| عدالت الگوریتمی؛ چالش پنهان در ارزیابی هوشمند ریسک اعتباری |
| کد مقاله : 1312-ICM |
| نویسندگان |
|
مهسا فرخنده1، مهرآنا حق شناس *2 1دکتری مدیریت مالی، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران 2دانشجوی کارشناسی ارشد رشته ی مدیریت مالی موسسه آموزش عالی راهبرد شمال |
| چکیده مقاله |
| زمینه: در دهههای اخیر، صنعت خدمات مالی با ورود فناوریهای هوش مصنوعی و یادگیری ماشینی در ارزیابی ریسک اعتباری دچار تحول بنیادین شده است. الگوریتمهای دادهمحور قادرند از دادههای ساختاریافته و غیرساختاریافته بینشهای تازهای استخراج کنند و دسترسی به خدمات مالی را برای گروههای پیشتر محروم گسترش دهند. هدف: این مقاله با تمرکز بر «عدالت الگوریتمی در ارزیابی هوشمند ریسک اعتباری» درصدد است چالشهای تبعیض الگوریتمی و محدودیتهای شفافیت مدلها را بررسی کرده و چارچوب مفهومی بومی برای نظام مالی ایران ارائه دهد. روشها: پژوهش حاضر با رویکرد ترکیبی، ابتدا مرور ادبیات جهانی درباره هوش مصنوعی در وامدهی دیجیتال و عدالت الگوریتمی را انجام داده و سپس با تحلیل تجربی دادههای بازارهای اعتباری، چالشها و فرصتهای پیادهسازی مدلهای هوشمند در ایران را شناسایی میکند. چارچوب رفتاری COM-B برای بررسی پذیرش فناوری توسط SMEها بهکار گرفته شده است. یافتهها: نتایج نشان میدهد که الگوریتمهای یادگیری ماشینی دقت پیشبینی نکول را افزایش میدهند، اما ممکن است سوگیریهای تاریخی و نابرابریهای ساختاری را بازتولید کنند. در ایران، کمبود دادههای ساختاریافته، ناهماهنگی زیرساختهای دیجیتال و فقدان نهادهای مستقل ممیزی، ریسک تبعیض و کاهش اعتماد کاربران را افزایش میدهد. همچنین، تفاوت در درک عدالت میان کاربران و مدلهای الگوریتمی چالش دیگری است که باید در طراحی مدلهای بومی لحاظ شود. نتیجهگیری:برای ایجاد توازن میان دقت و کارایی مدلهای هوش مصنوعی و عدالت اجتماعی، لازم است چارچوبهای شفاف و قابل تفسیر همراه با شاخصهای بومی و دادههای جایگزین طراحی شود. این رویکرد میتواند زمینهای برای پیادهسازی نظام اعتباری منصفانه، پاسخگو و اعتمادپذیر در ایران فراهم کند. |
| کلیدواژه ها |
| هوش مصنوعی، ارزیابی ریسک اعتباری، عدالت الگوریتمی، وامدهی دیجیتال، شمول مالی، فین تک |
| وضعیت: پذیرفته شده |