Il progetto si prefigge di esaminare il ruolo dell’informatica, e in particolare delle tecniche di intelligenza artificiale applicate al linguaggio naturale, in materia di diversità, uguaglianza e inclusione. Il tema dell’inclusione e dell’accessibilità è attualmente al centro dell’attenzione delle ricerche in informatica e intelligenza artificiale, come dimostrano gli eventi tematici organizzati nell’ambito delle principali conferenze internazionali del settore.
Da un lato, il progetto intende analizzare le criticità in materia di inclusione che gli strumenti informatici e le tecniche di intelligenza artificiale possono presentare o addirittura amplificare, approfondendo in particolare la presenza di problematiche e bias sociali (ad esempio, legati al genere, alla etnia, alla religione o alle disabilità) nei modelli computazionali allenati su grandi quantità di contenuti.
Dall’altro lato, il progetto mira a sviluppare e realizzare concreti strumenti, metodi, tecnologie e modelli computazionali per compiti automatici che favoriscano l’inclusione e migliorino l’accessibilità dei contenuti. Alcuni esempi di queste attività sono la semplificazione automatica dei testi, l’estrazione di informazioni da contenuti testuali e/o multimodali, e la presentazione di contenuti in modalità più accessibili.
Referente: Marco Rospocher
Membri interni:
- Marco Bombieri (AdR)
- Manuel Boschiero
- Simone Rebora
- Massimo Salgaro
Membri esterni:
- Olga Forlani (Direzione ITC @ UniVR)
- Davide Quaglia (Dipartimento Informatica @ UniVR)
- Silvano Pasquali (Direzione ITC @ UniVR)
Azioni: WP1.13
Bibliografia:
Boschiero, M., Rospocher, M., Forlani, O. L. & Pasquali, S. Migliorare l’accessibilità dei materiali didattici digitali nel contesto universitario: un caso di studio in Atti di “MoodleMoot Italia 2023”, Firenze, Italia, 14-16 dicembre 2023 (2024), pp. 61-70 https://eventi.aium.it/event/1/contributions/44/attachments/12/17/Pagine%20da%20MoodleMoot%20Italia%202023%20-%20Atti%20del%20Convegno-9.pdf
Caliskan, A., Bryson, J. J. & Narayanan, A. Semantics derived automatically from language corpora contain human-like biases. Science 356, 183–186 (2017), https://www.science.org/doi/10.1126/science.aal4230
Diversity and inclusion Forum, IJCAI 2021, https://aim.um6p.ma/en/ijcai-2021-diversity-and-inclusion-forum/
Venkit, P., Srinath, M., Wilson, S. A Study of Implicit Language Model Bias Against People With Disabilities Pranav Venkit, Mukund Srinath & Shomir Wilson. COLING, 2022 https://aclanthology.org/2022.coling-1.113.pdf
