Làm thế nào chúng ta có thể làm cho ngành khoa học dữ liệu đa dạng hơn - và tại sao điều đó quan trọng

Chúng ta đã trải qua một sự chuyển đổi toàn cầu đột ngột trong quan điểm xã hội về các vấn đề liên quan đến sự đa dạng. Các nghiên cứu chứng minh có một xu hướng rõ ràng về 'nhận thức đa dạng' trong thập kỷ qua. Nhưng liệu điều này có dịch thành sự tiến triển cho STEM không?

Tính đến mức chúng tôi biết, câu trả lời là 'có một chút'. Chúng tôi đang thấy những thay đổi nhỏ xuất hiện dưới dạng cam kết của doanh nghiệp và học thuật, nhưng các nghiên cứu tiếp tục chỉ ra còn nhiều công việc phải làm khi nói đến tuyển dụng thực tế và đối xử bình đẳng cơ hội.

Mặc dù điều này có lẽ đúng trong hầu hết các ngành công nghiệp truyền thống, trong lĩnh vực STEM, đặc biệt thú vị khi nhìn nhận vấn đề đa dạng thông qua góc nhìn của khoa học dữ liệu và các nhà khoa học dữ liệu.

Tôi đã phỏng vấn Radhika Krishnan, Giám đốc Sản phẩm, Hitachi Vantara, để tìm hiểu điều gì là cốt lõi của vấn đề đa dạng trong năm 2022.

Krishnan cho biết chúng ta cần đảm bảo rằng chúng ta đang thực hiện các bước để hiểu vấn đề, nếu chúng ta muốn giải quyết nó:

Như Krishnan minh bạch giải thích cho tôi:

Có khá nhiều ý kiến về trí tuệ nhân tạo có thể giải thích rõ ràng. Trí tuệ nhân tạo có khả năng giúp người dùng cuối hiểu tại sao các quyết định của trí tuệ nhân tạo được thực hiện để họ có thể hiểu đúng và đánh giá tính chính xác của các khuyến nghị theo thuật toán.

Sự minh bạch như vậy giúp đáp ứng yêu cầu của cơ quan quản lý, nhưng cũng cung cấp bối cảnh cho lãnh đạo về mọi thứ từ quyết định đến kết quả vận hành. Nó cũng giúp loại bỏ độ chệch trong các thuật toán.

Tôi sẽ nói rằng đây là nơi chúng ta quay lại nghĩ về khách hàng. Đảm bảo dữ liệu của bạn đại diện cho cơ sở khách hàng bạn đang xem xét sẽ quan trọng.

Cuối cùng, giải quyết vấn đề đa dạng trong STEM không chỉ là một vấn đề hỗ trợ lực lượng lao động đa dạng nữa. Đó cũng là một vấn đề hỗ trợ khách hàng, đối tác, khách hàng và người dùng trong không gian công nghệ toàn cầu.

Nhưng vẫn cần nỗ lực để đạt được điều đó. Như những nghiên cứu được đề cập ở trên đều kết luận, STEM vẫn chệch về một sự mất cân đối về nam giới trắng, CIS, mặc dù có nỗ lực cân bằng toàn cầu.

Nói cách khác, vẫn còn công việc phải làm. Theo Krishnan, điều đó có nghĩa là chúng ta cần giảm gánh nặng cho những người tìm kiếm sự đối xử tốt hơn bằng cách tiếp tục thực hiện các thay đổi ở cấp tổ chức thông qua chính sách:

Chúng ta cần đảm bảo chúng ta tiếp tục tuyển dụng tích cực phụ nữ và dân tộc thiểu số và vượt qua những nỗ lực từ cộng đồng đến các chương trình có tổ chức. Cho dù là chính phủ hoặc tổ chức, việc thực hiện chính sách sẽ giúp trong những nỗ lực này.

Một khía cạnh quan trọng khác là chương trình hướng dẫn cho những người thuộc các nhóm dân số ít được phục vụ. Tầm quan trọng của việc có một hình mẫu không thể bị đánh giá thấp.

Bạn đã biết Radhika Krishnan sẽ phát biểu tại Hội nghị TNW mùa hè này chưa? Kiểm tra danh sách đầy đủ các diễn giả tại đây.