Buchumschlag

How do machines learn? Evaluating the AIcon2abs method

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Queiroz, Rubens Lacerda, Lima, Cabral, Sampaio, Fabio Ferrentini, Lima, Priscila Machado Vieira
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computers and Society K.4.0; K.3.0
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Structural transparency of societal AI alignment through Institutional Logics
von: Sarkar, Atrisha, et al.
Veröffentlicht: (2026)

Inequalities in Computational Thinking Among Incoming Students in an STEM Chilean University
von: González-Pizarro, Felipe, et al.
Veröffentlicht: (2024)

Fostering Creative Visualisation Skills Through Data-Art Exhibitions
von: Roberts, Jonathan C.
Veröffentlicht: (2024)

Allocation Multiplicity: Evaluating the Promises of the Rashomon Set
von: Jain, Shomik, et al.
Veröffentlicht: (2025)

AI Sprints: Towards a Critical Method for Human-AI Collaboration
von: Berry, David M.
Veröffentlicht: (2025)

Assistant, Parrot, or Colonizing Loudspeaker? ChatGPT Metaphors for Developing Critical AI Literacies
von: Gupta, Anuj, et al.
Veröffentlicht: (2024)

Designing Human-GenAI Interaction for cMOOC Discussion Facilitation: Effects of a Collaborative AI-in-the-Loop Workflow on Social and Cognitive Presence
von: Xiao, Jianjun, et al.
Veröffentlicht: (2026)

The Mechanical Yes-Man: Emancipatory AI Pedagogy in Higher Education
von: Rocco, Linda
Veröffentlicht: (2025)

Digital capabilities assessment for supporting the transformation of the customer experience
von: Leonardo, Munoz, et al.
Veröffentlicht: (2024)

Assessing the Impact of Disorganized Background Noise on Timed Stress Task Performance Through Attention Using Machine-Learning Based Eye-Tracking Techniques
von: Huang, Hubert, et al.
Veröffentlicht: (2024)

Capacity Constraints Make Admissions Processes Less Predictable
von: Dong, Evan, et al.
Veröffentlicht: (2026)

Scarce Resource Allocations That Rely On Machine Learning Should Be Randomized
von: Jain, Shomik, et al.
Veröffentlicht: (2024)

Physiological Data: Challenges for Privacy and Ethics
von: Davis, Keith, et al.
Veröffentlicht: (2024)

From Co-Design to Metacognitive Laziness: Evaluating Generative AI in Vocational Education
von: Yunus, Amir, et al.
Veröffentlicht: (2025)

A Data Literacy Competence Model for Higher Education and Research
von: Echtenbruck, Martina M., et al.
Veröffentlicht: (2025)

Dream Content Discovery from Reddit with an Unsupervised Mixed-Method Approach
von: Das, Anubhab, et al.
Veröffentlicht: (2023)

Learning About Algorithm Auditing in Five Steps: Scaffolding How High School Youth Can Systematically and Critically Evaluate Machine Learning Applications
von: Morales-Navarro, Luis, et al.
Veröffentlicht: (2024)

Can AI Understand Human Personality? -- Comparing Human Experts and AI Systems at Predicting Personality Correlations
von: Schoenegger, Philipp, et al.
Veröffentlicht: (2024)

Synthetic media and computational capitalism: towards a critical theory of artificial intelligence
von: Berry, David M.
Veröffentlicht: (2025)

Why Algorithms Remain Unjust: Power Structures Surrounding Algorithmic Activity
von: Balch, Andrew
Veröffentlicht: (2024)

"Business on WhatsApp is tough now -- but am I really a businesswoman?" Exploring Challenges with Adapting to Changes in WhatsApp Business
von: De, Ankolika
Veröffentlicht: (2025)

The heteronomy of algorithms: Traditional knowledge and computational knowledge
von: Berry, David M.
Veröffentlicht: (2025)

Algorithmic Pluralism: A Structural Approach To Equal Opportunity
von: Jain, Shomik, et al.
Veröffentlicht: (2023)

Addressing Discretization-Induced Bias in Demographic Prediction
von: Dong, Evan, et al.
Veröffentlicht: (2024)

Will Power Return to the Clouds? From Divine Authority to GenAI Authority
von: Torkestani, Mohammad Saleh, et al.
Veröffentlicht: (2025)

The Rhetoric of Machine Learning
von: Williamson, Robert C.
Veröffentlicht: (2026)

Threats and Opportunities in AI-generated Images for Armed Forces
von: Meier, Raphael
Veröffentlicht: (2025)

GenAI Models Capture Urban Science but Oversimplify Complexity
von: Zhang, Yecheng, et al.
Veröffentlicht: (2025)

Synthetic Photography Detection: A Visual Guidance for Identifying Synthetic Images Created by AI
von: Mathys, Melanie, et al.
Veröffentlicht: (2024)

Towards s'more connected coding camps
von: Fronza, Ilenia, et al.
Veröffentlicht: (2024)

Privacy vs. Profit: The Impact of Google's Manifest Version 3 (MV3) Update on Ad Blocker Effectiveness
von: Lukic, Karlo, et al.
Veröffentlicht: (2025)

What's my role? Modelling responsibility for AI-based safety-critical systems
von: Ryan, Philippa, et al.
Veröffentlicht: (2023)

Towards Friendly AI: A Comprehensive Review and New Perspectives on Human-AI Alignment
von: Sun, Qiyang, et al.
Veröffentlicht: (2024)

Provocations from the Humanities for Generative AI Research
von: Klein, Lauren, et al.
Veröffentlicht: (2025)

Data Feminism for AI
von: Klein, Lauren, et al.
Veröffentlicht: (2024)

Beyond Single-Tokenomics: How Farcaster's Pluralistic Incentives Reshape Social Networking
von: Yang, Wen, et al.
Veröffentlicht: (2025)

SIDEs: Separating Idealization from Deceptive Explanations in xAI
von: Sullivan, Emily
Veröffentlicht: (2024)

Community as a Vague Operator: Epistemological Questions for a Critical Heuristics of Community Detection Algorithms
von: Schindler, Juni, et al.
Veröffentlicht: (2022)

LLMbench: A Comparative Close Reading Workbench for Large Language Models
von: Berry, David M.
Veröffentlicht: (2026)

The Accountability Paradox: How Platform API Restrictions Undermine AI Transparency Mandates
von: Burnat, Florian A. D., et al.
Veröffentlicht: (2025)