Projektbeschreibung
Ungleichheiten in sozialen Netzwerken
Soziale Ungleichheiten nehmen zu und sind eine Gefahr für Bildung, Gesundheit und Wirtschaft. Diese Ungleichheiten werden durch komplexe und dynamische strukturelle Barrieren verschärft, die kaum erklärt sind, insbesondere aus Sicht sozialer Netzwerke. KI und Algorithmen des menschlichen Lernens haben immer mehr Einfluss auf das Leben, sodass das Risiko unbeabsichtigter Folgen ansteigt und Ungleichheiten systematisch aufgedeckt, vorhergesagt und adressiert werden müssen. Diese Herausforderungen werden im ERC-finanzierten Projekt NetFair mit einem Rahmen zu gerechten Netzwerken angegangen, der auf topologischen und zeitlichen Merkmalen sozialer Interaktionen beruht. Mit dynamischen komplexen Netzwerkmodelle, die auf Sozialtheorien und Big Data aufbauen, wird das Team netzwerkbedingte Ungleichheiten betrachten. Die Ungleichheiten werden mit neuer Software visualisiert und vorhergesagt, um einen datengestützten Ansatz zu Gerechtigkeit in Forschung und Politik sicherzustellen.
Ziel
Social inequalities are on the rise and will have devastating impacts on education, healthcare, economies
and societies for many generations to come. Structural barriers to equality, despite being complex and dynamic,
are poorly understood through the lens of complex evolving social networks. More crucially, with
the rise of AI and machine-learning algorithms, it is extremely important to detect, forecast, and mitigate
those inequalities in a systematic manner in order to avoid unintentional algorithmic consequences.
A network fairness framework is proposed, premised on topological and temporal features of social interactions
that shape the formation and evolution of inequalities. These features include (1) people have
multiple and correlated attributes that determine how they identify with groups and interact with others,
(2) people belong to a variety of social groups with different sizes, hierarchies, and historical precedents,
and (3) interactions between people evolve over time in a hybrid space of society and algorithms.
To this end, I will develop a suite of dynamical complex network models of inequality that are driven by
social theories (e.g. homophily, intersectionality, consolidation) and calibrated and evaluated with big data
and network experiments. This will allow us, for the first time, to investigate inequalities that arise from
network-based algorithms in a systematic manner. More importantly, I will devise a novel methodology of
network intervention, a set of data-driven principles for tackling network inequalities in a broad range of
applications. Finally, based on the models developed in this project, I will create a cutting-edge interactive
software – NetFair – to visualize and forecast the evolution of inequalities and implement various fairness
criteria. The software will contribute towards bridging the gap between research and policy applications
in academia and industry.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) ERC-2024-STG
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-ERC - HORIZON ERC GrantsGastgebende Einrichtung
8010 Graz
Österreich