本研究分析了六年本科生招生数据，探讨了人工智能模型在招生中的偏见，特别是标准化考试成绩对性别和种族等变量的影响，并提出了公正性指标及其应用的局限性。

研究发现深度学习模型在面部情绪识别中存在种族偏见问题。通过对多样种族分布的训练集进行子采样，发现在接近种族平衡的模拟中，公正性和性能指标得到了提高。然而，在具有更多面部变化的较大数据集中，公正性指标通常保持不变。