論文の概要: A Human-Centered Review of the Algorithms used within the U.S. Child
Welfare System
- arxiv url: http://arxiv.org/abs/2003.03541v1
- Date: Sat, 7 Mar 2020 09:16:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-25 20:07:16.875839
- Title: A Human-Centered Review of the Algorithms used within the U.S. Child
Welfare System
- Title(参考訳): 児童福祉システムにおけるアルゴリズムの人間中心的評価
- Authors: Devansh Saxena, Karla Badillo-Urquiola, Pamela J. Wisniewski, and
Shion Guha
- Abstract要約: アメリカ児童福祉制度(CWS)は、養育青年の成果の改善を担っているが、過大評価され、資金が不足している。
いくつかの州は、コストを削減し、CWSの結果を改善するためのより良いプロセスを決定するために、アルゴリズムによる意思決定システムに向かっている。
我々は、CWSで使われている計算システムに関する50の査読論文を合成し、それらの開発状況、使用する予測器の共通特性、および対象とする結果を評価する。
- 参考スコア(独自算出の注目度): 17.161947795238916
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The U.S. Child Welfare System (CWS) is charged with improving outcomes for
foster youth; yet, they are overburdened and underfunded. To overcome this
limitation, several states have turned towards algorithmic decision-making
systems to reduce costs and determine better processes for improving CWS
outcomes. Using a human-centered algorithmic design approach, we synthesize 50
peer-reviewed publications on computational systems used in CWS to assess how
they were being developed, common characteristics of predictors used, as well
as the target outcomes. We found that most of the literature has focused on
risk assessment models but does not consider theoretical approaches (e.g.,
child-foster parent matching) nor the perspectives of caseworkers (e.g., case
notes). Therefore, future algorithms should strive to be context-aware and
theoretically robust by incorporating salient factors identified by past
research. We provide the HCI community with research avenues for developing
human-centered algorithms that redirect attention towards more equitable
outcomes for CWS.
- Abstract(参考訳): アメリカ児童福祉制度(CWS)は、養育青年の成果を改善するために責任を負っているが、過大評価され、資金が不足している。
この制限を克服するため、いくつかの州はコストを削減し、CWSの結果を改善するためのより良いプロセスを決定するためにアルゴリズムによる意思決定システムに転換した。
人中心のアルゴリズム設計アプローチを用いて、CWSで使われている計算システムに関する50の査読論文を合成し、それらの開発方法、使用する予測器の共通特性、および対象とする結果を評価する。
文献のほとんどがリスクアセスメントモデルに焦点を絞っているが、理論的アプローチ(例えば、子どもと子どもの親のマッチング)やケースワーカーの視点(例:ケースノート)は考慮していない。
したがって、将来のアルゴリズムは、過去の研究で特定された有意義な要素を組み込むことにより、文脈認識と理論的に頑健であることに努めるべきである。
我々は、CWSのより公平な結果に注意を向ける人間中心のアルゴリズムを開発するための研究手段を、HCIコミュニティに提供する。
関連論文リスト
- Are we making progress in unlearning? Findings from the first NeurIPS unlearning competition [70.60872754129832]
アンラーニングに関する最初のNeurIPSコンペティションは、新しいアルゴリズムの開発を刺激しようとした。
世界中から約1200チームが参加した。
トップソリューションを分析し、アンラーニングのベンチマークに関する議論を掘り下げます。
論文 参考訳(メタデータ) (2024-06-13T12:58:00Z) - Provably Efficient UCB-type Algorithms For Learning Predictive State
Representations [55.00359893021461]
