論文の概要: Explainable Patterns: Going from Findings to Insights to Support Data Analytics Democratization

• arxiv url: http://arxiv.org/abs/2101.08655v1
• Date: Tue, 19 Jan 2021 16:13:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-22 11:08:13.066159
• Title: Explainable Patterns: Going from Findings to Insights to Support Data Analytics Democratization
• Title（参考訳）: 説明可能なパターン: データ分析の民主化をサポートするための知見から洞察へ
• Authors: Leonardo Christino, Martha D. Ferreira, Asal Jalilvand and Fernando V. Paulovich
• Abstract要約: 我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。 ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
• 参考スコア（独自算出の注目度）: 60.18814584837969
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the past decades, massive efforts involving companies, non-profit organizations, governments, and others have been put into supporting the concept of data democratization, promoting initiatives to educate people to confront information with data. Although this represents one of the most critical advances in our free world, access to data without concrete facts to check or the lack of an expert to help on understanding the existing patterns hampers its intrinsic value and lessens its democratization. So the benefits of giving full access to data will only be impactful if we go a step further and support the Data Analytics Democratization, assisting users in transforming findings into insights without the need of domain experts to promote unconstrained access to data interpretation and verification. In this paper, we present Explainable Patterns (ExPatt), a new framework to support lay users in exploring and creating data storytellings, automatically generating plausible explanations for observed or selected findings using an external (textual) source of information, avoiding or reducing the need for domain experts. ExPatt applicability is confirmed via different use-cases involving world demographics indicators and Wikipedia as an external source of explanations, showing how it can be used in practice towards the data analytics democratization.
• Abstract（参考訳）: 過去数十年間、企業、非営利団体、政府、その他を含む大規模な取り組みが、データの民主化の概念を支持し、人々がデータと向き合うよう教育する取り組みを推進してきた。 これは、我々の自由世界で最も重要な進歩の1つだが、具体的な事実のないデータへのアクセスや、既存のパターンを理解するための専門家の欠如は、本質的な価値を損ね、民主化を弱める。 ですから、データへの完全なアクセスを提供することのメリットは、さらに一歩進んで、データ分析の民主化をサポートすることで、ドメインの専門家がデータ解釈と検証に拘束力のないアクセスを促進する必要なしに、発見を洞察に変換することを支援することでのみ影響します。 本稿では,データストーリーテリングの探索と作成において,layユーザを支援する新たなフレームワークであるexpatt(solvable patterns)を提案する。外部(テキスト)の情報ソースを使用して,観察あるいは選択された結果に対する妥当な説明を自動的に生成し,ドメイン専門家の必要性を回避あるいは軽減する。 ExPattの適用性は、世界の人口統計指標とウィキペディアを含むさまざまなユースケースを通じて確認されており、データ分析の民主化に向けて実際にどのように使用できるかを示している。

関連論文リスト

• Lazy Data Practices Harm Fairness Research [49.02318458244464]
  本稿では,公正な機械学習データセットを包括的に分析し,不反射的手法がアルゴリズム的公正度発見の到達度と信頼性をいかに妨げているかを示す。 本分析では,(1)データと評価における特定の保護属性の表現のテクスブフラック,(2)データ前処理におけるマイノリティの広汎なテキストbf,(3)フェアネス研究の一般化を脅かすテキストbfopaqueデータ処理の3つの分野について検討した。 この研究は、公正なMLにおけるデータプラクティスの批判的な再評価の必要性を強調し、データセットのソーシングと使用の両方を改善するための指針を提供する。
  論文  参考訳（メタデータ） (2024-04-26T09:51:24Z)
• ClaimVer: Explainable Claim-Level Verification and Evidence Attribution of Text Through Knowledge Graphs [13.608282497568108]
  ClaimVerは、ユーザの情報と検証のニーズを満たすように設計された、人間中心のフレームワークである。 各クレームをハイライトし、信頼された知識グラフに対して検証し、クレームの予測に対して簡潔で明確な説明を提供する。
  論文  参考訳（メタデータ） (2024-03-12T17:07:53Z)
• Towards Cross-Provider Analysis of Transparency Information for Data Protection [0.0]
  本稿では,サービスプロバイダ間の大規模透明性情報分析を実現するための新しいアプローチを提案する。 我々は、高度な透明性情報分析のための一般的なアプローチ、オープンソースのアーキテクチャ、クエリ可能な分析プラットフォームという形での実装を提供する。 今後の作業は、私たちのコントリビューションに基づいて、隠れたデータ共有プラクティスに関する洞察を得ることができます。
  論文  参考訳（メタデータ） (2023-09-01T10:36:09Z)
• Towards Generalizable Data Protection With Transferable Unlearnable Examples [50.628011208660645]
  本稿では、転送不可能な例を生成することによって、新しい一般化可能なデータ保護手法を提案する。 私たちの知る限りでは、これはデータ分散の観点からデータのプライバシを調べる最初のソリューションです。
  論文  参考訳（メタデータ） (2023-05-18T04:17:01Z)
• Rethinking People Analytics With Inverse Transparency by Design [57.67333075002697]
  我々は、デザインによる逆透過性(inverse transparency)と呼ぶ、労働分析のための新しい設計手法を提案する。 アーキテクチャの変更はコア機能を阻害することなく行われます。 我々は、デザインによる逆透明性は、受け入れられ、責任ある人々の分析を実現するための有望なアプローチである、と結論付けている。
  論文  参考訳（メタデータ） (2023-05-16T21:37:35Z)
• Exploring the Critical Success Factors for Data Democratization [0.0]
  データ民主化は、従業員へのデータアクセスを拡大するプロセスである。 本稿では,データの民主化における重要な成功要因を,詳細な文献レビューを通じて明らかにすることを目的とする。
  論文  参考訳（メタデータ） (2022-12-04T22:07:45Z)
• Exploring Tenets of Data Democratization [0.0]
  データ民主化は、データへのアクセスを拡大し、従業員が追加のサポートなしでデータを見つけ、アクセスし、自己分析し、共有できるようにする、進行中のプロセスである。 本稿では,詳細な文献レビューを通じて,データの民主化の傾向について考察する。 この分析では、文献レビューに基づいて、データの民主化を可能にする12の属性を特定した。
  論文  参考訳（メタデータ） (2022-06-24T03:00:29Z)
• Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
  データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。 研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。 公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。 残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
  論文  参考訳（メタデータ） (2022-02-03T17:25:46Z)
• Trustworthy Transparency by Design [57.67333075002697]
  本稿では,ユーザ信頼とエクスペリエンスに関する研究を取り入れた,ソフトウェア設計のための透明性フレームワークを提案する。 私たちのフレームワークは、その設計に透明性を取り入れたソフトウェアの開発を可能にします。
  論文  参考訳（メタデータ） (2021-03-19T12:34:01Z)

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。