赞助计算机顶会,是时候更透明化了丨普林斯顿学者观点

2022 年 4 月 12 日 大数据文摘
大数据文摘授权转载自数据实战派
作者:KLAUDIA JAZWINSKA
译者:青苹果

在第1部分中(见“数据实战派”: 普林斯顿研究者:当大公司控制了CS顶会的资金,坏处在哪? ),我提供了一些证据来支撑以下事实:对于计算机技术的研究,一些世界顶级计算机科学(CS, Computer Science)会议,在很大程度上依赖于研究这些技术的强大技术公司的资金支持。

在第2部分(也就是本文)中,我提出了一系列建议,以确保公司不会因为工业界和学术界的这种纠缠不清,而对知识创造和交流的条件产生不当影响。

需要明确的是,我并非建议会议立即停止接受科技公司的资金赞助,也不是说学术研究中没有大型科技公司投资的点。

我只是提出了自己的建议,会议组织者或许可以考虑采取更严格的保障措施,以提高透明度,并尽量减少企业资助对学术研究所带来的潜在寒蝉效应或议程设置效应。

虽然我并未声称赞助商对哪些论文已接收或未发表有任何发言权,但在接下来的几段中,我将展示议程设置是如何以一种更微妙、更普遍的方式发生的。

将会议重新视为“贸易区”


在特定领域设定议程也就意味着,需要确定重点和投资的主题及其优先顺序。显然,研究重点不是中立的,也不是自然发生的,而是社会和政治建设的双重结果。而且,由于大量CS资金来自科技公司,这些优先事项很可能取决于这些公司的认知和决策,比如,判定哪些项目有价值或有利可图。

科技行业议程设置能力的一个例子包括,AI或ML研究被狭义地概念化,以优先考虑技术工作。

例如,尽管它对理解ML研究中固有的优先级做出了宝贵的贡献,但我在第1部分引用的Birhane等人的论文时,由于被贴上了不屑一顾的元综述(meta-review)的标签,在2021年的NeurIPS会议上被拒绝发表,这只是ML社区如何边缘化关键工作、提升技术工作的一个例子。

其他在CS中设置公司议程的例子还包括,上述科技公司对隐私和安全的定义与消费者、权益保护者的定义不同,以及人机交互领域(HCI, human-computer interaction)通常关注影响用户行为的方式,而不是退后去反思平台层面必要的系统性变化。

显然,在决定资助哪些会议,以及塑造哪些想法和工作在会议中得到提升时,毋庸置疑,科技公司有助于建立声望等级制度。反过来,这又会影响到个人提交研究工作以及参加会议时的选择。除此之外,赞助津贴可以帮助公司借助博览会和其他活动,在CS会议上占据突出地位。

综合来看,正是这些因素的相互融合,CS会议被逐步塑造成以商业为导向的活动场所。

重要的是,在顶级会议上为那些不一定会促进商业创新的工作留出空间。

除了简单地作为发表和传播学术论文的渠道外,会议还有可能成为批评、行动主义和宣传的场所。学术聚会的这些看似次要的功能,实际上正是需要保留的关键功能。

在“参与、设计和制造数字系统”中,Janet Vertesi等人将学术和设计之间的合作空间描述为“交易区”,其中参与(engagement)可以是企业性的、批判性的、创造性的或专注于探究的。虽然企业的工作来自公司内部,但关键参与需要存在一个交易区,该领域科学家、计算机科学家和工程师可以会面并进行对话。Vertesi等人写道:“关键参与通常包含IT研究和企业之间的交叉点,但避免为公司或设计师带来即时的回报。”

即使赞助公司没有直接参与决定哪些作品会被发表,但他们通过参加学术会议,也可以深入了解与会者之间分享的想法和工作,并有机会通过广告和招聘活动宣传其品牌。因此,制定赞助政策和提高透明度将有助于抑制这种潜在的影响,并向与会者明确公司的财务资助条款。

在会议赞助方面采取更好地保障措施并非史无前例;例如,在医学界也有类似的努力,以遏制制药和医疗器械制造公司对临床会议的影响。

要求问责会议言出必行


特别是,那些使命明确与道德和责任相关的技术会议,值得对其与赞助商的关系进行更高层次的审查。

然而,我通过对这一领域一些最著名的会议的调查结果发现,许多会议都没有提供资助者名单,也没有在网站上披露任何赞助政策。

也就是说,一些会议在认识到某些赞助商的行为与其价值观不一致后,已经着手重新评估这种筹款方案。例如,在2021年3月,ACM公平、问责和透明度会议(FAccT, the ACM Conference for Fairness, Accountability, and Transparency)暂停了与谷歌的赞助关系,以抗议该公司解雇了两名顶级伦理AI研究人员,他们一直致力于研究该公司AI系统中的偏见。

FAccT委员会成员Suresh Venkatasubramanian在推特上表示,在委员会修改其赞助政策的同时,放弃谷歌支持者身份的决定“符合社区的最大利益”。会议赞助联合主席Michael Ekstrand告诉VentureBeat,让谷歌作为赞助商可能会阻碍FAccT的战略计划。(需要指出的是,FAccT仍在为其2021年的会议接受来自谷歌母公司Alphabet子公司DeepMind的资助。)

