論文の概要: Examining the Impact of Algorithm Awareness on Wikidata's Recommender
System Recoin
- arxiv url: http://arxiv.org/abs/2009.09049v1
- Date: Fri, 18 Sep 2020 20:06:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 21:58:27.801570
- Title: Examining the Impact of Algorithm Awareness on Wikidata's Recommender
System Recoin
- Title（参考訳）: WikidataのRecommender System Recoinに対するアルゴリズム意識の影響の検討
- Authors: Jesse Josua Benjamin, Claudia M\"uller-Birn, Simon Razniewski
- Abstract要約: Wikidata のガジェットである Recoin のレコメンデータシステムとして MTurk を用いた 105 人の参加者によるオンライン実験を行った。
私たちの発見は、インタラクティブな再設計において、アルゴリズムシステムにおける理解と信頼の正の相関を含む。
以上の結果から,アルゴリズム認識の実証研究において,理解,公正性,正確性,信頼の尺度がまだ徹底していないことが示唆された。
- 参考スコア（独自算出の注目度）: 12.167153941840958
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The global infrastructure of the Web, designed as an open and transparent
system, has a significant impact on our society. However, algorithmic systems
of corporate entities that neglect those principles increasingly populated the
Web. Typical representatives of these algorithmic systems are recommender
systems that influence our society both on a scale of global politics and
during mundane shopping decisions. Recently, such recommender systems have come
under critique for how they may strengthen existing or even generate new kinds
of biases. To this end, designers and engineers are increasingly urged to make
the functioning and purpose of recommender systems more transparent. Our
research relates to the discourse of algorithm awareness, that reconsiders the
role of algorithm visibility in interface design. We conducted online
experiments with 105 participants using MTurk for the recommender system
Recoin, a gadget for Wikidata. In these experiments, we presented users with
one of a set of three different designs of Recoin's user interface, each of
them exhibiting a varying degree of explainability and interactivity. Our
findings include a positive correlation between comprehension of and trust in
an algorithmic system in our interactive redesign. However, our results are not
conclusive yet, and suggest that the measures of comprehension, fairness,
accuracy and trust are not yet exhaustive for the empirical study of algorithm
awareness. Our qualitative insights provide a first indication for further
measures. Our study participants, for example, were less concerned with the
details of understanding an algorithmic calculation than with who or what is
judging the result of the algorithm.
- Abstract（参考訳）: オープンで透明なシステムとして設計されたWebのグローバルインフラストラクチャは、私たちの社会に大きな影響を与えます。
しかし、これらの原則を無視した企業組織のアルゴリズムシステムは、ますますウェブを席巻した。
これらのアルゴリズムシステムの典型的な代表者は、グローバル政治の規模と日常的なショッピング決定の間の両方で社会に影響を及ぼすレコメンデーターシステムである。
近年、このようなレコメンダシステムは、既存のバイアスを強化したり、新しいバイアスを生み出したりする方法について批判されている。
この目的のために、デザイナーやエンジニアはますます、レコメンダシステムの機能と目的をより透明にするよう促されている。
本研究は,インタフェース設計におけるアルゴリズム視認性の役割を再考するアルゴリズム認識の談話に関連している。
wikidataのガジェットであるrecoinを推薦システムとしてmturkを用いて105名を対象にオンライン実験を行った。
これらの実験では,Recoinのユーザインタフェースの3つの異なるデザインのうちの1つをユーザに提供する。
私たちの発見には、インタラクティブな再設計におけるアルゴリズムシステムの理解と信頼の正の相関が含まれている。
しかし,この結果はまだ確定的ではなく,理解,公平性,正確性,信頼の尺度は,アルゴリズム認識の実証研究にはまだ不十分であることが示唆された。
我々の質的な洞察は、さらなる措置の第一の指標となる。
例えば、我々の研究参加者は、アルゴリズムの結果を誰が判断しているかよりも、アルゴリズム計算の理解の細部に関心がなかった。
関連論文リスト
- Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。
9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
論文 参考訳（メタデータ） (2024-10-03T13:02:07Z) - Interactive Counterfactual Exploration of Algorithmic Harms in Recommender Systems [3.990406494980651]
本研究では,レコメンデーションシステムにおけるアルゴリズム的害の影響を理解し,探索するための対話型ツールを提案する。
視覚化、反事実的説明、インタラクティブなモジュールを活用することで、ユーザは誤校正などのバイアスがレコメンデーションにどのように影響するかを調査できる。
論文 参考訳（メタデータ） (2024-09-10T23:58:27Z) - Evaluating Ensemble Methods for News Recommender Systems [50.90330146667386]
本稿では,Microsoft News データセット (MIND) において,様々な最先端アルゴリズムを組み合わさって優れた結果を得るために,アンサンブル手法をどのように利用できるかを示す。
その結果,NRSアルゴリズムの組み合わせは,基礎学習者が十分に多様であることから,個々のアルゴリズムよりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-06-23T13:40:50Z) - 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) - 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) - Human-Algorithm Collaboration: Achieving Complementarity and Avoiding
Unfairness [92.26039686430204]
慎重に設計されたシステムであっても、補完的な性能はあり得ないことを示す。
まず,簡単な人間アルゴリズムをモデル化するための理論的枠組みを提案する。
次に、このモデルを用いて相補性が不可能な条件を証明する。
論文 参考訳（メタデータ） (2022-02-17T18:44:41Z) - Beyond Algorithmic Bias: A Socio-Computational Interrogation of the
Google Search by Image Algorithm [0.799536002595393]
アルゴリズムを、すべての年齢と4種以上の人種の40万以上の顔で提示することで、監査する。
このアルゴリズムは、しばしば、女性および非白人個人を単純化し、ステレオタイピングし、識別する、白人男性の家長構造を再現する。
論文 参考訳（メタデータ） (2021-05-26T21:40:43Z) - Fair Representation Learning for Heterogeneous Information Networks [35.80367469624887]
公平なHIN表現学習のための包括的非バイアス化手法を提案する。
これらのアルゴリズムの挙動,特にフェアネスと予測精度のトレードオフをバランスさせる能力について検討した。
キャリアカウンセリングの自動化アプリケーションにおいて,提案手法の性能を評価する。
論文 参考訳（メタデータ） (2021-04-18T08:28:18Z) - A Conceptual Framework for Establishing Trust in Real World Intelligent
Systems [0.0]
アルゴリズムの信頼は、ユーザーがシステムと対話できるようにすることで確立できます。
アルゴリズム結果に対するドメインの人間の理解の特徴とパターンを反映することで、そのようなパターンに対する認識を生み出すことができる。
閉じた検査を使用して、ソリューションが期待に合致するかどうか、または期待を超えるかどうかを判断できます。
論文 参考訳（メタデータ） (2021-04-12T12:58:47Z) - A Duet Recommendation Algorithm Based on Jointly Local and Global
Representation Learning [15.942495330390463]
異種情報から局所的およびグローバルな表現学習を捉えるための知識認識に基づく推薦アルゴリズムを提案する。
局所的および大域的表現は、注意機構を持つグラフ畳み込みネットワークによって共同で学習されるので、最終的な推奨確率は、完全に接続されたニューラルネットワークによって計算される。
論文 参考訳（メタデータ） (2020-12-03T01:52:14Z) - Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。
我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
論文 参考訳（メタデータ） (2020-04-15T15:58:05Z)
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。