zur Startseite

Bachelorarbeit

Visuelle Exploration von Entscheidungsunterstützungssystemen
Projekt Fair and Accountable Decision Support
Betreuer M.Sc. Sarah Oppold
Prüfer Prof. Dr. rer. nat. Melanie Herschel
Ende15.10.2019
Beschreibung

Motivation

Machine Learning Modelle werden häufig zur Entscheidungsunterstützung eingesetzt. Im Idealfall sollten die Entscheidungen unparteiisch, unvoreingenommen und fair sein. Allerdings sind Machine Learning Modelle bei weitem nicht perfekt, z.B. aufgrund von Verzerrungen durch unvollkommene Trainingsdaten oder falsche Featureauswahl. Obwohl Anstrengungen unternommen werden und weiterhin in die Entwicklung besserer Modelle investiert werden sollte, erkennen wir auch an, dass wir uns bei vielen Anwendungen weiterhin auf unvollkommene Modelle verlassen werden müssen. Aber was wäre, wenn wir uns nachweislich auf das "beste" Modell für eine Person oder eine Gruppe von Personen verlassen und die damit verbundenen Risiken und Schwächen transparent kommunizieren könnten?

Ziele

Im Hinblick auf diese Frage soll im Rahmen dieser Bachelorarbeit eine graphische Oberfläche entworfen werden, mit deren Hilfe der Zusammenhang einzelner Komponenten von Entscheidungsunterstützungssystemen explorativ untersucht werden können, um einen verständlichen Überblick über das System zu erhalten. Wir gehen dabei davon aus, dass ein solches System Machine Learning Modelle verwendet, die auf verschiedenen Trainingsdatensätzen gelernt wurden und ein Modell eine Kombination aus mehreren anderen Modellen sein kann. Um die Zusammenhänge zwischen diesen Komponenten visuell aufzubereiten, kann auf Metadaten zu den einzelnen Komponenten zurückgegriffen werden. Diese Metadaten enthalten außerdem zusätzliche Informationen, wie Qualitätsprofile, Entwicklungsinformationen, allgemeine Beschreibungen und Charakteristika, sowie zusätzliche rechtliche und ethische Gesichtspunkte, welche auch visuell dargestellt werden sollen, ähnlich zu [1] oder [2].

Literatur

[1] S. Holland, A. Hosny, S. Newman, J. Joseph, and K. Chmielinski, “Data nutrition labels prototype,” https://ahmedhosny.github.io/datanutrition/, Accessed: 2018-8-23.

[2] K. Yang, J. Stoyanovich, A. Asudeh, B. Howe, H. V. Jagadish, and G. Miklau, “A nutritional label for rankings,” CoRR, vol. abs/1804.07890, 2018.