論文の概要: Friend or Foe: A Review and Synthesis of Computational Models of the Identity Labeling Problem

• arxiv url: http://arxiv.org/abs/2105.04462v1
• Date: Mon, 10 May 2021 15:59:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-31 23:21:56.388929
• Title: Friend or Foe: A Review and Synthesis of Computational Models of the Identity Labeling Problem
• Title（参考訳）: Friend or Foe: Identity Labeling問題における計算モデルのレビューと合成
• Authors: Kenneth Joseph, Jonathan Howard Morgan
• Abstract要約: 社会的状況において個人がどのアイデンティティ(e)を他の誰かによってラベル付けされるかを予測することができるだろうか? この問題は理論的なギャップと方法論的な課題であり、社会的認知のモデルが、しばしば既に知られているアイデンティティを扱い、問題を副次するという事実によって証明されている。 我々は,既存のモデルからの洞察に基づいて,感情情報,社会デコグラフィ特性,制度的協会など複数の社会的手がかりを取り入れて,最も文化的に期待されるアイデンティティを推定する,潜在認知社会空間(Latent Cognitive Social Spaces)という新たなフレームワークを開発する。
• 参考スコア（独自算出の注目度）: 3.180013942295509
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce the identity labeling problem - given an individual in a social situation, can we predict what identity(ies) they will be labeled with by someone else? This problem remains a theoretical gap and methodological challenge, evidenced by the fact that models of social-cognition often sidestep the issue by treating identities as already known. We build on insights from existing models to develop a new framework, entitled Latent Cognitive Social Spaces, that can incorporate multiple social cues including sentiment information, socio-demographic characteristics, and institutional associations to estimate the most culturally expected identity. We apply our model to data collected in two vignette experiments, finding that it predicts identity labeling choices of participants with a mean absolute error of 10.9%, a 100% improvement over previous models based on parallel constraint satisfaction and affect control theory.
• Abstract（参考訳）: 社会的状況において個人がどのアイデンティティ(e)を他の誰かによってラベル付けされるかを予測することができるだろうか? この問題は理論的なギャップと方法論的な課題であり、社会的認知のモデルが既に知られているアイデンティティを治療することで問題を後押しするという事実によって証明されている。 我々は,既存のモデルからの洞察に基づいて,感情情報,社会デコグラフィ特性,制度的協会など複数の社会的手がかりを取り入れて,最も文化的に期待されるアイデンティティを推定する,Latent Cognitive Social Spacesという新たなフレームワークを開発する。 2つのビグネット実験で収集されたデータに適用し、平均絶対誤差10.9%の参加者の識別ラベル選択を予測し、並列制約満足度と制御理論の影響に基づいて従来のモデルよりも100%改善した。

関連論文リスト

• The Echoes of the 'I': Tracing Identity with Demographically Enhanced Word Embeddings [0.0]
  アイデンティティは社会科学において最もよく研究されている構成要素の1つである。 本稿では,社会デミノグラフィ情報を用いた単語埋め込みの強化によるアイデンティティ研究の新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-29T06:59:35Z)
• T-HITL Effectively Addresses Problematic Associations in Image Generation and Maintains Overall Visual Quality [52.5529784801908]
  我々は、人口集団と意味概念の間の問題的関連性の生成に焦点をあてる。 本稿では,問題のある関連の低減と視覚的品質の維持を両立させるため,T-HITL(two- Human-in-the-loop)を用いた新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-02-27T00:29:33Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Social Bias Probing: Fairness Benchmarking for Language Models [38.180696489079985]
  本稿では,社会的偏見を考慮した言語モデル構築のための新しい枠組みを提案する。 既存のフェアネスコレクションの制限に対処するために設計された大規模なベンチマークであるSoFaをキュレートする。 我々は、言語モデル内のバイアスが認識されるよりもニュアンスが高いことを示し、これまで認識されていたよりもより広く符号化されたバイアスの範囲を示している。
  論文  参考訳（メタデータ） (2023-11-15T16:35:59Z)
• Subverting machines, fluctuating identities: Re-learning human categorization [1.3106063755117399]
  AI研究におけるデフォルトパラダイムは、離散的で静的な重要な属性を持つアイデンティティを想定している。 対照的に、批判理論における思考のストランドは、自己同一性の概念を可鍛性として示し、相互作用を通して完全に構成する。
  論文  参考訳（メタデータ） (2022-05-27T03:09:25Z)
• SF-PATE: Scalable, Fair, and Private Aggregation of Teacher Ensembles [50.90773979394264]
  本稿では、個人の機密情報のプライバシーを保護しつつ、差別的でない予測者の学習を可能にするモデルについて検討する。 提案モデルの主な特徴は、プライバシ保護とフェアモデルを作成するために、オフ・ザ・セルフと非プライベートフェアモデルの採用を可能にすることである。
  論文  参考訳（メタデータ） (2022-04-11T14:42:54Z)
• On the Opportunities and Risks of Foundation Models [256.61956234436553]
  これらのモデルの基礎モデルは、批判的に中心的だが不完全な性格を根底から立証するものです。 本報告では,基礎モデルの可能性とリスクについて概説する。 これらの疑問に対処するためには、基礎モデルに関する重要な研究の多くは、深い学際的なコラボレーションが必要であると信じている。
  論文  参考訳（メタデータ） (2021-08-16T17:50:08Z)
• Differentially Private and Fair Deep Learning: A Lagrangian Dual Approach [54.32266555843765]
  本稿では,個人の機密情報のプライバシを保護するとともに,非差別的予測器の学習を可能にするモデルについて検討する。 この方法は、微分プライバシーの概念と、公正性制約を満たすニューラルネットワークの設計にラグランジアン双対性(Lagrangian duality)を用いることに依存している。
  論文  参考訳（メタデータ） (2020-09-26T10:50:33Z)
• Intra-Camera Supervised Person Re-Identification [87.88852321309433]
  本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。 これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。 MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
  論文  参考訳（メタデータ） (2020-02-12T15:26:33Z)

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。