論文の概要: On Fair Virtual Conference Scheduling: Achieving Equitable Participant and Speaker Satisfaction

• arxiv url: http://arxiv.org/abs/2010.14624v1
• Date: Sat, 24 Oct 2020 15:05:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 13:27:13.598462
• Title: On Fair Virtual Conference Scheduling: Achieving Equitable Participant and Speaker Satisfaction
• Title（参考訳）: fair virtual conference schedulingについて - 公平な参加者と講演者の満足度の実現
• Authors: Gourab K Patro, Abhijnan Chakraborty, Niloy Ganguly, Krishna P. Gummadi
• Abstract要約: グローバルな福祉の最適化は、ステークホルダーにとって不公平なスケジュール、すなわち参加者や講演者の個々のユーティリティが極めて不平等であることを示す。 我々は,会議主催者がグローバルな福祉,参加者の公正さ,講演者の公正さの目標とのバランスをとるような講演スケジュールを設計できるような共同最適化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 33.59413518808626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The (COVID-19) pandemic-induced restrictions on travel and social gatherings have prompted most conference organizers to move their events online. However, in contrast to physical conferences, virtual conferences face a challenge in efficiently scheduling talks, accounting for the availability of participants from different time-zones as well as their interests in attending different talks. In such settings, a natural objective for the conference organizers would be to maximize some global welfare measure, such as the total expected audience participation across all talks. However, we show that optimizing for global welfare could result in a schedule that is unfair to the stakeholders, i.e., the individual utilities for participants and speakers can be highly unequal. To address the fairness concerns, we formally define fairness notions for participants and speakers, and subsequently derive suitable fairness objectives for them. We show that the welfare and fairness objectives can be in conflict with each other, and there is a need to maintain a balance between these objective while caring for them simultaneously. Thus, we propose a joint optimization framework that allows conference organizers to design talk schedules that balance (i.e., allow trade-offs) between global welfare, participant fairness and the speaker fairness objectives. We show that the optimization problem can be solved using integer linear programming, and empirically evaluate the necessity and benefits of such joint optimization approach in virtual conference scheduling.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックが引き起こした旅行や社会集会の規制は、ほとんどのカンファレンス主催者がイベントをオンラインで移動させた。 しかし、物理会議とは対照的に、仮想会議は、異なる時間帯から参加者が利用できることや、異なる会議に参加することへの関心を考慮し、効率的に講演をスケジュールする上で課題に直面している。 このような設定では、会議主催者にとっての自然な目的は、全会議の総参加者数など、世界的な福祉対策を最大化することである。 しかし,グローバル福祉の最適化は,利害関係者にとって不公平なスケジュール,すなわち参加者や講演者の個々のユーティリティが極めて不平等であることを示す。 公平性の問題に対処するため、参加者や講演者に対してフェアネスの概念を正式に定義し、その後、適切なフェアネス目標を導出する。 福祉と公正の目標が相反する可能性を示し,同時にこれら目標のバランスを保ちながらバランスを保ち続ける必要がある。 そこで本稿では,国際福祉と参加者公平性,講演者公平性目標のバランスをとる講演スケジュール(すなわちトレードオフ)を,会議主催者が設計できる共同最適化フレームワークを提案する。 仮想会議スケジューリングにおける統合最適化手法の必要性とメリットを実証的に評価し,整数線形計画を用いて最適化問題を解くことができることを示した。

