La tesi andrà ad esaminare l’impatto degli algoritmi di giustizia predittiva nelle decisioni giudiziarie, con un focus sulle implicazioni etiche e sociali. Analizzando come operano questi algoritmi e come vengano utilizzati per stimare il rischio di recidiva e per decidere la libertà condizionale, esplorando i pregiudizi impliciti che emergono dai dati storici su cui tali algoritmi sono addestrati. La ricerca pone particolare attenzione ai risultati distorti che penalizzano i gruppi minoritari, dimostrando come tali tecnologie possano rafforzare le disuguaglianze sociali esistenti.

Polarizzazioni ed Equità negli Algoritmi di Giustizia Predittiva

CECCHIN, JACOPO
2024/2025

Abstract

La tesi andrà ad esaminare l’impatto degli algoritmi di giustizia predittiva nelle decisioni giudiziarie, con un focus sulle implicazioni etiche e sociali. Analizzando come operano questi algoritmi e come vengano utilizzati per stimare il rischio di recidiva e per decidere la libertà condizionale, esplorando i pregiudizi impliciti che emergono dai dati storici su cui tali algoritmi sono addestrati. La ricerca pone particolare attenzione ai risultati distorti che penalizzano i gruppi minoritari, dimostrando come tali tecnologie possano rafforzare le disuguaglianze sociali esistenti.
2024
Bias and Fairness in Predictive Justice Algorithms
Predictive Justice
Machine Learning
Equità
Risk Assessment
File in questo prodotto:
File Dimensione Formato  
Cecchin_Jacopo.pdf

accesso riservato

Dimensione 1.05 MB
Formato Adobe PDF
1.05 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/83020