9d94abe
Zusammenfassung
Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.
Kurz
Der Auszug erläutert das qualitative Vorgehen einer Studie zu Abwanderung und Inklusion in KI-Teams: gezielte Rekrutierung, leitfadengestützte Zoom-Interviews und eine von mehreren Forschenden abgestimmte thematische Auswertung. Er enthält keine Studienergebnisse und nennt auch keine Teilnehmendenzahl.
Mittel
Der Auszug beschreibt die Methodik einer qualitativen Studie der Partnership on AI, nicht deren Ergebnisse. Untersucht werden sollte, warum Menschen aus marginalisierten Gruppen KI-Teams oder -Organisationen verlassen, wie Kultur und Arbeitsklima damit zusammenhängen und was Inklusion fördern könnte. Die Rekrutierung erfolgte hauptsächlich im Herbst 2020 und Frühjahr 2021 während der Pandemie, gezielt über das Netzwerk der Organisation und ihrer Partner; vorgesehen waren 75 US-Dollar Aufwandsentschädigung.
Die Zielgruppen umfassten Beschäftigte mit marginalisierten Identitäten in KI-Teams, Führungskräfte solcher Teams und DEI-Fachleute in Tech-Organisationen. KI-Teams schlossen technische, nicht technische und interdisziplinäre Rollen ein. Ein aus Literatur, Fachgesprächen, drei Probeinterviews und Teamfeedback entwickelter Leitfaden enthielt acht Fragen zu Abwanderung, Teamkultur und Inklusionsmaßnahmen. Die Zoom-Interviews dauerten meist 45 bis 60 Minuten. Transkripte wurden von identifizierenden oder sensiblen Angaben bereinigt und den Teilnehmenden zur Prüfung geschickt. Die Auswertung orientierte sich an einer abgewandelten konsensuellen qualitativen Methode mit mehreren Forschenden, die Zitate, Kerngedanken und Themen abstimmten. Der vorliegende Auszug nennt weder Teilnehmendenzahl noch Ergebnisse.
Ausführlich lesen
Der bereitgestellte Text ist ein Auszug aus dem Abschnitt „Current Study and Methodology“ einer Studie der Partnership on AI. Er beschreibt Ziel und Vorgehen der Untersuchung, enthält aber keine Ergebnisse oder Schlussfolgerungen. Die Forschenden wollten qualitativ untersuchen, warum Menschen aus marginalisierten Gruppen KI-Teams oder -Organisationen verlassen, welche Rolle Kultur und Arbeitsklima dabei spielen und was Abwanderung verringern sowie die Inklusion verbessern könnte. Die Rekrutierung fand vor allem im Herbst 2020 und Frühjahr 2021 während der COVID-19-Pandemie statt.
Die Teilnehmenden wurden gezielt über das berufliche Netzwerk der Partnership on AI und deren Partner angesprochen; als Aufwandsentschädigung waren 75 US-Dollar vorgesehen. Als marginalisiert galten laut Text Personen, die in ihrem Land oder global einer nicht dominanten Gruppe angehören, etwa in Bezug auf Herkunft, Geschlecht, sexuelle Orientierung oder Fähigkeit. Eingeschlossen werden sollten Menschen mit solchen Identitäten, die in KI-Teams arbeiteten, unabhängig von ihrer Identität dort tätige Führungskräfte sowie Fachleute für Diversität, Gleichstellung und Inklusion in Tech-Organisationen. „KI-Team“ wurde breit verstanden und umfasste technische, nicht technische und interdisziplinäre Tätigkeiten.
Die leitfadengestützten Interviews beruhten auf einer Literaturübersicht, Gesprächen mit Fachleuten, Beratungen im Forschungsteam, drei Probeinterviews und weiterem Feedback. Acht Fragen deckten drei Bereiche ab: Gründe für das Verlassen von Forschungsteams, die Kultur in KI-Teams und Organisationen sowie Maßnahmen für mehr Inklusion. Die Interviews fanden per Zoom statt, dauerten meist 45 bis 60 Minuten und wurden nach Einwilligung aufgezeichnet. Anschließend wurden die Aufnahmen transkribiert, identifizierende oder sensible Angaben entfernt und die bereinigten Transkripte den Teilnehmenden zur Prüfung auf weitere Streichungen oder Klarstellungen zugesandt.
Für die Auswertung verwendete das Team nach eigener Beschreibung eine abgewandelte Form der konsensuellen qualitativen Forschung. Zitate wurden den drei Themenbereichen zugeordnet, von zwei Forschenden in Kerngedanken zusammengefasst und von weiteren Forschenden auf Unstimmigkeiten geprüft. Die ersten beiden Forschenden entwickelten Kategorien und Themen und klärten strittige Themen im Konsens; die leitende Forschende erstellte die abschließende Themenordnung. Der Auszug nennt weder die Zahl der Teilnehmenden noch konkrete Befunde. Daher lässt sich daraus nicht ableiten, welche Gründe oder Maßnahmen die Interviews tatsächlich hervorbrachten.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Unabhängig prüfen
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 30 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 35 %Hintergrund, keine Belege
- JEV 31 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 51 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Vertrauen in Modelle
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra
Offenlegung und Rechenschaft
- SF-O1 Wie können Mitarbeitende Sicherheitsbedenken melden, ohne alles zu riskieren?
- clef 100 %kein Bezug
- Luna 60 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 35 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Beteiligung und Gemeinwohl
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 36 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Weitere Berichte zu diesen Fragen
- Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Wie können Mitarbeitende Sicherheitsbedenken melden, ohne alles zu riskieren?
- Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv