文献类型：期刊文章

作　　者：张恩典[1]

ZHANG En-dian(Nanchang University)

机构地区：[1]南昌大学法学院

出　　处：《华中科技大学学报（社会科学版）》

基　　金：2019年度司法部国家法治与法学理论研究项目“行政自动化算法决策的法律规制研究”(19SFB3015);2018年度教育部哲学社会科学研究重大课题攻关项目“中美网络空间治理比较研究”(18JZD040)。

年　　份：2020

卷　　号：34

期　　号：5

起止页码：60-71

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、NSSD、RCCSE、RWSKHX、核心刊

摘　　要：随着大数据、机器学习算法在公私事务中广泛而深入的运用,算法自动决策引发的歧视问题逐渐突显出来。受算法决策自动性和模糊性等因素影响,大数据算法歧视呈现出高度的隐蔽性、结构性、单体性与系统连锁性特征,增加了歧视识别、判断和规制的难度,并给传统以差别待遇为标准的反分类歧视理论和以差别性影响为标准的反从属歧视理论带来适用困境。因此,宜对两大反歧视理论加以适当调适,一方面,降低差别待遇标准的适用门槛,并将反刻板印象歧视理论整合到反分类歧视理论之中;另一方面,提高差别性影响标准的豁免门槛,以增强传统反歧视理论在算法自动决策场景中的适应性。在此基础上,基于所欲实现之反歧视目标,针对算法自动决策中存在的歧视类型,我国应采行类型化规制思路,建立健全的算法模型数据清洁制度、算法歧视审查制度和算法歧视影响评估制度,从事前、事中和事后全过程对算法歧视加以规制。

关 键 词：算法歧视  算法公正  差别待遇 差别性影响  算法影响评估  

分 类 号：D922.294]