論文の概要: IP Geolocation Underestimates Regressive Economic Patterns in MOOC Usage
- arxiv url: http://arxiv.org/abs/2006.03977v1
- Date: Sat, 6 Jun 2020 21:13:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 11:15:52.481470
- Title: IP Geolocation Underestimates Regressive Economic Patterns in MOOC Usage
- Title（参考訳）: IP測位はMOOC利用における回帰経済パターンを過小評価する
- Authors: Daniela Ganelin and Isaac Chuang
- Abstract要約: 大規模なオープンオンラインコース(MOOC)は、厳格な高等教育を誰でも利用できるようにすることを約束している。
以前の研究では、登録者は高い社会経済的地位の背景から来る傾向があることが示されている。
2012年から2018年にかけて、約600のHarvardXとMITxのコースにおいて、米国における約76,000の登録において、地理的に粒度の細かい経済パターンを調査した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Massive open online courses (MOOCs) promise to make rigorous higher education
accessible to everyone, but prior research has shown that registrants tend to
come from backgrounds of higher socioeconomic status. We study geographically
granular economic patterns in about 76,000 U.S. registrations for about 600
HarvardX and MITx courses between 2012 and 2018, identifying registrants'
locations using both IP geolocation and user-reported mailing addresses. By
either metric, we find higher registration rates among postal codes with
greater prosperity or population density. However, we also find evidence of
bias in IP geolocation: it makes greater errors, both geographically and
economically, for users from more economically distressed areas; it
disproportionately places users in prosperous areas; and it underestimates the
regressive pattern in MOOC registration. Researchers should use IP geolocation
in MOOC studies with care, and consider the possibility of similar economic
biases affecting its other academic, commercial, and legal uses.
- Abstract（参考訳）: 大規模なオープンオンラインコース(MOOC)は、厳格な高等教育を誰でも利用できるようにすることを約束するが、以前の研究では、登録者は高い社会経済的地位の背景から来る傾向があることが示されている。
2012年から2018年にかけて、約600のHarvardXとMITxのコースで約76,000の米国登録において、地理的に粒度の細かい経済パターンを調査し、IP位置情報とユーザー報告されたメーリングアドレスの両方を用いて登録者の位置を特定した。
いずれの指標でも、より繁栄または人口密度の高い郵便番号の登録率が高いことが分かる。
しかし、IP位置情報のバイアスの証拠として、地理的にも経済的にも、より経済的に苦しむ地域のユーザーにとって大きなエラーを犯し、不均等にユーザーを繁栄する地域に配置し、MOOC登録における回帰パターンを過小評価する。
研究者はケアを伴うMOOC研究においてIP位置情報を使用し、他の学術的、商業的、法的用途に影響を及ぼす同様の経済バイアスの可能性を検討するべきである。
関連論文リスト
- HMCGeo: IP Region Prediction Based on Hierarchical Multi-label Classification [9.993613732452122]
位置ベースのサービスやサイバーセキュリティといったアプリケーションでは、粒度の細かいIPロケーションが重要な役割を果たす。
本稿では,HMCGeoというIP領域予測のための階層型マルチラベル分類フレームワークを提案する。
我々は,HMCGeoがすべての地理的粒度に対して優れた性能を示し,既存のIP位置情報法を著しく上回っていることを示す。
論文 参考訳（メタデータ） (2025-01-26T08:58:14Z) - Space-aware Socioeconomic Indicator Inference with Heterogeneous Graphs [19.62565545759899]
非連続推論のための地理空間を表現するために不均一なグラフ構造を用いる空間認識型社会経済指標推論法GeoHGを提案する。
論文 参考訳（メタデータ） (2024-05-23T03:19:02Z) - Geospatial Disparities: A Case Study on Real Estate Prices in Paris [0.3495246564946556]
地理空間データから生じるバイアスを識別・緩和するためのツールキットを提案する。
空間的属性を持つ順序回帰ケースを2次分類の焦点から逸脱する。
本手法を概説し,本手法の実践的応用を実証し,公正度と校正対策のための地理的集約レベルを選択することの意味を精査する。
論文 参考訳（メタデータ） (2024-01-29T14:53:14Z) - GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳（メタデータ） (2023-10-10T00:03:23Z) - Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese
Geographic Re-Ranking [61.60169764507917]
中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。
そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
論文 参考訳（メタデータ） (2023-09-04T13:44:50Z) - Fine-Grained Socioeconomic Prediction from Satellite Images with
Distributional Adjustment [14.076490368696508]
本研究では,より広い領域で観測される分布挙動を捉えることで,各衛星画像に社会経済的スコアを割り当てる手法を提案する。
我々は、順序回帰スコアモデルを訓練し、そのスコアを地域内外の共通パワー則に従うように調整する。
また, この手法は, 不均質な開発地域において, 開発途上国での利用可能性を示す。
論文 参考訳（メタデータ） (2023-08-30T12:06:04Z) - GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。
まず,地理的適応のための大規模データセットGeoNetを紹介する。
第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。
第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
論文 参考訳（メタデータ） (2023-03-27T17:59:34Z) - Geographic and Geopolitical Biases of Language Models [43.62238334380897]
プレトレーニング言語モデル(PLM)における地理的バイアス(と知識)の研究手法を提案する。
以上の結果から, PLMの表現は, 国・国・国間の関連性の観点から, 物理的世界と驚くほどよく一致していることが示唆された。
最後に, 地理的近接性の概念を呈するにもかかわらず, PLMがいかに大きいかを説明する。
論文 参考訳（メタデータ） (2022-12-20T16:32:54Z) - On Inferring User Socioeconomic Status with Mobility Records [61.0966646857356]
本稿では,DeepSEIと呼ばれる,社会経済に配慮したディープモデルを提案する。
DeepSEIモデルはディープネットワークとリカレントネットワークと呼ばれる2つのネットワークを組み込んでいる。
実際の移動記録データ、POIデータ、住宅価格データについて広範な実験を行う。
論文 参考訳（メタデータ） (2022-11-15T15:07:45Z) - Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。
自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。
特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
論文 参考訳（メタデータ） (2022-10-22T17:29:34Z) - Entropy as a measure of attractiveness and socioeconomic complexity in
Rio de Janeiro metropolitan area [52.77024349608834]
携帯電話のデータセットとエントロピーに基づく測度を用いて、位置の魅力を測定する。
その結果、エントロピーによって測定された特定の位置の魅力は、その位置の社会経済的地位の重要な記述者であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T15:58:56Z)
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。