Equidad En Datos Sensibles: Framework Para La Detección Del Sesgo En El Contexto Colombiano Desde Un Enfoque de Aprendizaje Automático

Existe una creciente preocupación por la discriminación que está generando la inteligencia artificial con sus decisiones. Pertenecer a un género, color de piel, religión o etnia puede ser una desventaja al ser clasificado por un modelo sesgado; En general, los problemas están sujetos a sesgos o distorsiones que están presentes en los datos y que son aprendidos por algoritmos de aprendizaje automático. Esta investigación tiene como objetivo desarrollar un marco que indique las fases, actividades y herramientas tecnológicas que se deben seguir dentro de los proyectos de aprendizaje automático para identificar la presencia de sesgos durante el proceso de construcción y liberación del modelo.