该研究探讨了用户对算法决策公平性的看法，提出了一个框架以理解人们如何判断公平性。通过对576人的调查，发现不公平问题多维且存在分歧。研究强调算法透明性和公平审计的重要性，以解决数据偏见带来的负面影响，并提出了新的偏差度量方法和缓解算法。

机器学习算法应用于信贷贷款和刑法司法等领域，若数据带有人类偏见，则会产生偏见决策。公平的机器学习是解决方案，但实现公平面临多维难题。算法需透明化数据和开发者审查，并进行公平审计。