| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 1.02 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
A rápida evolução do tráfego de dados nas redes sociais, que pode ser utilizado
em estudos de análise de sentimento sobre determinados produtos, marcas, serviços
etc. Além disso, os campos da computação em nuvem foram uma das áreas mais
interessantes em estudos de pesquisa. Neste trabalho, recorremos à análise de dados
de um dos principais provedores de serviços em nuvem: o Microsoft Azure, para
analisar a equidade e a privacidade de um processo de recrutamento online. Para o
fazer, um conjunto de dados foi extraído de uma base de dados open source, os quais
consistem em dados pessoais disponibilizados num inquérito. Nós estudamos e
analisámos a forma de tornar o processo mais justo, em detrimento da raça ou sexo.
A esse respeito, muitas organizações tendem a aplicar a política da diversidade aos
seus recursos humanos de forma eficaz para tentar obter um impacto positivo. Os
resultados são analisados e explicados, em detalhe, em termos de classificações de
polaridade para demonstrar o impacto da análise de equidade e para apoiar as
decisões das organizações. Podemos observar nos resultados da classificação de
regressão linear que a categoria race é melhor para o Microsoft Azure com o uso de
uma API, em comparação com a regressão simples, a percentagem de sex é maior
para a regressão simples em comparação com o Fairlearn.
The rapid evolution of data traffic in social networks can be used in sentiment analysis studies on certain products, brands, services... etc. In addition, cloud computing has been one of the most interesting areas in research studies. This paper, uses data analysis from one of the leading cloud service providers: Microsoft Azure to analyze privacy's fairness in an online recruitment process. To do this, a dataset is extracted in an open-source database, which consists of personal data made available in a survey. We study and analyze how to make the process fairer at the expense of race or gender. In this respect, many organizations tend to apply diversity policy on their human resources effectively and try to get positive impact. The results are analyzed and explained in detail in terms of polarity rankings to show the impact of equity analysis to support organizations' decisions. We can observe from the linear regression ranking results that race category is better for Microsoft Azure with the use of an API compared to simple regression; sex percentage is higher for simple regression as compared to Fairlearn.
The rapid evolution of data traffic in social networks can be used in sentiment analysis studies on certain products, brands, services... etc. In addition, cloud computing has been one of the most interesting areas in research studies. This paper, uses data analysis from one of the leading cloud service providers: Microsoft Azure to analyze privacy's fairness in an online recruitment process. To do this, a dataset is extracted in an open-source database, which consists of personal data made available in a survey. We study and analyze how to make the process fairer at the expense of race or gender. In this respect, many organizations tend to apply diversity policy on their human resources effectively and try to get positive impact. The results are analyzed and explained in detail in terms of polarity rankings to show the impact of equity analysis to support organizations' decisions. We can observe from the linear regression ranking results that race category is better for Microsoft Azure with the use of an API compared to simple regression; sex percentage is higher for simple regression as compared to Fairlearn.
Description
Keywords
Fairlearn Privacidade Classificação Regressão Python Azure Machine Learning