Call-for-Code-for-Racial-Justice / Call-for-Code-for-Racial-Justice/TakeTwo

Provide alternate/ recommendations that are not racially biased

Ouverte
#20 3 commentaires 0 réactions 0 personnes assignées Voir sur GitHub
design-thinking ideas stale
Langage dominant
Aucune donnée de langage
Étoiles
27
Forks
9
Métriques de merge des PR
Aucune PR mergée en 30 j

Description

### Background on the problem the feature will solve/improved user experience
People who use TakeTwo might not only want to detect racially biased content but receive help on how to debias their content.

### Describe the solution you'd like
A solution that uses ML models, updated the API and updates the UI to provide the user with terms that are alternatives to the detected racially biased content

Related to : https://github.com/Call-for-Code-for-Racial-Justice/TakeTwo-DataScience/issues/20

### Tasks
- update ML models
- update API output
- update any UIDescription of the development tasks needed to complete this issue, including tests,

### Acceptance Criteria
Standards we believe this issue must reach to be considered complete and ready for a pull request. E.g precisely all the user should be able to do with this update, performance requirements, security requirements, etc as appropriate.

- As a user, if content I've input for analysis is found to be biased, I receive accurate alternatives that are unbiased to replace them with

Guide de contribution

Ouvrir le guide de contribution

Piste de recherche

Commencez par examiner les modèles ML existants, la sortie de l’API et l’UI référencés dans l’issue, ainsi que l’issue associée. Déterminez comment le contenu biaisé est actuellement détecté et où des termes alternatifs pourraient être renvoyés et affichés. Le travail est considéré comme terminé lorsque le système fournit des alternatives de remplacement précises et non biaisées pour le contenu biaisé détecté, avec des tests couvrant les modifications du modèle, de l’API et de l’UI.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
machine-learning
Domaine
api, frontend, machine-learning
Type d'issue
Fonctionnalité
Difficulté
5/5
Temps estimé
Plus d'une semaine
Activité
À l'abandon
Clarté
À clarifier
Accessibilité débutants
20/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.