برساخت الگوریتمی بیعدالتی معرفتشناختی
الگوریتمها آنچه را که هر روز میبینید و میشنوید شکل میدهند. آنها تصمیم میگیرند که کدام اخبار در فید شما ظاهر شود و کدام ویدیوها را تماشا کنید. اگرچه این ابزارها سرعت را فراهم میکنند، اما نوع جدیدی از بیعدالتی را نیز ایجاد میکنند.
بیعدالتی معرفتشناختی زمانی رخ میدهد که با یک فرد در مقام یک «داننده» بهطور ناعادلانه رفتار شود. این بدان معناست که وقتی افراد یا گروهها سعی در به اشتراک گذاشتن دانش دارند، نادیده گرفته شده یا اعتبارشان زیر سؤال میرود. در عصر دیجیتال، هوش مصنوعی و الگوریتمها این مشکل را تشدید میکنند.
این اتفاق به دو روش اصلی رخ میدهد:
- بیعدالتی گواهی (Testimonial injustice): زمانی رخ میدهد که یک سیستم به دلیل پیشداوری، اعتبار کمتری به کسی اختصاص دهد.
- بیعدالتی هرمنوتیکی (Hermeneutical injustice): زمانی رخ میدهد که زبان و ابزارهای مورد استفاده برای درک جهان، برخی افراد را نادیده میگیرند.
الگوریتمها مانند دروازهبان عمل میکنند. آنها محتوا را بر اساس میزان تعامل (engagement) اولویتبندی میکنند. این امر باعث ایجاد «اتاقهای پژواک» (echo chambers) میشود. اگر الگوریتمی فقط آنچه را که از قبل به آن باور دارید به شما نشان دهد، دسترسی خود را به دیدگاههای متنوع از دست خواهید داد.
سوگیری از طریق دادهها وارد سیستم میشود. اگر دادههای آموزشی فاقد ورودی از گروههای خاصی باشند، الگوریتم آنها را نادیده خواهد گرفت. این امر منجر به چندین مشکل میشود:
- بازنمایی ناقص (Underrepresentation): صداهای حاشیهای از فضای دیجیتال ناپدید میشوند.
- خاموشی دیجیتال (Digital silencing): ابزارهای مدیریت محتوا اغلب به دلیل فقدان بافت فرهنگی، پستهای جوامع اقلیت را علامتگذاری یا حذف میکنند.
- افسانه بیطرفی: مردم تصور میکنند الگوریتمها عینی (objective) هستند. این موضوع چالش کشیدن تصمیمات ناعادلانه را دشوار میکند.
این مسئله بخشهای واقعی مانند آموزش را تحت تأثیر قرار میدهد. دانشآموزان ممکن است از طریق پلتفرمهای دیجیتال اطلاعات سوگیرانه را بیاموزند که این امر دیدگاه آنها نسبت به جهان را محدود میکند.
برای رفع این مشکل، ما به موارد زیر نیاز داریم:
- شیوههای فراگیر در کار با دادهها
- الگوریتمهای شفاف
- طراحی اخلاقی
- نظارت انسانی
- توانمندسازی کاربر
مبارزه با بیعدالتی الگوریتمی، مبارزه بر سر قدرت است. ما باید بپرسیم: چه کسی تصمیم میگیرد چه چیزی دانش محسوب شود؟ صدای چه کسی اهمیت دارد؟
ما نباید الگوریتمها را رد کنیم. بلکه باید آنها را بازسازی کنیم تا از عدالت و صداهای متنوع حمایت کنند.
منبع: https://dev.to/smartmindai/the-algorithmic-construction-of-epistemic-injustice-2026-3n3e
انجمن یادگیری اختیاری: https://t.me/GyaanSetuAi