في عالم الذكاء الاصطناعي (Artificial Intelligence)، تعد التدقيقات المرتبطة بعدالة نماذج المخاطر المؤسسية (Institutional Risk Models) خطوة ضرورية لفهم كيفية توزيع الموارد في أنظمة التعلم الآلي (Machine Learning) المطبقة. سياق هذا البحث يعود إلى تعاون استمر لعدة سنوات مع كلية سنتينيال، حيث تم تطوير نموذج لتحليل العدالة في الأنظمة المستخدمة.

قدم فريق البحث نموذجًا محاكًاة لنظام الإنذار المبكر (Early Warning System) الذي يستخدم بيانات تدريبية ومواصفات تصميم مؤسسية. وقد تم تقييم أوجه التفاوت في اللجنة حسب الجنس والعمر ووضع الإقامة عبر جميع مراحل العملية، بدءًا من بيانات التدريب، وصولاً إلى تنبؤات النموذج والمعالجة اللاحقة، باستخدام مقاييس العدالة القياسية.

الأهم من ذلك، أظهرت نتائج التدقيق توزيعًا غير عادل، حيث يتم تمييز الطلاب الأصغر سنًا، والذكور، والطلاب الدوليين بشكل غير متناسب للحصول على الدعم، على الرغم من أن العديد منهم يحقق النجاح في نهاية المطاف، بينما يتم تجاهل الطلاب الأكبر سنًا والإناث ذوي مخاطر التسرب المشابهة. وهذا يعكس قصورًا في إجراءات ما بعد المعالجة، والتي تساهم في تعزيز التباينات من خلال تجميع الاحتمالات المختلفة في درجات مخاطر قائمة على النسب المئوية.

يتيح هذا العمل تقديم منهجية قابلة للتكرار لتدقيق الأنظمة المؤسسية المعتمدة على الذكاء الاصطناعي، كما يكشف كيف تتشكل الفوارق وتتفشى عبر المراحل المختلفة. ويبرز أهمية تقييم صحة المفاهيم سواء من ناحية العدالة الإحصائية أو من حيث كيفية تأثير البيانات على القوى العاملة في التعليم العالي.