Progetto pratico — Scienza ed etica dei dati

Analisi etica del dataset ACSIncome (US Census via folktables) con focus su bias ed equità e protezione della privacy, realizzata come progetto pratico per l'esame del corso di Scienza ed etica dei dati (prof. R. Rosati).

Sapienza Università di Roma — Corso di laurea in Filosofia e Intelligenza Artificiale, a.a. 2025/2026.

Autori:

• Riccardo Romano — matricola 2126461
• Hera Polegri — matricola 2153537

---

Sintesi del progetto

Il notebook applica al dataset ACSIncome (Ding et al., NeurIPS 2021) un audit etico in due parti, mappato puntualmente sulle slide del corso del prof. Rosati:

• Parte A — Bias ed equità: EDA quantitativa, modelli baseline (Logistic Regression + Gradient Boosting), audit algoritmico in 6 fasi, 6 metriche di fairness, interpretabilità con SHAP e LIME, 3 tecniche di mitigation (Reweighing, Exponentiated Gradient, Threshold Optimizer), analisi del trade-off accuracy ↔ fairness.

• Parte B — Protezione della privacy: identificazione di quasi-id, applicazione di k-anonymity con generalizzazione (5-anonymity raggiunta sul 99.9% dei record), accenno di l-diversity, differential privacy con meccanismo di Laplace e analisi del trade-off ε ↔ utility.

• Sintesi etico-normativa: discussione del trilemma bias/privacy/utility, riferimenti ad AI Act art. 10, GDPR art. 22 e Considerando 26.

Risultati principali

• Bias rilevato e quantificato: gender gap di 14.7pp, range razziale di 34pp, gap inter-statale di 14.1pp sul tasso di reddito

  50k.

• Disparate Impact baseline su SEX = 0.544, viola la regola dell'80%.
• Reweighing porta il DI a 0.827 (compliance recuperata) con costo accuracy di soli 0.7 punti percentuali.
• 55.8% dei record del dataset originale è univocamente identificabile sui soli tre quasi-id AGEP, SCHL, OCCP → secondo GDPR Cons. 26 non è anonimo.
• k-anonymity con generalizzazione raggiunge k≥5 sul 99.9% dei record sopprimendo solo 21 record (0.1%); l'accuracy del modello ML sui dati anonimizzati cala di soli 0.6 punti percentuali.
• Differential privacy a ε=1 introduce errore medio di 0.006 anni sulla query "AGEP medio per stato" — sotto la soglia di sensibilità umana.

Struttura del repository

README.md                       questo file
RESULTS.md                      registro dei risultati prodotti dal notebook
notebooks/
  progetto_etica_dati.ipynb     notebook completo, eseguibile end-to-end
slide-deck/
  Presentazione-progetto-       slide di presentazione del progetto (PDF)
  scienza-etica-dati.pdf
data/                           cartella di destinazione dei dataset scaricati
                                a runtime da Folktables (gitignored)

Esecuzione

Il notebook è progettato per girare su Google Colab senza modifiche né setup locale. Procedura:

1. Aprire Google Colab.
2. File → Apri notebook → GitHub → aithos-rr/progetto-etica-dati → selezionare notebooks/progetto_etica_dati.ipynb.
3. Runtime → Restart and run all.

Tempo di esecuzione completo atteso: ~3-5 minuti su Colab free tier.

Dipendenze

Tutte le librerie non preinstallate su Colab sono installate automaticamente dalla prima cella del notebook:

• folktables — accesso al dataset US Census ACS
• fairlearn — metriche e mitigazione del bias
• shap, lime — interpretabilità post-hoc
• imbalanced-learn — gestione class imbalance
• diffprivlib (IBM) — meccanismi di differential privacy

Le seguenti sono già preinstallate su Colab e usate dal notebook: pandas, numpy, scikit-learn, matplotlib, seaborn, scipy.

Riferimenti

Il progetto si appoggia sulle fonti citate nelle slide del corso:

• Solon Barocas, Moritz Hardt, Arvind Narayanan, Fairness and Machine Learning — Limitations and Opportunities, MIT Press, 2023. https://fairmlbook.org
• Ninareh Mehrabi et al., A Survey on Bias and Fairness in Machine Learning, ACM Comput. Surv. 54(6):115:1-115:35, 2022.
• Cynthia Dwork & Aaron Roth, The Algorithmic Foundations of Differential Privacy, Foundations and Trends in Theoretical Computer Science, 2014.
• Frances Ding, Moritz Hardt, John Miller, Ludwig Schmidt, Retiring Adult: New Datasets for Fair Machine Learning, NeurIPS 2021.

Licenza

Codice rilasciato come progetto universitario per finalità didattiche. Il dataset ACSIncome è pubblicamente accessibile attraverso la libreria folktables, derivato da dati del US Census Bureau (Public Use Microdata Sample).