martina ullasci
Politecnico di Torino

Mercoledì 27 maggio 2026
ore 13.00 – 14.00

Centro Nexa su Internet & Società
Politecnico di Torino, via Boggio 65/a, Torino (1° piano)
Suonare al citofono Portineria – Seguire le indicazioni lungo il percorso
(Per maggiori informazioni su come raggiungerci clicca qui)

Virtual classroom: https://didattica.polito.it/VClass/NexaEvent
I sistemi di intelligenza artificiale generativa sono sempre più adottati in contesti decisionali ad alto impatto sociale, come la selezione del personale e la valutazione di candidati. Questi sistemi vengono addestrati su dati che riflettono le disuguaglianze della nostra società e, pertanto, non sono neutri. Essi tendono a riprodurre e, in alcuni casi, ad amplificare le stesse dinamiche patriarcali e razziste con cui determinate categorie di persone devono confrontarsi quotidianamente.
Questo seminario esplora come i large language models riproducano stereotipi sociali, attraverso esperimenti condotti su diversi modelli di AI generativa e combinando approcci quantitativi e qualitativi: dall’analisi delle discriminazioni di genere nei processi di recruitment, alle forme di bias razzista emerse dallo studio del comportamento dei modelli quando interrogati con varietà linguistiche non dominanti.
A partire da questi risultati, il seminario propone una riflessione critica sull’uso dell’intelligenza artificiale generativa in contesti ad alto rischio sociale e sulla responsabilità della ricerca nell’interrogare e rendere visibili i meccanismi di riproduzione del privilegio nei sistemi algoritmici.
Biografia

Martina ULLASCI è borsista presso il Dipartimento di Automatica e Informatica del Politecnico di Torino, dove conduce ricerca con il gruppo SoftEng sui bias intersezionali nei sistemi di intelligenza artificiale generativa. Il suo lavoro adotta una prospettiva interdisciplinare, integrando metodi empirici con contributi provenienti dall’etica dell’IA e dagli studi di genere, con un focus particolare sull’impatto dei large language models nei processi decisionali ad alto rischio sociale, come il recruitment e la selezione del personale.
Letture consigliate e link utili
- Ullasci, M.; Rondina, M.; Coppola, R.; Vetrò, A. (in corso di stampa). Gender bias and propagation of stereotypes in GenAI-assisted recruitment, ACM International Conference on the Foundations of Software Engineering (FSE) – 2nd Intersectionality and Software Engineering Workshop Montreal (CA) | LINK
- Ullasci, M.; Rondina, M.; Coppola, R.; Giobergia, F.; Bellanca, R.; Mancari Pasi, G.; Prato, L.; Spinoso, F.; Tagliente, S. (In corso di stampa). Analysis Of Linguistic Stereotypes in Single and Multi-Agent Generative AI Architectures. ACM International Conference on the Foundations of Software Engineering (FSE), 2nd Intersectionality and Software Engineering Workshop, Montreal (CA) | LINK
- Moscatelli, S.; M.M. (2020). Men Should Be Competent, Women Should Have it All: Multiple Criteria in the Evaluation of Female Job Candidates. Sex Roles, 83(5–6), 269–288 | LINK

