論文の概要: Ethics, Data Science, and Health and Human Services: Embedded Bias in
Policy Approaches to Teen Pregnancy Prevention
- arxiv url: http://arxiv.org/abs/2006.04029v1
- Date: Sun, 7 Jun 2020 03:04:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 09:13:07.844054
- Title: Ethics, Data Science, and Health and Human Services: Embedded Bias in
Policy Approaches to Teen Pregnancy Prevention
- Title（参考訳）: 倫理・データサイエンス・健康・ヒューマンサービス--十代の妊娠予防への政策アプローチにおける内在バイアス
- Authors: Davon Woodard, Huthaifa I. Ashqar, and Taoran Ji
- Abstract要約: 本研究の目的は、政策中立および政策重視のアプローチによるシカゴティーン妊娠予防イニシアチブのデリバリ最適化結果を評価することである。
我々の政策中立的アプローチは、過去の傾向や成果に関係なく、学校やセンターに資金と資源を均等に分配する。
政策に焦点を当てたアプローチは、まず歴史的データからの予測モデルに基づく資金モデルと、経済と社会の成果に基づく資金モデルという2つのモデルを評価する。
- 参考スコア（独自算出の注目度）: 4.349391310956578
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: This study aims to evaluate the Chicago Teen Pregnancy Prevention
Initiative delivery optimization outcomes given policy-neutral and
policy-focused approaches to deliver this program to at-risk teens across the
City of Chicago. Methods: We collect and compile several datasets from public
sources including: Chicago Department of Public Health clinic locations, two
public health statistics datasets, census data of Chicago, list of Chicago
public high schools, and their Locations. Our policy-neutral approach will
consist of an equal distribution of funds and resources to schools and centers,
regardless of past trends and outcomes. The policy-focused approaches will
evaluate two models: first, a funding model based on prediction models from
historical data; and second, a funding model based on economic and social
outcomes for communities. Results: Results of this study confirms our initial
hypothesis, that even though the models are optimized from a machine learning
perspective, there is still possible that the models will produce wildly
different results in the real-world application. Conclusions: When ethics and
ethical considerations are extended beyond algorithmic optimization to
encompass output and societal optimization, the foundation and philosophical
grounding of the decision-making process become even more critical in the
knowledge discovery process.
- Abstract（参考訳）: 背景: 本研究は,シカゴ市中のリスクの高いティーンにこのプログラムを届けるために, 政策中立的かつ政策重視のアプローチを取り入れた, シカゴティーン妊娠予防イニシアチブのデリバリ最適化結果を評価することを目的としている。
方法: シカゴ公衆衛生クリニックの場所, 2つの公衆衛生統計データセット, シカゴの国勢調査データ, シカゴ公立高校のリスト, およびそれらの場所など, 公的ソースからいくつかのデータセットを収集し, コンパイルする。
我々の政策中立的アプローチは、過去の傾向や成果に関係なく、学校やセンターに資金と資源を均等に分配する。
政策に焦点を当てたアプローチは、まず歴史的データからの予測モデルに基づく資金モデルと、経済と社会の成果に基づく資金モデルという2つのモデルを評価する。
結果: 本研究の結果は, モデルが機械学習の観点から最適化されているにもかかわらず, 実世界のアプリケーションにおいて, 全く異なる結果を生み出す可能性があるという最初の仮説を裏付ける。
結論: 倫理的および倫理的考察がアルゴリズム的最適化を超えてアウトプットと社会的最適化に拡張されると、意思決定プロセスの基盤と哲学的基礎が知識発見プロセスにおいてさらに重要になる。
関連論文リスト
- Learning Optimal and Fair Policies for Online Allocation of Scarce
Societal Resources from Data Collected in Deployment [5.0904557821667]
当社は、予算制約を満たしつつ、期待される成果を最大化するオンラインポリシーを設計するために、デプロイメントで収集された管理データを使用します。
当社の政策は,ホームレスからの退去率を1.9%向上させ,人種ごとの配分や結果に公平な政策は,フェアネスの非常に低い価格で得られることを示す。
論文 参考訳（メタデータ） (2023-11-23T01:40:41Z) - Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top
exploration [53.122045119395594]
マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。
$m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。
ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
論文 参考訳（メタデータ） (2023-01-30T12:22:30Z) - Causal Inference under Data Restrictions [0.0]
この論文は、不確実性とデータ制限の下での現代の因果推論に焦点を当てている。
これには、ネオアジュバント臨床試験、分散データネットワーク、堅牢な個別化意思決定へのアプリケーションが含まれる。
論文 参考訳（メタデータ） (2023-01-20T20:14:32Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。
本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。
理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
論文 参考訳（メタデータ） (2022-01-31T20:58:47Z) - Model Selection in Batch Policy Optimization [88.52887493684078]
バッチポリシー最適化におけるモデル選択の問題について検討する。
我々は,任意のモデル選択アルゴリズムが競争力を得るために最適にトレードオフすべきという誤りの3つの源を同定する。
論文 参考訳（メタデータ） (2021-12-23T02:31:50Z) - Predicting Zip Code-Level Vaccine Hesitancy in US Metropolitan Areas
Using Machine Learning Models on Public Tweets [10.45742327204133]
過去1年間に収集された公開Twitterデータを用いて,方法論と実験的検討を行った。
我々のゴールは、新しい機械学習アルゴリズムを考案することではなく、既存のモデルと確立されたモデルを比較フレームワークで評価することである。
論文 参考訳（メタデータ） (2021-08-03T18:43:46Z) - Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。
我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。
このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文 参考訳（メタデータ） (2020-10-15T16:39:26Z) - Predicting United States policy outcomes with Random Forests [0.0]
20年間の政府の立法成果と富裕層、一般人口、多様な利害団体の政策選好は、ギレンズ、ペイジらによってキュレーションされ分析された詳細なデータセットで収集された。
その結果,富裕層の嗜好は政策の結果と強く相関することがわかったが,一般住民の嗜好は富裕層の嗜好と結びついてはいないことがわかった。
本研究は,それぞれ予測と推測の2つの主要な知見を提示する。
論文 参考訳（メタデータ） (2020-08-02T18:06:57Z) - Targeting Learning: Robust Statistics for Reproducible Research [1.1455937444848387]
ターゲティング・ラーニング(Targeted Learning)は、因果推論、機械学習、統計理論の進歩を統一して、科学的に影響のある質問に統計的信頼性で答えるのに役立つ統計分野である。
ターゲット学習のロードマップは、仮説を最小化し、利用可能な科学的知識にのみ注意深く根ざすように、統計的手続きを調整することを強調する。
論文 参考訳（メタデータ） (2020-06-12T17:17:01Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳（メタデータ） (2020-02-05T21:35:29Z)
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。