Suche
Der Einsatz von künstlicher Intelligenz (KI) bedeutet große Chancen für Wirtschaft und Gesellschaft. Sie birgt jedoch auch Risiken in Bezug auf soziale Gleichheit, Privatsphäre, Fairness und Verantwortlichkeit. Neuere Studien haben erhebliche rassistische und geschlechtsspezifische Verzerrungen in algorithmischen Systemen ans Licht gebracht und gezeigt, wie sich KI negativ auf marginalisierte Gruppen auswirken kann. Überraschenderweise wurde die Kategorie Alter, die für die soziale Eingliederung und Gleichberechtigung in alternden Gesellschaften von entscheidender Bedeutung ist, in der Forschung und Politik zu KI-Voreingenommenheit weitgehend außer Acht gelassen.
This project addresses related questions about inequality in labor markets resulting from gender, race, and family status in the United States and Europe. Firstly, I analyze (with (Profs. Michelle J. Budig and Melissa Hodges) racial and gender differences in the effects of educational attainment on wages in the United States. Importantly, we look at various education specifications and use regression decomposition and wage return models with race and gender interactions to explore group differences in educational attainment and its impact on pay gaps. Group differences in educational attainment explain some of the race pay gap, but none of the gender pay gap.