論文の概要: How to Write a Bias Statement: Recommendations for Submissions to the Workshop on Gender Bias in NLP

• arxiv url: http://arxiv.org/abs/2104.03026v1
• Date: Wed, 7 Apr 2021 10:00:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-08 12:56:23.601618
• Title: How to Write a Bias Statement: Recommendations for Submissions to the Workshop on Gender Bias in NLP
• Title（参考訳）: バイアスステートメントの書き方:nlpにおけるジェンダーバイアスに関するワークショップへの投稿の推奨
• Authors: Christian Hardmeier, Marta R. Costa-juss\`a, Kellie Webster, Will Radford and Su Lin Blodgett
• Abstract要約: 2020年版のワークショップでは、すべての著者に対して、作業に明確なバイアス文を含めるよう求めました。 ワークショップのプログラム委員会は、人文科学と社会科学のバックグラウンドを持つ多くのレビュアーを含んでいた。 それぞれの論文はレビュアーの一人に割り当てられ、彼らのレビューで提供されたバイアスステートメントに特定の注意を払うように求められた。
• 参考スコア（独自算出の注目度）: 5.97602869680438
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: At the Workshop on Gender Bias in NLP (GeBNLP), we'd like to encourage authors to give explicit consideration to the wider aspects of bias and its social implications. For the 2020 edition of the workshop, we therefore requested that all authors include an explicit bias statement in their work to clarify how their work relates to the social context in which NLP systems are used. The programme committee of the workshops included a number of reviewers with a background in the humanities and social sciences, in addition to NLP experts doing the bulk of the reviewing. Each paper was assigned one of those reviewers, and they were asked to pay specific attention to the provided bias statements in their reviews. This initiative was well received by the authors who submitted papers to the workshop, several of whom said they received useful suggestions and literature hints from the bias reviewers. We are therefore planning to keep this feature of the review process in future editions of the workshop.
• Abstract（参考訳）: NLPにおけるジェンダーバイアスワークショップ(GeBNLP)では、偏見のより広い側面とその社会的含意について、著者に明確な考察をするよう促したい。 ワークショップの2020年版では,すべての著者に対して,NLPシステムを使用する社会的状況との関連性を明らかにするために,作品に明示的な偏見文を含めるよう求めた。 ワークショップのプログラム委員会には、人文科学と社会科学のバックグラウンドを持つ多くのレビュアーと、レビューの大部分を行うnlpの専門家が含まれていた。 それぞれの論文はレビュアーの一人に割り当てられ、彼らのレビューで提供されるバイアスステートメントに特定の注意を払うように求められた。 このイニシアチブは、ワークショップに論文を提出した著者たちから好意的な提案と、バイアスレビュアーからヒントを得たと述べた者もいた。 ですから私たちは,このレビュープロセスの特徴を,ワークショップの今後のエディションに留保する予定です。

関連論文リスト

• What Can Natural Language Processing Do for Peer Review? [173.8912784451817]
  現代の科学ではピアレビューが広く使われているが、それは難しく、時間がかかり、エラーを起こしやすい。 ピアレビューに関わるアーティファクトは大部分がテキストベースであるため、自然言語処理はレビューを改善する大きな可能性を秘めている。 筆者らは、原稿提出からカメラ対応リビジョンまでの各工程について詳述し、NLP支援の課題と機会について論じる。
  論文  参考訳（メタデータ） (2024-05-10T16:06:43Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
  本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。 新たに登場したAI生成の文献レビューも評価されている。 この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• Unraveling Downstream Gender Bias from Large Language Models: A Study on AI Educational Writing Assistance [13.276943737418417]
  大規模言語モデル (LLMs) は、学生に文章の提示などの教育的タスクにますます活用されている。 これまでの研究は、モデルとデータ表現のバイアスを別々に研究してきた。 本稿では,AI記述支援パイプラインによるバイアス伝達について検討する。
  論文  参考訳（メタデータ） (2023-11-06T18:01:34Z)
• "Kelly is a Warm Person, Joseph is a Role Model": Gender Biases in LLM-Generated Reference Letters [97.11173801187816]
  大規模言語モデル(LLM)は、個人が様々な種類のコンテンツを書くのを支援する効果的なツールとして最近登場した。 本稿では, LLM 生成した参照文字の性別バイアスについて批判的に検討する。
  論文  参考訳（メタデータ） (2023-10-13T16:12:57Z)
• SemEval-2023 Task 11: Learning With Disagreements (LeWiDi) [75.85548747729466]
  共有タスクのLeWiDiシリーズの第2版について報告する。 この第2版は幅広い参加者を集め、13のタスクの共用論文が提出された。
  論文  参考訳（メタデータ） (2023-04-28T12:20:35Z)
• NLPeer: A Unified Resource for the Computational Study of Peer Review [58.71736531356398]
  NLPeer - 5万以上の論文と5つの異なる会場からの1万1千件のレビューレポートからなる、初めて倫理的にソースされたマルチドメインコーパス。 従来のピアレビューデータセットを拡張し、解析および構造化された論文表現、豊富なメタデータ、バージョニング情報を含む。 我々の研究は、NLPなどにおけるピアレビューの体系的、多面的、エビデンスに基づく研究への道のりをたどっている。
  論文  参考訳（メタデータ） (2022-11-12T12:29:38Z)
• What Factors Should Paper-Reviewer Assignments Rely On? Community Perspectives on Issues and Ideals in Conference Peer-Review [20.8704278772718]
  NLPコミュニティの第1回調査の結果を報告する。 我々は,ペーパーリビューアマッチングシステムにおいて,どの要因を考慮すべきかという共通問題と視点を同定する。
  論文  参考訳（メタデータ） (2022-05-02T16:07:02Z)
• Situated Data, Situated Systems: A Methodology to Engage with Power Relations in Natural Language Processing Research [18.424211072825308]
  本稿では,自然言語処理(NLP)研究におけるパワーリレーションに関わるバイアス対応手法を提案する。 広範囲にわたる学際的な文献レビューの後、我々はNLP研究にバイアス対応の方法論を貢献する。
  論文  参考訳（メタデータ） (2020-11-11T17:04:55Z)
• Towards Debiasing Sentence Representations [109.70181221796469]
  Sent-Debiasはバイアスを取り除くのに有効であり、同時に文レベルの下流タスクのパフォーマンスを保っていることを示す。 我々は、より公平なNLPのための広く採用されている文表現から社会的偏見を識別・除去する今後の研究に刺激を与えることを期待している。
  論文  参考訳（メタデータ） (2020-07-16T04:22:30Z)

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。