逐次決定問題は、予測状態表現(PSR)によってモデル化された低ランク構造が認められる場合、統計的に学習可能である
本稿では,推定モデルと実モデル間の全変動距離を上限とする新しいボーナス項を特徴とする,PSRに対する最初のUCB型アプローチを提案する。
PSRに対する既存のアプローチとは対照的に、UCB型アルゴリズムは計算的トラクタビリティ、最優先の準最適ポリシー、モデルの精度が保証される。
論文 参考訳(メタデータ) (2023-07-01T18:35:21Z) - Examining risks of racial biases in NLP tools for child protective
services [78.81107364902958]
児童保護サービス(CPS)に焦点をあてる。
この設定で確立された人種的偏見を考えると、NLPの展開は人種格差を増大させる可能性がある。
我々は、NERモデルにおける一貫したアルゴリズムの不公平性、コア参照解決モデルにおけるアルゴリズムの不公平性、およびリスク予測における人種バイアスの悪化の証拠を文書化している。
論文 参考訳(メタデータ) (2023-05-30T21:00:47Z) - A Gold Standard Dataset for the Reviewer Assignment Problem [117.59690218507565]
類似度スコア(Similarity score)とは、論文のレビューにおいて、レビュアーの専門知識を数値で見積もるものである。
私たちのデータセットは、58人の研究者による477の自己申告された専門知識スコアで構成されています。
2つの論文をレビュアーに関連付けるタスクは、簡単なケースでは12%~30%、ハードケースでは36%~43%である。
論文 参考訳(メタデータ) (2023-03-23T16:15:03Z) - A Human-Centered Review of Algorithms in Decision-Making in Higher
Education [16.578096382702597]
我々は、高等教育における意思決定のためのアルゴリズムを提案する幅広い論文のコーパスをレビューした。
その結果,モデルが深層学習に傾きつつあり,学生の個人データや保護属性の利用が増加していることがわかった。
解釈可能性と説明可能性の低下にもかかわらず、現在の開発は主に人間中心のレンズを組み込むことができない。
論文 参考訳(メタデータ) (2023-02-12T02:30:50Z) - Exploring the effectiveness of surrogate-assisted evolutionary
algorithms on the batch processing problem [0.0]
本稿では,文献におけるよく知られたバッチ処理問題のシミュレーションを紹介する。
遺伝的アルゴリズム(GA)や微分進化(DE)といった進化的アルゴリズムを用いてシミュレーションの最適なスケジュールを見つける。
次に、サロゲート支援されたアルゴリズムによって得られる解の質を、ベースラインアルゴリズムと比較する。
論文 参考訳(メタデータ) (2022-10-31T09:00:39Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳(メタデータ) (2022-05-13T21:09:41Z) - System Cards for AI-Based Decision-Making for Public Policy [5.076419064097733]
本研究では,人工知能に基づく意思決定システムの公式監査のためのシステム説明責任ベンチマークを提案する。
これは、(i)データ、(ii)モデル、(iii)コード、(iv)システム、および(a)開発、(b)評価、(c)緩和、(d)保証に焦点を当てた行からなる4つの4つの4つの行列にまとめられた56の基準からなる。
論文 参考訳(メタデータ) (2022-03-01T18:56:45Z) - CIC: Contrastive Intrinsic Control for Unsupervised Skill Discovery [88.97076030698433]
本稿では,教師なしスキル発見のためのアルゴリズムであるContrastive Intrinsic Control (CIC)を紹介する。
CICは、状態エントロピーを最大化することで、多様な振る舞いを明示的にインセンティブ化する。
CICは従来の教師なしスキル発見手法よりも大幅に改善されている。
論文 参考訳(メタデータ) (2022-02-01T00:36:29Z) - A Framework of High-Stakes Algorithmic Decision-Making for the Public
Sector Developed through a Case Study of Child-Welfare [3.739243122393041]
我々は,公共セクターに適応したアルゴリズムによる意思決定の結束的枠組みを開発する。
本研究は,児童福祉機関における日常利用におけるアルゴリズムの事例研究である。
本稿では,公共セクターにおける高精度なアルゴリズム決定ツールの設計ガイドラインを提案する。
論文 参考訳(メタデータ) (2021-07-07T21:24:35Z) - Safe Learning and Optimization Techniques: Towards a Survey of the State
of the Art [3.6954802719347413]
安全な学習と最適化は、できるだけ安全でない入力ポイントの評価を避ける学習と最適化の問題に対処します。
安全強化学習アルゴリズムに関する包括的な調査は2015年に発表されたが、アクティブラーニングと最適化に関する関連研究は考慮されなかった。
本稿では,強化学習,ガウス過程の回帰と分類,進化的アルゴリズム,アクティブラーニングなど,様々な分野のアルゴリズムについて概説する。
論文 参考訳(メタデータ) (2021-01-23T13:58:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。