Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Sans titre

Dans cours

CS-290: Responsible software

Software's growing importance increases engineers' responsibility to integrate ethical concerns in the design and development process. This course teaches students concrete strategies for responsible software engineering, focusing on identifying ethical is ...

Source officielle

https://mediaspace.epfl.ch/media/0_lh9onw9o

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Concepts associés (27)

Biais (distorsion)

Dans diverses disciplines, un biais est une erreur systématique ou une simplification abusive. vignette|L'interprétation des formes aléatoires apparaissant à la surface de la Lune constitue un exemple courant de biais perceptuel causé par la paréidolie (processus tendant à discerner une forme familière parmi des formes aléatoires). Les biais peuvent être transmis implicitement avec le contexte culturel.

Échantillon biaisé

En statistiques, le mot biais a un sens précis qui n'est pas tout à fait le sens habituel du mot. Un échantillon biaisé est un ensemble d'individus d'une population, censé la représenter, mais dont la sélection des individus a introduit un biais qui ne permet alors plus de conclure directement pour l'ensemble de la population. Un échantillon biaisé n'est donc pas un échantillon de personnes biaisées (bien que ça puisse être le cas) mais avant tout un échantillon sélectionné de façon biaisée.

Biais de sélection

Dans une étude statistique, le terme biais de sélection désigne une erreur systématique faite lors de la sélection des sujets à étudier. Ce terme regroupe tous les biais pouvant conduire à ce que les sujets effectivement observés lors d'une enquête ne constituent pas un groupe représentatif des populations censées être étudiées et ne permettent donc pas de répondre aux questions posées dans le protocole. Les biais de sélection se produisent lors de l'échantillonnage, c'est-à-dire lors de la sélection d'un échantillon représentatif de la population étudiée.

Biais de confirmation

Le biais de confirmation, également dénommé biais de , est le biais cognitif qui consiste à privilégier les informations confirmant ses idées préconçues ou ses hypothèses, ou à accorder moins de poids aux hypothèses et informations jouant en défaveur de ses conceptions, ce qui se traduit par une réticence à changer d'avis. Ce biais se manifeste chez un individu lorsqu'il rassemble des éléments ou se rappelle des informations mémorisées, de manière sélective, les interprétant d'une manière biaisée.

Systemic bias

Systemic bias is the inherent tendency of a process to support particular outcomes. The term generally refers to human systems such as institutions. Systemic bias is related to and overlaps conceptually with institutional bias and structural bias, and the terms are often used interchangeably. According to Oxford Reference, institutional bias is "a tendency for the procedures and practices of particular institutions to operate in ways which result in certain social groups being advantaged or favoured and others being disadvantaged or devalued.

Afficher plus

Séances de cours associées (32)

Questions relatives aux données dans le domaine de la recherche

Examine les défis que posent les hypothèses de données, les biais et d'autres aspects de la recherche, y compris les écritures incomplètes et les frustrations des nouveaux arrivants.

Introduction aux droits de l'homme

Introduit des concepts clés en matière de droits de l'homme, explore la discrimination, les normes sociales et l'impact des algorithmes sur les droits.

L'équité dans la prise de décision algorithmique

Se penche sur les défis que pose l'équité dans les processus décisionnels algorithmiques, la lutte contre les préjugés et les injustices historiques dans les données.

Comprendre les statistiques et le design expérimental

Explore les variances inégales, la réplication, la puissance, la taille de l'effet, les biais et leur impact sur les résultats de la recherche.

Concevoir des expériences et mesurer l'apprentissage

Explore les défis expérimentaux de conception en sciences sociales, en mettant l'accent sur la formulation d'hypothèses, le contrôle variable et l'atténuation des biais.

Afficher plus

Concepts associés (27)

Biais (distorsion)

Échantillon biaisé

Biais de sélection

Biais de confirmation

Systemic bias

Afficher plus