論文の概要: The role of collider bias in understanding statistics on racially biased
policing
- arxiv url: http://arxiv.org/abs/2007.08406v1
- Date: Thu, 16 Jul 2020 15:26:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 23:52:57.561848
- Title: The role of collider bias in understanding statistics on racially biased
policing
- Title(参考訳): 人種偏りポリシングにおける統計理解における衝突型バイアスの役割
- Authors: Norman Fenton, Martin Neil, Steven Frazier
- Abstract要約: 同じデータを使った非武装の白人よりも、非武装の黒人が警察に撃たれる可能性が高いかどうかについては、反対の結論が出ている。
我々はこのバイアスを説明するために因果ベイズネットワークモデルを提供し、これはコライダーバイアスまたはバークソンのパラドックスと呼ばれる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contradictory conclusions have been made about whether unarmed blacks are
more likely to be shot by police than unarmed whites using the same data. The
problem is that, by relying only on data of 'police encounters', there is the
possibility that genuine bias can be hidden. We provide a causal Bayesian
network model to explain this bias, which is called collider bias or Berkson's
paradox, and show how the different conclusions arise from the same model and
data. We also show that causal Bayesian networks provide the ideal formalism
for considering alternative hypotheses and explanations of bias.
- Abstract(参考訳): 同じデータを使った非武装の白人よりも、非武装の黒人が警察によって撃たれる可能性が高いという矛盾した結論が出された。
問題は、 '警察遭遇' のデータにのみ依存することによって、真のバイアスを隠蔽できる可能性があることだ。
このバイアスを説明するために因果ベイズ型ネットワークモデルを提案する。これは衝突型バイアスまたはバークソンのパラドックスと呼ばれ、異なる結論が同じモデルとデータからどのように生じるかを示す。
また,因果ベイズネットワークは,代替仮説やバイアスの説明を考えるための理想的定式化を提供することを示した。
関連論文リスト
- "Patriarchy Hurts Men Too." Does Your Model Agree? A Discussion on Fairness Assumptions [3.706222947143855]
グループフェアネスの文脈では、このアプローチはデータへのバイアスの導入方法に関する暗黙の仮定を曖昧にすることが多い。
我々は偏りの過程が公正スコアの単調関数であり、感度属性のみに依存すると仮定している。
偏見過程の振舞いは単なる単調性よりも複雑であり、つまり暗黙の仮定を特定し、否定する必要がある。
論文 参考訳(メタデータ) (2024-08-01T07:06:30Z) - A Causal Framework to Evaluate Racial Bias in Law Enforcement Systems [13.277413612930102]
犯罪を取り入れた多段階因果関係の枠組みを提案する。
空港のセキュリティのような設定では、人種に対する監視バイアスの主な原因は、人種の無実に対する法執行機関のバイアスである可能性が高い。
警察と市民の相互作用において、人種に対する観察された偏見の主な原因は、人種に対する法執行機関の偏見や、他の人種に対する報告における一般大衆からの偏見である可能性がある。
論文 参考訳(メタデータ) (2024-02-22T20:41:43Z) - Robustly Improving Bandit Algorithms with Confounded and Selection
Biased Offline Data: A Causal Approach [18.13887411913371]
本稿では,エージェントが各アームの報酬分布の推定を改善するために使用可能なオフラインデータにアクセス可能な帯域幅問題について検討する。
我々はバイアスを、それらが示唆する因果構造に基づいて、矛盾するバイアスと選択バイアスに分類する。
我々は、偏りのある観測データから、複合バイアスに対して頑健な各腕の因果関係を抽出する。
論文 参考訳(メタデータ) (2023-12-20T03:03:06Z) - It's an Alignment, Not a Trade-off: Revisiting Bias and Variance in Deep
Models [51.66015254740692]
深層学習に基づく分類モデルのアンサンブルでは, バイアスと分散がサンプルレベルで一致していることが示される。
我々はこの現象をキャリブレーションと神経崩壊という2つの理論的観点から研究する。
論文 参考訳(メタデータ) (2023-10-13T17:06:34Z) - It's All Relative: Interpretable Models for Scoring Bias in Documents [10.678219157857946]
本稿では,テキストコンテンツのみに基づいて,Webドキュメントに存在するバイアスを評価するための解釈可能なモデルを提案する。
我々のモデルはBradley-Terryの公理を思わせる仮定を取り入れ、同じウィキペディアの記事の2つの修正に基づいて訓練されている。
我々は、訓練されたモデルのパラメータを解釈して、最も偏りを示す単語を見つけることができることを示す。
論文 参考訳(メタデータ) (2023-07-16T19:35:38Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳(メタデータ) (2023-01-14T18:58:42Z) - Unbiased Supervised Contrastive Learning [10.728852691100338]
本研究では,バイアスに頑健な表現を学習する問題に取り組む。
まず、偏りのあるデータを扱う際に、最近の対照的な損失がなぜ失敗するのかを明らかにするための、マージンに基づく理論的枠組みを提案する。
教師付きコントラスト損失(epsilon-SupInfoNCE)を新たに定式化し,正試料と負試料の最小距離をより正確に制御する。
理論的な枠組みのおかげで、極めて偏りのあるデータでもうまく機能する新しい偏りのある正規化損失であるFairKLも提案する。
論文 参考訳(メタデータ) (2022-11-10T13:44:57Z) - Reconciling Individual Probability Forecasts [78.0074061846588]
データに同意する2つの当事者は、個々の確率をモデル化する方法に異を唱えることができない。
個々の確率は不可知であるが、計算的かつデータ効率のよいプロセスで競合できると結論付ける。
論文 参考訳(メタデータ) (2022-09-04T20:20:35Z) - The SAME score: Improved cosine based bias score for word embeddings [49.75878234192369]
埋め込みにおけるセマンティックバイアスのための新しいバイアススコアであるPetを紹介した。
本研究は,下水道作業における意味バイアスを測定し,社会的バイアスの潜在的な原因を特定することができることを示す。
論文 参考訳(メタデータ) (2022-03-28T09:28:13Z) - The effect of differential victim crime reporting on predictive policing
systems [84.86615754515252]
本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。
以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
論文 参考訳(メタデータ) (2021-01-30T01:57:22Z) - UnQovering Stereotyping Biases via Underspecified Questions [68.81749777034409]
未特定質問からバイアスを探索・定量化するためのフレームワークUNQOVERを提案する。
モデルスコアの素直な使用は,2種類の推論誤差による誤ったバイアス推定につながる可能性があることを示す。
我々はこの指標を用いて、性別、国籍、民族、宗教の4つの重要なステレオタイプの分析を行う。
論文 参考訳(メタデータ) (2020-10-06T01:49:52Z)
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。