IBI-000363_significativepublie
Biais d'annotation subjectif
Subjective Annotation Bias
Score IBI
6.8
sur 10
Sévérité3_significative
Fréquencefrequent
Ampleur groupes4
Difficulté détection4
🇫🇷 Définition (FR)
Préjugés des annotateurs projetés dans les labels lors de l'étiquetage manuel.
🇬🇧 Definition (EN)
Annotator biases projected into labels during manual annotation.
Taxonomie TriAxis
Classification structurelle
O
Origine
O3
Humain-Cognitif
L
Cycle de vie
L2
Représentation
S
Spécifique
S05
Biais d'annotation
💡
Exemple concret
Waseem et Hovy 2016 : dialectes afro-américains classés toxiques 1,8× plus souvent.
📊 Métriques de détection
Annotation AgreementDemographic Parity Difference
⚙ Seuils d'alerte
Annotation Agreement0.8
Demographic Parity Difference0.1
📚 Sources & Références Scientifiques
- •
- •Perspectivist Approaches to Natural Language Processing: A SurveyFrenda, S., Abercrombie, G., Basile, V., Pedrani, A., Panizzon, R., Cignarella, A. T., Marco, C. (2025)
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Aucun groupe spécifique.
🛠 Méthodologies de mitigation
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Éducation et formation (Risque: /5)Médias et plateformes sociales (Risque: /5)Ressources humaines et recrutement (Risque: /5)Justice et sécurité (Risque: /5)Santé et médecine (Risque: /5)
⚖ Réglementations applicables
🌍 International
- •ISO_42001 : ISO/IEC 42001:2023
- •UNESCO_2021 : UNESCO - Recommandation sur l'éthique de l'IA
- •OECD_AI_PRINCIPLES : OCDE - Principes IA
- •COE_AI_CONVENTION_INT : Conseil de l'Europe - Convention IA
📋 Métadonnées
Contributeur
Mohamadou SIDIBE
Institution
AI BIAIS INITIATIVE
Version
1
Créé le
14 octobre 2026
Mis à jour le
4 novembre 2026
UUID
6feffa5f-27fb-4c4d-ad42-74d6b1ae30ef
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.