論文の概要: Allocating Opportunities in a Dynamic Model of Intergenerational
Mobility
- arxiv url: http://arxiv.org/abs/2101.08451v1
- Date: Thu, 21 Jan 2021 05:35:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 08:44:59.703778
- Title: Allocating Opportunities in a Dynamic Model of Intergenerational
Mobility
- Title(参考訳): 世代間移動の動的モデルにおける機会配分
- Authors: Hoda Heidari and Jon Kleinberg
- Abstract要約: 我々は,モビリティのボトルネックを示す社会における機会配分モデルを構築した。
複数の世代にわたる連続最適化問題の解法として、我々のモデルにおける最適割り当てがどのように生じるかを示す。
モデルの構造が一時的なまたは持続的な肯定的な行動にどのように結びつくかを特徴付ける。
- 参考スコア(独自算出の注目度): 7.516726228481857
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Opportunities such as higher education can promote intergenerational
mobility, leading individuals to achieve levels of socioeconomic status above
that of their parents. We develop a dynamic model for allocating such
opportunities in a society that exhibits bottlenecks in mobility; the problem
of optimal allocation reflects a trade-off between the benefits conferred by
the opportunities in the current generation and the potential to elevate the
socioeconomic status of recipients, shaping the composition of future
generations in ways that can benefit further from the opportunities. We show
how optimal allocations in our model arise as solutions to continuous
optimization problems over multiple generations, and we find in general that
these optimal solutions can favor recipients of low socioeconomic status over
slightly higher-performing individuals of high socioeconomic status -- a form
of socioeconomic affirmative action that the society in our model discovers in
the pursuit of purely payoff-maximizing goals. We characterize how the
structure of the model can lead to either temporary or persistent affirmative
action, and we consider extensions of the model with more complex processes
modulating the movement between different levels of socioeconomic status.
- Abstract(参考訳): 高等教育のような機会は世代間移動を促進することができ、個人は両親よりも社会経済的地位を達成できる。
我々は,モビリティのボトルネックを呈する社会において,このような機会を割り当てる動的なモデルを開発し,最適な配分の問題は,次世代の機会が与える利益と,受取人の社会経済的地位を高める可能性とのトレードオフを反映したものである。
我々は, モデルにおける最適割り当てが, 複数世代にわたる連続最適化問題の解として生じることを示すとともに, これらの最適解は, 社会経済的地位の高いわずかに高い評価を受けた個人よりも, 社会経済的地位の低い受給者に有利であることを示す。
モデルの構造が一時的あるいは永続的な肯定的行動にどのようにつながるかを特徴付け、より複雑なプロセスでモデルの拡張を検討し、社会経済的地位の異なるレベル間の移動を調節する。
関連論文リスト
- Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [55.65482030032804]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
提案手法は,軌道予測器が将来の状態を生成するために使用する関係の進化を捉えるために,動的に進化する関係グラフとハイパーグラフを推論する。
論文 参考訳(メタデータ) (2024-01-22T18:58:22Z) - Large Language Model-Empowered Agents for Simulating Macroeconomic
Activities [48.562881909568354]
大規模言語モデル(LLM)は、最近、自律的な人間のような特徴を提供することで有名になった。
我々は,人為的な意思決定と適応性を示すために,プロンプトエンジニアリング駆動型LLMエージェントを設計する。
我々の研究は、LLMとその人間的特性に基づいてマクロ経済学をシミュレートする有望な可能性を実証している。
論文 参考訳(メタデータ) (2023-10-16T14:19:40Z) - Survey of Social Bias in Vision-Language Models [65.44579542312489]
調査の目的は、NLP、CV、VLをまたいだ事前学習モデルにおける社会バイアス研究の類似点と相違点について、研究者に高いレベルの洞察を提供することである。
ここで提示された発見とレコメンデーションはMLコミュニティの利益となり、公平でバイアスのないAIモデルの開発を促進する。
論文 参考訳(メタデータ) (2023-09-24T15:34:56Z) - Training Socially Aligned Language Models on Simulated Social
Interactions [99.39979111807388]
AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。
現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。
本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
論文 参考訳(メタデータ) (2023-05-26T14:17:36Z) - ChatGPT is all you need to decolonize sub-Saharan Vocational Education [0.6999740786886537]
本稿は、この変革に成功する教育政策の枠組みについて論じる。
それぞれの文化的背景に合わせてカスタマイズされた,大規模言語モデルの実質的な応用を強調した。
本稿では,このような政策を社会経済変革の基本的な段階において実施した多様国家の具体的な歴史的事例について述べる。
論文 参考訳(メタデータ) (2023-04-11T23:50:37Z) - Finding Regularized Competitive Equilibria of Heterogeneous Agent
Macroeconomic Models with Reinforcement Learning [151.03738099494765]
労働市場に参入する世帯や企業を無限に数える異種エージェントマクロ経済モデルについて検討する。
本稿では,モデルの正規化競争均衡を求めるデータ駆動強化学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-24T17:16:27Z) - Achievement and Fragility of Long-term Equitability [3.04585143845864]
公平性の概念を最大化するために,地域交流コミュニティに限られた資源を割り当てる方法について検討する。
データ駆動型フィードバックのオンライン最適化に起因した最近の数学的ツールを用いている。
我々は,長期的均衡性を最大化するアロケーションに収束する動的ポリシーを設計する。
論文 参考訳(メタデータ) (2022-06-24T15:04:49Z) - Extending Models Via Gradient Boosting: An Application to Mendelian
Models [1.9573380763700712]
グラデーションブーストと開発前のモデルを組み合わせてモデル性能を向上させるという、モデル改善の一般的なアプローチを提案します。
既存のメンデルモデルとの勾配ブースティングの統合は、勾配ブースティングだけで構築されたモデルとモデルの両方を上回る改良モデルを生成することができる。
論文 参考訳(メタデータ) (2021-05-13T21:21:05Z) - An active inference model of collective intelligence [0.0]
本稿では,局所的な個人レベルの相互作用と集団的知性の関係をシミュレートする最小エージェントモデルを提案する。
その結果, エージェントの局所的最適とグローバル的最適の整合性の相補的なメカニズムを提供することにより, 段階的認知遷移がシステム性能を向上させることが示された。
論文 参考訳(メタデータ) (2021-04-02T14:32:01Z) - On the model-based stochastic value gradient for continuous
reinforcement learning [50.085645237597056]
モデルベースエージェントは,サンプル効率と最終報酬の両方の観点から,最先端のモデルフリーエージェントより優れていることを示す。
以上の結果から,モデルに基づく政策評価がより注目に値することが示唆された。
論文 参考訳(メタデータ) (2020-08-28T17:58:29Z)
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。