Back to top

DataForGoodBCN

Publicado por Carla Ten el 11-03-2020

DataForGoodBCN (D4G) és una organització formada per persones joves que es dedica a posar l'explotació de dades als serveis d'organitzacions i associacions sense ànim de lucre, mitjançant el voluntariat. Fa uns dies van venir a Basetis, ja que en les paraules de la Paula i el Xavi, de D4G, comparteixen molts dels valors de la nostra organització.

    Vaig assistir a l'esdeveniment que van organitzar entorn al Dia Internacional de la Dona.
     

    La col·laboració entre Basetis i D4G

    DataForGoodBCN i Basetis comparteixen molts valors, ja que totes dues organitzacions partim de la concepció que la tecnologia ha d'estar al servei de la societat.

    Fa uns dies van venir a Basetis, on es van reunir amb l'Albert Mercadé i la Marta Clua. D'aquesta trobada en sortiran col·laboracions, ja que des de Basetis podem aportar persones per fer projectes (per exemple, Experiences), formacions compartides, orientació en la gestió de projectes, ajuda legal amb temes de GDPR, cessió d'espais, etc.

    Les possibilitats són infinites!
     

    Data for Women

    El dia 9 de març a la tarda van organitzar un esdeveniment al voltant del Dia Internacional de la Dona on van presentar la seva organització, que tot just ha fet un any. Van informar que ja han tancat alguns projectes i segueixen buscant més voluntaris i voluntàries, així com eines per definir nous projectes amb noves entitats.

    El plat fort el van oferir, per una banda, la Isabel Amaya, que va explicar els resultats de la seva investigació sobre la bretxa de gènere en l'entorn global en l'índex global. Aquest índex permet expressar, en forma de percentatge, el grau d'equitat que hi ha entre homes i dones en un determinat país. Vam poder veure com aquest índex està relacionat amb diferents paràmetres que defineixen la vida econòmica i política d'un país.

    Per l'altra banda, la Caroline Ragot, ens va parlar de biaixos i discriminació en algorismes. Els algorismes d'intel·ligència artificial aprenen de dades per tal de fer prediccions. Si les dades amb les quals alimentem un algorisme tenen biaixos i no fem cap acció per corregir-los, les prediccions estaran així mateix esbiaixades. És el cas, per exemple, d'un algorisme que prediu la probabilitat que una persona que ha delinquit als Estats Units d'Amèrica amb un clar biaix de raça, ja que la probabilitat de reincidència de les persones afroamericanes era sempre més alta que la de les persones caucàsiques.

    Finalment, vam fer una mica de networking.

    Si voleu saber més sobre DataForGoodBCN, podeu consultar la seva pàgina de meetup o subscriure-us a la seva newsletter.
     

    Foto de capçalera: Carla Ten
    +1
    5


    0 Comentarios

    Todavía no hay comentarios, pero puedes añadir el tuyo!