Mitigación de sesgo de género en un modelo de calificación crediticia
Guardado en:
Autor: | |
---|---|
Formato: | tesis de maestría |
Fecha de Publicación: | 2024 |
Descripción: | El presente documento expone un trabajo realizado sobre un conjunto de datos y un modelo matemático para apoyo de toma de decisiones en el proceso de crédito para clientes ya constituidos en un banco comercial de Costa Rica. El objetivo principal consistió en evaluar alternativas para mitigar los sesgos de género presentes en el modelo. Para lograrlo, se comenzó por identificar posibles fuentes de sesgo en el modelo, entre las cuales se identificaron posibles sesgos de tratamiento dispar, asociación, selección, sesgo malicioso y sesgo de automatización. Seguidamente se midieron dichos sesgos en más detalle, encontrando que son pequeños, excepto quizá por el sesgo de selección. En tercer lugar, se construyeron modelos alternativos que mitigaran estos sesgos, para finalmente, evaluar la diferencia tanto en las medidas de justicia que se utilizaron como en el rendimiento de los modelos alternativos respecto al original para determinar el que provee mayor valor al negocio. Aquí se encontró que las ganancias son menores y que lo que podría valer más la pena es mantener el modelo actual e investigar otros modelos de calificación crediticia utilizados en otras etapas del proceso de otorgamiento de crédito. |
País: | Kérwá |
Institución: | Universidad de Costa Rica |
Repositorio: | Kérwá |
Lenguaje: | Español |
OAI Identifier: | oai:kerwa.ucr.ac.cr:10669/90987 |
Acceso en línea: | https://hdl.handle.net/10669/90987 |
Palabra clave: | ŽŒCREDIT RATING GENDER BIAS ŽŒARTIFICIAL INTELLIGENCE |