Ethische Fragen im Kontext von Data Engineering und Machine Learning (Wintersemester 2021/2022)

Dozent: Dr. Thilo Hagendorff

Allgemeine Information

Semesterwochenstunden: 2
ECTS: 3
Benotet: Ja
Einschreibefrist: 01.10.2021 - 22.10.2021
Lehrform: Blockseminar
Belegungsart: Pflichtmodul
Lehrsprache: Deutsch
Maximale Teilnehmerzahl: 30

Studiengänge, Modulgruppen & Module

Data Engineering MA

Beschreibung

Informationen im Hinblick auf die aktuelle Corona-Krise: Für die Veranstaltung wurde auf ein Onlineformat umgestellt. Zoom-Einwahldaten erhalten Sie vom Dozenten und im Moodle. (Stand: 03.02.2022)

Das Kompaktseminar beschäftigt sich aus der Perspektive der Ethik mit verschiedenen Themenbereichen im Kontext von Big Data sowie den damit verbundenen Folgen der Techniknutzung für die Gesellschaft. Beleuchtet werden sollen unterschiedliche inhaltliche Schwerpunkte, welche von der Vermittlung von Theorien der Computer- und Informationsethik über konkrete Themenfelder wie Privatheit, algorithmische Diskriminierung oder dem „surveillance capitalism“ bis hin zum aktuell intensiv diskutierten Feld des maschinellen Lernens bzw. der künstlichen Intelligenz reichen. Das Seminar fokussiert sich dabei weniger auf die Beschäftigung mit abstrakten ethischen Theorien aus der Philosophie, sondern greift aktuelle, genuin interdisziplinäre Forschungsfelder und -arbeiten auf (z. B. aus den Critical Data Studies), welche sich unmittelbar mit der Verschränkung von Ethik und Computerwissenschaften beschäftigen.

Lernziele:
Ziel des Seminars ist es, Fragestellungen und Methoden aus dem Bereich der Technik-, KI- und Informationsethik kennenzulernen und selbstständig auf einzelne Anwendungsgebiete übertragen zu können.

Voraussetzungen

Hinweis: Teilnehmer der LV "Ethische Fragen im Kontext von Big Data und Data Engineering" (SoSe2019 sowie WiSe20/21) können nicht erneut eine Leistung erbringen.

Die angegebene Literatur muss vor Seminarbeginn gelesen werden, damit sie während der Blockveranstaltung diskutiert werden kann. Die Texte werden auf einem seminarbegleitenden Moodle zur Verfügung gestellt.

Literatur

Seminarunterlagen: siehe Kurs-Moodle

Johnson, Deborah G. (2017): Can Engineering Ethics Be Taught? In The Bridge 47 (1), S. 59–64.

Chiodo, Maurice; Bursill-Hall, Piers (2018): Ethics In Mathematics Discussion Paper, S. 1–22.

Brey, Philip (2010): Values in technology and disclosive computer ethics. In: Luciano Floridi (Hg.): The Cambridge Handbook of Information and Computer Ethics. Cambridge, Massachusetts: Cambridge University Press, S. 41–58.

Birhane, Abeba; Kalluri, Pratyusha; Card, Dallas; Agnew, William; Dotan, Ravit; Bao, Michelle (2021): The Values Encoded in Machine Learning Research. In arXiv: 2106.15590v1, S. 1–28.

Kitchin, Rob (2017): Thinking critically about and researching algorithms. In: Information, Communication & Society 20 (1), S. 14–29.

Jobin, Anna; Ienca, Marcello; Vayena, Effy (2019): The global landscape of AI ethics guidelines. In Nature Machine Intelligence 1 (9), S. 389–399.

Hagendorff, Thilo (2020): AI virtues. The missing link in putting AI ethics into practice. In arXiv: 2011.12750, S. 1–20.

Morley, Jessica; Floridi, Luciano; Kinsey, Libby; Elhalal, Anat (2020): From What to How. An Overview of AI Ethics Tools, Methods and Research to Translate Principles into Practices. In Science and Engineering Ethics 26, S. 2141–2168.

Selbst, Andrew D.; boyd, danah; Friedler, Sorelle A.; Venkatasubramanian, Suresh; Vertesi, Janet (2018): Fairness and Abstraction in Sociotechnical Systems. In ACT Conference on Fairness, Accountability, and Transparency (FAT) 1 (1), S. 1–17.

Crawford, Kate; Dobbe, Roel; Dryer, Theodora; Fried, Genevieve; Green, Ben; Kaziunas, Elizabeth et al. (2019): AI Now 2019 Report. AI Now. New York.

Brundage, Miles; Avin, Shahar; Clark, Jack; Toner, Helen; Eckersley, Peter; Garfinkel, Ben et al. (2018): The Malicious Use of Artificial Intelligence. Forecasting, Prevention, and Mitigation, S. 1–101.

Zuboff, Shoshana (2015): Big other: surveillance capitalism and the prospects of an information civilization. In: Journal of Information Technology 30, S. 75–89.

Weber, Jutta (2018): Big-Data-Kriege. Über Tötungslisten, Drohnen und die Politik der Datenbanken. In: Christoph Engemann und Andreas Sudmann (Hg.): Machine Learning - Medien, Infrastrukturen und Technologien der Künstlichen Intelligenz. Bielefeld: Transcript, S. 219–246.n Technology 30, S. 75–89.

Lern- und Lehrformen

Kompaktseminar; Gruppendiskussionen; bei Interesse Präsentationen von Studierenden

Leistungserfassung

Die Note ergibt sich aus der Leistungserbringung durch eine Hausarbeit. Die genauen Kriterien, nach denen die Benotung der Hausarbeit stattfindet, werden in der letzten Sitzung des Seminars besprochen.

Termine

Zeit	3. Februar 2022	Zeit	4. Februar 2022	5. Februar 2022	6. Februar 2022
		09:15 bis 10:45	Brey – Values in Technology	Morley et al. – From What to How	Zuboff – Surveillance Capitalism
		11:00 bis 12:30	Birhane et al. – Values in Machine Learning	Selbst et al. – Fairness in Sociotechnical Systems	Weber – Big-Data-Kriege
14:00 bis 15:30	Vorstellung, Organisatorisches, Einführung	13:30 bis 15:00	Kitchin – Thinking Critically about Algorithms	Crawford et al. – AI Now 2019 Report	Abschlussdiskussion / Besprechung der Prüfungsleistungen
15:45 bis 17:15	Johnson – Can Engineering Ethics Be Taught?	15:15 bis 16:45	Jobin et al. – AI Ethics Guidelines	Brundage et al. – The Malicious Use of AI
17:30 bis 19:00	Chiodo – Ethics in Mathematics	17:00 bis 18:30	Hagendorff – AI Virtues

03. Februar 2022 - Donnerstag - Beginn: 14:00 Uhr - Ende: 19:00 Uhr
04. Februar 2022 - Freitag - Beginn: 9:15 Uhr - Ende: 18:30 Uhr
05. Februar 2022 - Samstag - Beginn: 9:15 Uhr - Ende: 16:45 Uhr
06. Februar 2022 - Sonntag - Beginn: 9:15 Uhr - Ende: 15:00 Uhr

via Zoom

Hinweis: Die angegebene Literatur muss vor Seminarbeginn gelesen werden, damit sie während der Blockveranstaltung diskutiert werden kann.Die Texte werden auf einem seminarbegleitenden Moodle zur Verfügung gestellt.

Zurück