Un nuovo documento di discussione pubblicato su Scienze politiche di due ricercatori di Leiden afferma che i governi stanno lavorando con una mano legata quando si tratta di dati sui gruppi vulnerabili. Al centro di questo articolo c'è l'idea che, anche se il volume dei dati è aumentato negli ultimi anni, la qualità dei dati in combinazione con potenziali lacune di dati noti o sconosciuti limita la capacità del governo di creare politiche inclusive. In poche parole, disporre di molti dati non significa necessariamente che i dati siano rappresentativi e affidabili o che i governi siano in grado di utilizzarli.

Il gap di dati primari descrive uno scenario in cui i governi sono consapevoli del fatto che mancano dati, ma ci sono opportunità limitate per colmare questa lacuna a causa della mancanza di dati appropriati. Il documento fornisce esempi al riguardo mostrando che i risultati dell'apprendimento automatico e di altre analisi dell'intelligenza artificiale sono limitati all'accuratezza dei dati disponibili, che possono avere effetti reali nel processo decisionale e nell'erogazione dei servizi pubblici.

Il gap di dati secondari evidenzia un divario in cui i dati sono disponibili in diversi formati, come i dati dei social media. Giest e Samuels indicano problemi con la qualità dei dati e la rappresentatività della popolazione utilizzando questi set di dati, esacerbare potenziali pregiudizi.

Finalmente, lacune di dati nascoste si verificano quando i set di dati utilizzati per la definizione delle politiche contengono false dichiarazioni, distorsioni o dati mancanti senza che i governi ne siano consapevoli. Ciò è particolarmente rilevante nel contesto dei risultati dell'apprendimento automatico e delle analisi dell'intelligenza artificiale. Dato che i gruppi vulnerabili, come minoranze etniche e anziani, tendono a produrre meno dati e risultano di difficile accesso, sono particolarmente colpiti dall'inconsapevolezza delle lacune nei dati nel processo decisionale.

Basato su questo, il documento mette in evidenza il fatto che esiste il pericolo che le architetture dei big data riproducano potenzialmente pregiudizi esistenti data la natura delle lacune e il livello di consapevolezza del governo nei loro confronti. Ciò implica che, al fine di promuovere politiche inclusive, i governi devono comprendere le lacune esistenti nei dati, ciò che nascondono e perché, al fine di trovare soluzioni per aggiungere ulteriori conoscenze attraverso metodi innovativi e tradizionali di raccolta dei dati.