El autor reflexiona sobre cuatro papers presentados en la conferencia CHI 2026, analizando su relevancia para su propia trayectoria de investigación en tecnología persuasiva y sesgos de género. El primer estudio, 'Writing with AI Can Reduce Gender Bias in Hiring Evaluations', examina cómo las sugerencias de autocompletado basadas en LLMs afectan la percepción de género en evaluaciones de empleo. Aunque el autor reconoce que no podría haber escrito el experimento formal por falta de experiencia en métodos experimentales, valora la propuesta por su potencial para integrar la desactivación de sesgos en el rendimiento de tareas, a diferencia de las intervenciones metacognitivas. El segundo paper, 'Understanding People’s Emotions and Help Needs During Scams', analiza 405 publicaciones de Reddit sobre estafas en línea para identificar motivaciones emocionales y necesidades de ayuda. Este análisis inspira al autor a considerar el uso de LLMs para generar sugerencias de autocompletado en lugar de búsquedas de palabras clave, y a desarrollar herramientas de evaluación experimental antes de la implementación práctica. El autor también explora la viabilidad de herramientas de manipulación de texto neutrales en género, inspiradas en las audiciones orquestales ciegas de los años 70, y propone colaborar con economistas del comportamiento para validar si estos experimentos han sido realizados previamente. En conclusión, el autor destaca la importancia de la transparencia en las herramientas de desactivación de sesgos y la necesidad de escenarios experimentales más ricos que los resúmenes ficticios, subrayando el valor de la investigación en la intersección entre la IA, la psicología y la ética tecnológica.
Noticias agregadas con IA