000 04509nam a22005057a 4500
001 00008034
003 ES-MaONT
005 20250123012006.0
008 240729e20240716lu d|||fs||||i001 0 eng d
020 _a978-92-68-17675-7
022 _a1831-9424
040 _aES-MaONT
100 _94450
_aGómez, Emilia
110 1 _aComisión Europea.
_bCentro Común de Investigación
_92681
245 _aDiversity in Artificial Intelligence Conferences .
_bAn analysis of indicators for gender, country and institution diversity from 2007 to 2023
_c/ Comisión Europea. Centro Común de Investigación ; Gomez, Emilia ; Porcaro, Lorenzo ; Frau Amar, Pedro ; Vinagre, Joao
250 _aJRC137550
260 _aLuxemburgo :
_bOficina de Publicaciones de la Unión Europea
_c16/07/2024
300 _a36 p.
_c; 1 documento PDF
336 _2isbdcontent
_atexto (visual)
337 _2isbdmedia
_aelectrónico
338 _2rdacarrier
_arecurso en línea
520 _aEste informe ofrece una visión general del proyecto divinAI (Diversity in Artificial Intelligence, en español, diversidad en inteligencia artificial) y proporciona un conjunto de indicadores de diversidad para siete conferencias principales sobre inteligencia artificial (IA) de 2007 a 2023: la Conferencia Conjunta Internacional sobre Inteligencia Artificial (IJCAI), la Conferencia Anual de la Asociación para el Avance de la Inteligencia Artificial (AAAI), la Conferencia Internacional sobre Aprendizaje Automático (ICML), la Conferencia de Sistemas de Procesamiento de Información Neural (NeurIPS), la Conferencia de Sistemas de Recomendación (RecSys) de la Asociación para Maquinaria Informática (ACM), la Conferencia Europea sobre Inteligencia Artificial (ECAI) y la Conferencia Europea sobre Aprendizaje Automático/Práctica del Descubrimiento de Conocimiento en Bases de Datos (ECML/PKDD). Para su elaboración se tuvieron en cuenta los datos públicos disponibles en SCOPUS como fuente para recopilar información relativa a cada artículo publicado en las actas de cada conferencia (autores, año, URL, afiliación, palabras clave y dirección de correspondencia). Los datos se procesaron para obtener de cada autor tres características relevantes para el seguimiento de la diversidad: género estimado, país de afiliación y tipo de organización. En el documento se observa que, en general, los valores del Índice de Diversidad de Conferencias (CDI) siguen siendo bajos para las conferencias seleccionadas, aunque muestran una ligera mejora temporal gracias a las iniciativas de diversidad en el campo de la IA. También se aprecian ligeras diferencias entre conferencias, siendo RecSys la que presenta indicadores de diversidad comparativos más altos, seguida de las conferencias generales de IA (IJCAI, ECAI y AAAI). Las conferencias seleccionadas sobre aprendizaje automático, NeurIPS e ICML, parecen proporcionar valores más bajos para los indicadores de diversidad. En cuanto a las diferentes dimensiones de la diversidad, la diversidad de género refleja una baja proporción de autoras en todas las conferencias consideradas, en línea con la baja presencia de mujeres en los campos tecnológicos. En términos de distribución por países, se observa una presencia notable de investigadores de la UE, EE. UU. y China en las conferencias seleccionadas, donde la presencia de autores chinos ha aumentado en los últimos años. En cuanto a las instituciones, las universidades y los centros o institutos de investigación juegan un papel central en las conferencias científicas de IA analizadas, y la presencia de la industria parece ser más notable en las conferencias de aprendizaje automático.
650 0 _94348
_aInteligencia Artificial
650 7 _92600
_aMujeres digitales
650 7 _92345
_aIndustrias
651 0 _96581
_aUnión Europea
651 0 _94015
_aEstados Unidos de América
651 0 _94405
_aChina
653 _aIA
653 _adiversidad
653 _adiversidad de género
653 _adiversidad geográfica
653 _abrecha de género
653 _abrecha digital
653 _adivinAI
653 _aaprendizaje automático
653 _amachine learning
653 _ainvestigación
700 _98138
_aPorcaro, Lorenzo
700 _98139
_aFrau Amar, Pedro
700 _98140
_aVinagre, Joao
856 _uhttps://publications.jrc.ec.europa.eu/repository/handle/JRC137550
_x0
_yAcceso a la publicación
942 _2z
_cINF
999 _c8034
_d8034