会议最近公布了一项新的赞助政策,承认“外部资助引起了人们对会议独立性以及会议可能授予赞助商和支持者的合法性的高度关切”。其他会议,如ACM关于算法、机制和优化中的公平和访问会议(EAAMO, the ACM Conference on Equity and Access in Algorithms, Mechanisms, and Optimization)和计算语言学协会(ACL, Association for Computational Linguistics)会议也在其网站上发布了赞助以及利益冲突政策。

虽然可以预期,以伦理和公平为导向的会议将有一个更健全的协议,以完善资助接受政策,但批判性地思考和减轻与接受企业赞助相关的限制,符合所有CS会议的最佳利益。

最优方案建议


在许多情况下,接受企业赞助是一种必要的“邪恶”,它使有价值的工作得以完成,并让人们能够获得像参加会议一般更多的资源和机会。

从长远来看,我们应该共同努力,让CS会议重新成为基于学者的、作为学术探索的中立领域,而非跟随公司所追求的步伐。然而,更为直接的解决办法可能是建立和实施一系列最佳实践,以确保依赖企业赞助的会议具有更大的学术诚信。

许多学者,比如那些在2018年签署了资助事项请愿书的学者,都主张为企业赞助研究会议制定严格的标准和指导方针。

因此,我为会议制定了一套建议,以作为确保其决策过程更大透明度和更高问责制的起点:

丨通过组织的使命和价值观来评估赞助商。确定哪条线是你不愿意跨越的。

丨是否有一些公司的目标或产出与你的价值观背道而驰?有哪些行为是你拒绝合法化的,或者有哪些公司的声誉可能会严重损害他们资助的会议的完整性?审查你现有的赞助商,确保他们都没有越线,并将其作为决定将来是否接受其他人资助的门槛。

丨例如,在EAAMO会议的赞助政策中,组织者保留“如果赞助委员会认为资金来源与倡议和会议的任务不一致,则拒绝或退还任何赞助”的权利。

丨对谁赞助你的会议,他们的贡献和以此为条件得到的收益,要保持透明。

丨虽然许多会议确实在网站上列出了赞助商的徽标,但通常不清楚这些组织提供了多少资金,以及这些资金的具体用途。为确保更大的透明度,请在网站和其他宣传材料上公布赞助商名单,并将赞助呼吁的详细信息公开发布并易于访问。

丨请确保在会议之前公开此信息,以便于受邀发言人和其他与会者做出明智的决定。

丨制定严格的政策,以防止赞助商影响会议活动的内容或演讲者。

丨建立可靠的接受赞助政策和完整的赞助协议,列出你将接受和不接受的赞助类型,以确保你的赞助者的支持不受限制,并且没有附加条件。

丨例如,FAccT会议最近发表了一份新声明,概述了他们在赞助和财务支持方面的做法,该声明否认赞助商对会议组织或内容的任何部分发表意见。此外,赞助商只能向普通基金捐款,而不能具体指定如何使用他们的捐款。

丨鼓励在会议期间,公开讨论接受公司资金和潜在替代方案的影响。

丨例如,ACM计算机科学与法律会议承诺致力于“讨论在新兴的ACM计算机科学与法律社区中,研究和会议赞助的不同资助模式的实践策略和伦理影响。”
n确保整个行业或任何一家公司,在赞助商或会议组织者中所占比例不会过高。

丨考虑一下某些赞助商是否可能在粉饰或压制某些研究领域。为你提供资金赞助的组织的兴趣或意图是什么?亦或是他们希望从这种关系中获得什么?

丨例如,EEAMO赞助委员会承诺“从各种不同的来源寻求资金,包括学术机构、慈善组织、基金会、行业和政府来源。”

丨考虑寻找其他独立于行业的资金来源,其利益不太可能与你的会议主题/使命相冲突。

丨尽管如此,重要的是要记住,正如Phan等人在最新的论文中指出的那样,“来自大型科技公司以外的慈善基金为作为伦理工作生产者和供应商的研究人员提供了不同和复杂的考虑因素。”这就是为什么拥有多样化的资源是更可取的。

在努力将会议重新改造为不受企业利益影响的学术探索空间的过程中,CS领域可以帮助确保他们的研究处于有利位置,更好地为公众的最佳利益服务。


点「在看」的人都变好看了哦!
登录查看更多
0

相关内容

学术会议,包括国内外相关会议
【哈佛大学】深度学习理论实证探究
专知会员服务
42+阅读 · 2021年11月1日
专知会员服务
47+阅读 · 2021年9月5日
756页美国国家安全AI战略报告
专知会员服务
173+阅读 · 2021年3月25日
最新《监督机器学习可解释性》2020大综述论文,74页pdf
专知会员服务
129+阅读 · 2020年11月19日
ICLR 2021 评审出炉!来看看得分最高的50篇论文是什么!
专知会员服务
40+阅读 · 2020年11月13日
专知会员服务
144+阅读 · 2020年6月15日
如果Sci-Hub胜诉,对全球科研意味着什么?
学术头条
0+阅读 · 2021年12月28日
PNAS权威研究:论文越多,科学发展越易放缓
学术头条
0+阅读 · 2021年12月12日
观点:AI与自动化是矛盾的
学术头条
1+阅读 · 2021年10月17日
赛尔译文 | 基础模型的机遇与风险 (二)
哈工大SCIR
9+阅读 · 2021年9月27日
国家自然科学基金
1+阅读 · 2016年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
31+阅读 · 2021年6月30日
Arxiv
37+阅读 · 2021年2月10日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2016年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员