論文の概要: Social Determinants of Recidivism: A Machine Learning Solution

• arxiv url: http://arxiv.org/abs/2011.11483v3
• Date: Sun, 9 May 2021 18:43:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 22:00:03.869075
• Title: Social Determinants of Recidivism: A Machine Learning Solution
• Title（参考訳）: recidivismの社会的決定要因:機械学習ソリューション
• Authors: Vik Shirvaikar and Choudur Lakshminarayan
• Abstract要約: 刑事司法分析では、再犯の予測(釈放または仮釈放後の再犯を予知する)は倫理的な誤りによって引き起こされる。 本稿では,リシディズムを防ぐために,レバーとして機能する社会的要因を機械学習で識別する。 この手法が実世界のデータを用いたMLの倫理的応用を導出できることを実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In criminal justice analytics, the widely-studied problem of recidivism prediction (forecasting re-offenses after release or parole) is fraught with ethical missteps. In particular, Machine Learning (ML) models rely on historical patterns of behavior to predict future outcomes, engendering a vicious feedback loop of recidivism and incarceration. This paper repurposes ML to instead identify social factors that can serve as levers to prevent recidivism. Our contributions are along three dimensions. (1) Recidivism models typically agglomerate individuals into one dataset, but we invoke unsupervised learning to extract homogeneous subgroups with similar features. (2) We then apply subgroup-level supervised learning to determine factors correlated to recidivism. (3) We therefore shift the focus from predicting which individuals will re-offend to identifying broader underlying factors that explain recidivism, with the goal of informing preventative policy intervention. We demonstrate that this approach can guide the ethical application of ML using real-world data.
• Abstract（参考訳）: 刑事司法分析では、リシディズム予測(解放または仮釈放後の再攻撃)の広く研究されている問題は、倫理的な過ちに満ちている。 特に機械学習(ml)モデルは、未来の結果を予測するために過去の行動パターンに依存しており、再犯と収監の悪質なフィードバックループを包含している。 本稿では,レバーとして機能する社会的要因をMLで識別し,再犯を防止する。 私たちの貢献は3次元に沿っています。 1) レシディビズムモデルでは, 個人を1つのデータセットに集約するが, 教師なし学習を行い, 類似した特徴を持つ同種サブグループを抽出する。 2) 下位群レベルで教師付き学習を行い, 再学習と相関する要因を決定する。 3) 予防的政策介入を提示する目的から,どの個人がどの個人に反省するかの予測から,レシディズムを説明する幅広い要因の特定へと焦点を移す。 この手法が実世界のデータを用いたMLの倫理的応用を導出できることを実証する。

関連論文リスト

• The Progression of Disparities within the Criminal Justice System: Differential Enforcement and Risk Assessment Instruments [26.018802058292614]
  アルゴリズム的リスク評価手段(RAI)は、刑事司法における意思決定をますます通知する。 問題となるのは、逮捕が全体的違反を反映する程度は、その人の性格によって異なる可能性があることである。 犯罪と逮捕率の切り離しがRAIとその評価に与える影響について検討する。
  論文  参考訳（メタデータ） (2023-05-12T16:06:40Z)
• Spatial-Temporal Hypergraph Self-Supervised Learning for Crime Prediction [60.508960752148454]
  本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。 都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。 また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
  論文  参考訳（メタデータ） (2022-04-18T23:46:01Z)
• Analyzing a Carceral Algorithm used by the Pennsylvania Department of Corrections [0.0]
  本論文は、投獄中の囚人の収容レベルを分類するために使用されるペンシルベニア付加分類ツール(PACT)に焦点を当てる。 この場合のアルゴリズムは、追加の懲戒行為に耐え、必要なプログラミングを完了し、特に仮釈放アルゴリズムに入力される変数に蒸留される経験を得る可能性を決定する。
  論文  参考訳（メタデータ） (2021-12-06T18:47:31Z)
• Deep Interpretable Criminal Charge Prediction and Algorithmic Bias [2.3347476425292717]
  本稿では, ポストホックな説明のバイアス問題に対処し, 将来の刑事告発を受けるかどうかの信頼性の高い予測を行う。 提案手法は,実生活データセット上での予測精度とリコールの一貫性と信頼性を示す。
  論文  参考訳（メタデータ） (2021-06-25T07:00:13Z)
• Efficient Causal Inference from Combined Observational and Interventional Data through Causal Reductions [68.6505592770171]
  因果効果を推定する際の主な課題の1つである。 そこで本研究では,任意の数の高次元潜入共創者を置き換える新たな因果還元法を提案する。 パラメータ化縮小モデルを観測データと介入データから共同で推定する学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T14:29:07Z)
• 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)
• Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect [95.37587481952487]
  長い尾の分類は、大規模なディープラーニングの鍵である。 既存の手法は主に、基本的な理論を欠いた再重み付け/再サンプリングに基づいている。 本稿では,従来の手法の理由を解明するだけでなく,新たな原理的解を導出する因果推論の枠組みを確立する。
  論文  参考訳（メタデータ） (2020-09-28T00:32:11Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)
• Compounding Injustice: History and Prediction in Carceral Decision-Making [0.0]
  この論文は、犯罪政策におけるアルゴリズムによる意思決定がフィードバック効果を示す方法について考察する。 我々は、現行の「犯罪リスク」決定要因の制御さえも、投獄の犯罪的効果の証拠を見つける。 本稿では, コンプレッション効果の理論的意義について検討する。
  論文  参考訳（メタデータ） (2020-05-18T14:51:50Z)
• Crime Prediction Using Spatio-Temporal Data [8.50468505606714]
  監視学習技術は、より正確な犯罪を予測するために使用される。 提案システムには、サンフランシスコ市で12年間にわたって行われた犯罪活動データセットが組み込まれている。
  論文  参考訳（メタデータ） (2020-03-11T16:19:19Z)
• Exploring Spatio-Temporal and Cross-Type Correlations for Crime Prediction [48.1813701535167]
  我々は,都市犯罪のクロスタイプと時間的相関を利用した犯罪予測を行う。 犯罪予測のための相関関係を数学的にモデル化するコヒーレントな枠組みを提案する。 犯罪予測における相関関係の重要性を理解するために、さらなる実験が行われた。
  論文  参考訳（メタデータ） (2020-01-20T00:34:53Z)

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。