EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Towards early detection of algorithmic bias from dataset’s bias symptoms: An empirical study

Giordano d’Aloisio, Claudio Di Sipio, Antinisca Di Marco, Davide Di Ruscio

Information and Software Technology · 2025-12 · 188 · 107905

DOI: 10.1016/j.infsof.2025.107905 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Information and Software Technology, 2025-12. Verfasst von Giordano d’Aloisio und 3 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 72 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: Ministero dell'Università e della Ricerca, European Commission, Ministero dell’Istruzione, dell’Università e della Ricerca.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Ministero dell'Università e della Ricerca
  • European Commission
  • Ministero dell’Istruzione, dell’Università e della Ricerca

Zitieren

APA

d’Aloisio, G., Sipio, C. D., Marco, A. D., & Ruscio, D. D. (2025). Towards early detection of algorithmic bias from dataset’s bias symptoms: An empirical study. Information and Software Technology, 188, 107905. https://doi.org/10.1016/j.infsof.2025.107905

Vancouver

d’Aloisio G, Sipio CD, Marco AD, Ruscio DD. Towards early detection of algorithmic bias from dataset’s bias symptoms: An empirical study. Information and Software Technology. 2025;188:107905. doi:10.1016/j.infsof.2025.107905

BibTeX
@article{dAloisio2025,
  author = {d’Aloisio, Giordano and Sipio, Claudio Di and Marco, Antinisca Di and Ruscio, Davide Di},
  title = {Towards early detection of algorithmic bias from dataset’s bias symptoms: An empirical study},
  journal = {Information and Software Technology},
  year = {2025},
  volume = {188},
  pages = {107905},
  doi = {10.1016/j.infsof.2025.107905}
}
Kostenlos starten →