関連論文リスト

• A Human-in-the-Loop Fairness-Aware Model Selection Framework for Complex Fairness Objective Landscapes [37.5215569371757]
  ManyFairHPOはフェアネスを意識したモデル選択フレームワークで、実践者が複雑でニュアンスのあるフェアネスの客観的な風景をナビゲートすることを可能にする。 我々は,複数のフェアネス目標のバランス,自己充足的予言などのリスク軽減,公平性を考慮したモデリング決定における利害関係者の導出のための解釈可能な洞察の提供などにおけるMaryFairHPOの有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-17T07:32:24Z)
• Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
  競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。 競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
  論文  参考訳（メタデータ） (2024-05-31T19:26:05Z)
• The Impossibility of Fair LLMs [59.424918263776284]
  大規模言語モデル(LLM)の時代において、公正なAIの必要性はますます明確になっている。 我々は、機械学習研究者が公正性を評価するために使った技術フレームワークについてレビューする。 我々は、特定のユースケースにおける公平性を達成するためのより現実的な目標のためのガイドラインを策定する。
  論文  参考訳（メタデータ） (2024-05-28T04:36:15Z)
• Scheduling Virtual Conferences Fairly: Achieving Equitable Participant and Speaker Satisfaction [30.751802638466835]
  ほぼすべての会議が、パンデミックによって引き起こされた旅行や社会集会の制限により、仮想モードに移行した。 効率性のみを最適化することは、参加者や講演者の個々のユーティリティが極めて不平等な、不公平な仮想会議スケジュールをもたらす可能性があることを示す。 本稿では,カンファレンス主催者が効率,参加者の公正性,話者の公正性といったバランスをとるスケジュールを設計できるような共同最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-04-26T03:54:17Z)
• Curriculum Learning for Goal-Oriented Semantic Communications with a Common Language [60.85719227557608]
  話者とリスナーが協調して一連のタスクを実行することを可能にするために,総合目標指向のセマンティックコミュニケーションフレームワークを提案する。 話者とリスナーのセマンティックコミュニケーションを実現するために,階層的信念に基づく共通言語を提案する。 最適化問題は、イベントの完全かつ抽象的な記述を決定するために定義される。
  論文  参考訳（メタデータ） (2022-04-21T22:36:06Z)
• Towards a Fairness-Aware Scoring System for Algorithmic Decision-Making [35.21763166288736]
  本稿では,データ駆動型フェアネス対応スコアリングシステムを構築するための一般的なフレームワークを提案する。 提案するフレームワークは,実践者や政策立案者に対して,希望する公正性要件を選択するための柔軟性を提供する。
  論文  参考訳（メタデータ） (2021-09-21T09:46:35Z)
• Multi-Stage Decentralized Matching Markets: Uncertain Preferences and Strategic Behaviors [91.3755431537592]
  本稿では、現実世界のマッチング市場で最適な戦略を学ぶためのフレームワークを開発する。 我々は,不確実性レベルが特徴の福祉対フェアネストレードオフが存在することを示す。 シングルステージマッチングと比較して、マルチステージマッチングで参加者がより良くなることを証明します。
  論文  参考訳（メタデータ） (2021-02-13T19:25:52Z)
• A Reputation Mechanism Is All You Need: Collaborative Fairness and Adversarial Robustness in Federated Learning [24.442595192268872]
  フェデレーション・ラーニング(FL)は、効果的でスケーラブルな機械学習のための新しい実践的フレームワークである。 従来のFLでは、すべての参加者がグローバルモデル(平等報酬)を受け取り、これはハイコントリビューションの参加者にとって不公平かもしれない。 評価機構を用いて協調的公正性と対向的ロバスト性を同時に実現するための新しいRFFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-20T15:52:45Z)
• Organizing Virtual Conferences through Mirrors: The ACM e-Energy 2020 Experience [4.104922436116807]
  世界規模の新型コロナウイルス(COVID-19)パンデミックの出現により、学術会議を完全に仮想的に開催せざるを得なくなった。 これまでのカンファレンスでは、予算計画からサポート対象の仮想プラットフォームの選択に至るまで、数多くの課題が明らかになった。 我々は,学術会議のためのミラープログラムアプローチを提唱する。具体的には,会議プログラムを複数の並列(ミラー)プログラムで実行することで,各ミラープログラムが異なる時間帯に適合できるようにしている。
  論文  参考訳（メタデータ） (2020-08-19T08:14:14Z)

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。