Posted on

[edm-announce] CfP: Fairness, Accountability, and Transparency in Educational Data (FATED): A 1-day workshop colocated with the EDM 2020 conference.

  • From: Stephen Fancsali <sfancsali@xxxxxxxxx>
  • To: edm-announce@xxxxxxxxxxxxx
  • Date: Fri, 10 Apr 2020 09:51:01 -0400

[on behalf of Collin Lynch]

Fairness, Accountability, and Transparency in Educational Data
(FATED): A 1-day workshop colocated with the EDM 2020 conference.

* Apologies for cross-posting *

———————————————————————–
                       Call for Papers
———————————————————————–

     Fairness, Accountability, and Transparency in Educational Data
            To be hosted online, 10 July 2020
              https://fatedm.inria.fr/

Held in conjunction with Educational Data Mining (EDM) 2020
10-13 July 2020, fully virtual (formerly Ifrane, Morocco)
http://educationaldatamining.org/edm2020/

——————————————————————————–
                Important Dates
——————————————————————————–

Submission deadline:      15 May 2020 (23:59 AoE – Anywhere on Earth)
Notification of acceptance:   1 June 2020
Camera-ready version due:    15 June 2020
Workshop date:         10 July 2020

Anywhere on Earth (AoE) is 12 hours behind Coordinated Universal Time (UTC).

——————————————————————————–

                 Description

——————————————————————————–

All models are imperfect and as recent experiences have shown,
educational applications of AI are not immune to the risks observed in
other domains. Teachers, students, and parents have protested the use
of educational systems in classrooms across the US, driven in part by
a lack of clear guidance on how the systems are managed, and a lack of
clear criteria on how they can be judged (NEP 2018, Bowles 2019,
Herold 2019). In complex educational environments problems such as
bias can go undetected in real time and may, over the long term and
large scale, far outweigh the potential benefits (Buckingham Shum
2018).

The goal of this workshop is to develop a focus on Fairness,
Accountability, & Transparency in Educational Data (FATED). This will
include discussion of open issues in EDM, and prior research on
fairness accountability and transparency in machine learning systems.
It will also include the presentation of novel peer-reviewed research
by the EDM community, and a practical tutorial on some methods for
assessing bias in trained models. Finally we will work to develop near
and long-term goals for the community.

——————————————————————————–

               Topics of Interest

——————————————————————————–

Complex educational environments raise a number of crucial ethical,
research, and policy issues. We invite papers that address questions
such as, but not limited to:

–  How do we identify and ameliorate bias in our algorithms?
–  How do we address the problem identified by Barocas & Hardt in their
NeurIPS
   2017 tutorial: “Different models with the same reported accuracy can
have a
   very different distribution of error across population”?
–  How do we design systems that are accountable to social and policy
concerns
   (Kroll et al. 2017)?
–  How do we ensure student privacy (e.g. Aggrawal and Yu 2008, Dwork 2006)?
–  How do we ensure fairness in educational systems (Holstein & Doroudi
2019,
   Holstein et al. 2019)?
–  How do we address the inevitable ethical challenges (Holmes et al. 2018,
   Ben-Porath & Ben Shahar 2017)?
–  And who really owns the data (Lynch 2017)?

——————————————————————————–

                 Submission

——————————————————————————–

Short position papers
  Between 2 and 3 pages, EDM format (including references)
  Word:
http://educationaldatamining.org/edm2020/wp-content/uploads/sites/4/2019/09/edm_word_template2020.doc
  LaTeX:
http://educationaldatamining.org/edm2020/wp-content/uploads/sites/4/2019/09/edm_submission2020.zip

Full papers
  Between 3 and 5 pages, EDM format (including references)

Submissions can be made through EasyChair:
  https://easychair.org/conferences/?conf=fated2020

——————————————————————————–

                Workshop Chairs

——————————————————————————–

* Nigel Bosch (University of Illinois at Urbana-Champaign)
* Christopher Brooks (University of Michigan)
* Shayan Doroudi (University of California Irvine)
* Josh Gardner (University of Washington)
* Kenneth Holstein (Carnegie Mellon University)
* Andrew Lan (University of Massachusetts at Amherst)
* Collin Lynch (North Carolina State University)
* Beverly Park Woolf (University of Massachusetts at Amherst)
* Mykola Pechenizkiy (Eindhoven University of Technology, The Netherlands)
* Steven Ritter (Carnegie Learning)
* Jill-Jênn Vie (Inria Lille, France)
* Renzhe Yu (University of California Irvine)

—————————————————————

                      Contact

—————————————————————

E-mail: fated2020@xxxxxxxxxxxxx

Web page: https://fatedm.inria.fr/

— 
ArgLab & Center for Educational Informatics
Department of Computer Science
North Carolina State University

https://research.csc.ncsu.edu/arglab/people/cflynch.html
Ezoicreport this ad

Other related posts:

  • » [edm-announce] CfP: Fairness, Accountability, and Transparency in Educational Data (FATED): A 1-day workshop colocated with the EDM 2020 conference. – Stephen Fancsali