Wat is intersectionele rechtvaardigheid?

Intersektionele rechtvaardigheid is een benadering om rechtvaardigheid te waarborgen in machine learning en kunstmatige intelligentie, die rekening houdt met de kruising van meerdere demografische of sociale categorieën tegelijk.

In plaats van groepen afzonderlijk te bekijken (bijvoorbeeld alleen op geslacht of alleen op ras), analyseert intersektionele rechtvaardigheid hoe het model invloed heeft op de kruisingen van deze categorieën, bijvoorbeeld op vrouwen uit een bepaald etnisch groep of mensen met bepaalde inkomensniveaus en handicaps.

Dit is belangrijk omdat onrechtvaardigheid zich precies op de kruising van meerdere factoren kan manifesteren, en het negeren hiervan leidt ertoe dat kwetsbare subgroepen onopgemerkt blijven en gediscrimineerd worden.

Voorbeeld: als een kredietscoremodel eerlijk is qua geslacht en leeftijd afzonderlijk, maar slechter scoort bij jonge vrouwen uit een bepaalde regio, dan is dat een schending van intersektionele rechtvaardigheid.