論文の概要: Leveraging Administrative Data for Bias Audits: Assessing Disparate Coverage with Mobility Data for COVID-19 Policy

• arxiv url: http://arxiv.org/abs/2011.07194v2
• Date: Fri, 16 Apr 2021 01:42:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-24 03:33:08.647564
• Title: Leveraging Administrative Data for Bias Audits: Assessing Disparate Coverage with Mobility Data for COVID-19 Policy
• Title（参考訳）: バイアス監査のための管理データを活用する - COVID-19政策のためのモビリティデータによる異なるカバレッジの評価
• Authors: Amanda Coston, Neel Guha, Derek Ouyang, Lisa Lu, Alexandra Chouldechova, and Daniel E. Ho
• Abstract要約: 管理データのリンクによって,バイアスに対するモビリティデータの監査が可能かを示す。 我々は、高齢者や非白人の有権者が移動データによって捕えられる可能性が低いことを示した。 このような移動データに基づく公衆衛生資源の配分は、高リスク高齢者や少数民族に不当に害を与える可能性があることを示す。
• 参考スコア（独自算出の注目度）: 61.60099467888073
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Anonymized smartphone-based mobility data has been widely adopted in devising and evaluating COVID-19 response strategies such as the targeting of public health resources. Yet little attention has been paid to measurement validity and demographic bias, due in part to the lack of documentation about which users are represented as well as the challenge of obtaining ground truth data on unique visits and demographics. We illustrate how linking large-scale administrative data can enable auditing mobility data for bias in the absence of demographic information and ground truth labels. More precisely, we show that linking voter roll data -- containing individual-level voter turnout for specific voting locations along with race and age -- can facilitate the construction of rigorous bias and reliability tests. These tests illuminate a sampling bias that is particularly noteworthy in the pandemic context: older and non-white voters are less likely to be captured by mobility data. We show that allocating public health resources based on such mobility data could disproportionately harm high-risk elderly and minority groups.
• Abstract（参考訳）: 匿名化されたスマートフォンベースのモビリティデータは、公衆衛生資源のターゲティングなど、新型コロナウイルス対応戦略の策定と評価に広く採用されている。 しかし、利用者の表示に関する資料が不足していることや、ユニークな訪問や人口統計に関する真実データを取得することの難しさから、妥当性と人口統計バイアスの測定にはほとんど注意が払われていない。 本研究では,大規模行政データをリンクすることで,人口統計情報や根拠ラベルが存在しない場合に,モビリティデータの監査を可能にする方法を示す。 より正確には、特定の投票場所に対する個別レベルの投票者投票率を含む投票者ロールデータを、人種や年齢とともにリンクすることで、厳密なバイアスや信頼性テストの構築が容易になることを示す。 これらのテストは、パンデミックの文脈で特に注目すべきサンプリングバイアスを照らしている。 このようなモビリティデータに基づく公衆衛生資源の配分は,高リスク高齢者やマイノリティグループに不釣り合いに影響を及ぼす可能性がある。

関連論文リスト

• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• Leveraging Prototypical Representations for Mitigating Social Bias without Demographic Information [50.29934517930506]
  DAFairは、言語モデルにおける社会的バイアスに対処する新しいアプローチである。 偏見を緩和するために、原型的人口統計テキストを活用し、微調整プロセス中に正規化用語を取り入れる。
  論文  参考訳（メタデータ） (2024-03-14T15:58:36Z)
• The Impact of Differential Feature Under-reporting on Algorithmic Fairness [86.275300739926]
  解析的に抽出可能な差分特徴のアンダーレポーティングモデルを提案する。 そして、この種のデータバイアスがアルゴリズムの公正性に与える影響を特徴づける。 我々の結果は、実世界のデータ設定では、アンダーレポートが典型的に格差を増大させることを示している。
  論文  参考訳（メタデータ） (2024-01-16T19:16:22Z)
• PopSim: An Individual-level Population Simulator for Equitable Allocation of City Resources [12.152728063703005]
  人口統計情報を用いた半合成個人レベルの人口データを生成するシステムであるPopSimを紹介する。 PopSimを使って、シカゴ市のために複数のベンチマークデータセットを生成し、広範な統計的評価を行う。
  論文  参考訳（メタデータ） (2023-04-25T23:43:21Z)
• Fast Few shot Self-attentive Semi-supervised Political Inclination Prediction [12.472629584751509]
  政策立案者やジャーナリストにとって、特定の場所にいる人々の政治的傾向を理解するために、ソーシャルメディア上でオンライン世論調査を作成することは、今やますます一般的になっている。 我々は、その目的をさらに進めるために、政治的傾き検出のための自己注意型半教師付きフレームワークを導入する。 資源制約のある設定でも,モデルは非常に効率的であることがわかった。
  論文  参考訳（メタデータ） (2022-09-21T12:07:16Z)
• D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling Algorithmic Bias [57.87117733071416]
  D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。 ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。 それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
  論文  参考訳（メタデータ） (2022-08-10T03:41:48Z)
• Data Representativeness in Accessibility Datasets: A Meta-Analysis [7.6597163467929805]
  障害のある人と高齢者が作成したデータセットをレビューする。 アクセシビリティデータセットは様々な年齢を表すが、性別と人種の差がある。 われわれの努力が、AIに注入されたシステムに、余分なコミュニティをもっと取り入れる可能性の空間を広げることを願っている。
  論文  参考訳（メタデータ） (2022-07-16T23:32:19Z)
• Biases in human mobility data impact epidemic modeling [0.0]
  携帯電話の不正アクセスと不平等使用による2種類のバイアスを同定する。 我々は、高重量個体が過剰に表現されているすべての調査データセットにおいて、データ生成バイアスの証拠を見つける。 このスキューを緩和するために、データをデバイアスするフレームワークを提案し、代表性を高めるためにいかに簡単なテクニックが使えるかを示す。
  論文  参考訳（メタデータ） (2021-12-23T13:20:54Z)
• Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
  現在の顔認識(FR)モデルには、人口統計バイアスが存在する。 さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。 真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。 本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-16T15:05:49Z)
• The Disparate Impact of Uncertainty: Affirmative Action vs. Affirmative Information [0.0]
  平均的な結果の高い群は、通常、高い偽陽性率を割り当てられる。 データセットから人口統計変数を省略する直感的な治療法が、それを修正しない理由を説明している。 本稿では,データ欠落の代わりに,データ富化が機会へのアクセスをいかに拡大するかを検討する。
  論文  参考訳（メタデータ） (2021-02-19T16:40:47Z)

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。