), летом 2021 года проект этого стандарта прошёл публичное обсуждение.

Тим Одендаль (Tim Odendahl)

Мой комментарий: Как отмечается на сайте немецкого органа по стандартизации DIN, «Настоящий стандарт устанавливает требования к методам измерения в области онлайн-использования электронных услуг и продуктов «информационных» учреждений, таких, как архивы, библиотеки и музеи Эффективность онлайн-предложений должна быть измерена. Результаты измерений должны обеспечивать сопоставимость между учреждениями и периодами времени. В дополнение к требованиям, предъявляемым к пользователям и происхождению оборудования, документ также содержит требования к документированию результатов измерений.»

Содержание стандарта следующее:

Предисловие
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Задачи и услуги архивов, библиотек и музеев
5. Электронная аудитория и группы пользователей
6. Электронные предложения и услуги
7. Требования к результатам измерений
8. Данные по аспектам использования
9. Данные профиля пользователя
10. Данные об использовании отдельных цифровых услуг
11. Удобство использования (справочный раздел)
12. Процедуры сбора данных об использовании
13. Определение объёмов электронного использования через внутренние или иные системы
14. Сбор данных об использовании посредством проведения опросов
Приложение A (справочное): Анкета по вопросам индивидуального использования электронных услуг
Приложение B (справочное): Нормативно-правовая база
Библиография

Источник: сайт Hypotheses
https://archive20.hypotheses.org/12011