• ai
• bias
• etica
• fairness
• metriche
• modelli
• privacy
• valutazione

Questo elaborato presenta un prototipo di framework per valutare l'impatto dei sistemi di intelligenza artificiale sui diritti fondamentali. La prima parte della tesi introduce il contesto giuridico che rende necessario questo framework, analizzando quattro assessment: DPIA, HRIA, FRIA e ALTAI. Successivamente, viene illustrato il background tecnico, focalizzandosi su metriche di Fairness e Privacy.

L'implementazione riguarda la valutazione della la Non-Discriminazione e della Privacy nel contesto del reclutamento di personale. Un dataset sintetico viene generato, pre-processato e utilizzato per addestrare un modello, le cui predizioni vengono valutate con metriche specifiche. Queste sono visualizzate tramite Radar Plot interattivi e inserite in un form che permette di calcolare un valore globale di non-discriminazione e privacy.

I risultati mostrano come l’introduzione di bias nei dati influenzi le metriche, dimostrando la coerenza del framework. Infine, la tesi esplora applicazioni pratiche, sfide, limitazioni e sviluppi futuri, concludendo con l'impatto accademico del lavoro, attualmente sottoposto a valutazione per la XRSalento International Conference on eXtended Reality.

This paper presents a prototype framework for evaluating the impact of artificial intelligence systems on fundamental rights. The first part of the thesis introduces the legal context that makes this framework necessary, analyzing four assessments: DPIA, HRIA, FRIA, and ALTAI. Subsequently, the technical background is outlined, focusing on Fairness and Privacy metrics.

The implementation focuses on Non-Discrimination and Privacy in the context of personnel recruitment. A synthetic dataset is generated, pre-processed, and used to train a model, whose predictions are evaluated using specific metrics. These are visualized through interactive Radar Plots and integrated into a form that allows for calculating an overall non-discrimination and privacy score.

The results show how the introduction of bias in the data affects the metrics, demonstrating the framework's consistency. Finally, the thesis explores practical applications, challenges, limitations, and future developments, concluding with the academic impact of the work, which is currently under review for the XRSalento International Conference on eXtended Reality.