<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Ethical aspects of automated systems in psychological diagnostics: an analytical review

Ескіз

Файли

28038.pdf (229,58 KB)

Дата

2026

Автори




Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Альтернативна назва

Анотація

У тезах розглянуто етичні аспекти застосування автоматизованих систем у психологічній діагностиці.
This research paper examines the ethical dimensions of applying automated systems in psychological diagnostics.

Опис

Ключові слова

психологічна діагностика , штучний інтелект , машинне навчання , етика , конфіденційністьданих , алгоритмічна упередженість , інформована згода , psychological diagnostics , artificial intelligence , machine learning , ethics , data privacy , algorithmic bias , informed consent

УДК

17:[004.891.3:159.9](043.2)

Тип документа

Thesis

Мова

uk

Є частиною

Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р.

ISSN

Посилання на публікацію

https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2026/paper/view/28038

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Дзюменко Г. Д., Теренчук А. Т. Ethical aspects of automated systems in psychological diagnostics: an analytical review // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2026/paper/view/28038.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/54289

Зібрання

НТКП ВНТУ. Факультет інформаційних технологій та комп'ютерної інженерії (2026)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (12)

  1. Torous J., Keshavan M., Gutheil T. Promise and perils of digital psychiatry. Asian Journal of Psychiatry. 2014. Vol. 10. P. 1–3.
  2. Cummins N., Scherer S., Krajewski J., Schnieder S., Epps J., Quatieri T.F. A review of depression and suicide risk assessment using speech analysis. Speech Communication. 2015. Vol. 71. P. 10–49.
  3. Char D.S., Shah N.H., Magnus D. Implementing machine learning in health care – addressing ethical challenges. New England Journal of Medicine. 2018. Vol. 378. No. 11. P. 981–983.
  4. Bzdok D., Meyer-Lindenberg A. Machine learning for precision psychiatry: Opportunities and challenges. Biological Psychiatry: Cognitive Neuroscience and Neuroimaging. 2018. Vol. 3. No. 3. P. 223–230.
  5. Price W.N., Cohen I.G. Privacy in the age of medical big data. Nature Medicine. 2019. Vol. 25. No. 1. P. 37–43.
  6. Rocher L., Hendrickx J.M., De Montjoye Y.A. Estimating the success of re-identifications in incomplete datasets using generative models. Nature Communications. 2019. Vol. 10. Research paper 3069.
  7. Doshi-Velez F., Kim B. Towards a rigorous science of interpretable machine learning. arXiv preprint arXiv:1702.08608. 2017.
  8. Buolamwini J., Gebru T. Gender shades: Intersectional accuracy disparities in commercial gender classification. Proceedings of Machine Learning Research. 2018. Vol. 81. P. 77–91.
  9. Mittelstadt B.D., Allo P., Taddeo M., Wachter S., Floridi L. The ethics of algorithms: Mapping the debate. Big Data & Society. 2016. Vol. 3. No. 2. P. 1–21.
  10. Topol E.J. High-performance medicine: The convergence of human and artificial intelligence. Nature Medicine. 2019. Vol. 25. No. 1. P. 44–56.
Google Scholar