論文の概要: Algorithmic Audit of Italian Car Insurance: Evidence of Unfairness in
Access and Pricing
- arxiv url: http://arxiv.org/abs/2105.10174v1
- Date: Fri, 21 May 2021 07:35:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 05:21:55.837037
- Title: Algorithmic Audit of Italian Car Insurance: Evidence of Unfairness in
Access and Pricing
- Title（参考訳）: イタリア自動車保険のアルゴリズム監査 : アクセスと価格の不公平性の証拠
- Authors: Alessandro Fabris, Alan Mishler, Stefano Gottardi, Mattia Carletti,
Matteo Daicampi, Gian Antonio Susto and Gianmaria Silvello
- Abstract要約: イタリア自動車保険業界の企業が採用する価格アルゴリズムの監査を行う。
出生地と性別がドライバーが引用する価格に直接的かつ大きな影響を及ぼすことを示す。
リスクの高いプロファイルを持つドライバーは、アグリゲータの結果ページで引用する回数が少なくなる傾向にある。
- 参考スコア（独自算出の注目度）: 57.34513043917978
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We conduct an audit of pricing algorithms employed by companies in the
Italian car insurance industry, primarily by gathering quotes through a popular
comparison website. While acknowledging the complexity of the industry, we find
evidence of several problematic practices. We show that birthplace and gender
have a direct and sizeable impact on the prices quoted to drivers, despite
national and international regulations against their use. Birthplace, in
particular, is used quite frequently to the disadvantage of foreign-born
drivers and drivers born in certain Italian cities. In extreme cases, a driver
born in Laos may be charged 1,000 euros more than a driver born in Milan, all
else being equal. For a subset of our sample, we collect quotes directly on a
company website, where the direct influence of gender and birthplace is
confirmed. Finally, we find that drivers with riskier profiles tend to see
fewer quotes in the aggregator result pages, substantiating concerns of
differential treatment raised in the past by Italian insurance regulators.
- Abstract（参考訳）: 我々は、イタリアの自動車保険業界の企業が採用する価格アルゴリズムの監査を行い、主に人気のある比較ウェブサイトを通じて見積もりを収集する。
業界の複雑さを認めながら、いくつかの問題のあるプラクティスの証拠を見つけます。
我々は、出生地と性別が、その使用に対する国内外の規制にもかかわらず、ドライバーが引用する価格に直接的かつ大きな影響を及ぼすことを示す。
特に出生地は、イタリアの一部の都市で生まれた外国生まれのドライバーやドライバーの不利のために頻繁に使用される。
極端な場合、ラオス生まれのドライバーは、ミラノ生まれのドライバーよりも1000ユーロ多く請求される可能性がある。
サンプルのサブセットについては、企業webサイトから直接引用を収集し、性別と出生地による直接的な影響を確認します。
最後に、リスクの高いドライバーはアグリゲータの結果ページで引用を少なくする傾向にあり、過去のイタリアの保険規制当局による差額処理の懸念を裏付けている。
関連論文リスト
- Testing software for non-discrimination: an updated and extended audit in the Italian car insurance domain [40.846175330181005]
価格アルゴリズムの公正さは、保護された属性に基づいて差別することなく、基本サービスへの公平なアクセスを可能にする。
我々は、ブラックボックステストを使ってイタリアの自動車保険会社が使用している価格アルゴリズムを監査する以前の実証研究を再現した。
論文 参考訳（メタデータ） (2025-02-10T13:16:01Z) - Discrimination and AI in insurance: what do people find fair? Results from a survey [0.0]
現代の保険の2つのトレンドは、データ集約的な引受と行動に基づく保険である。
調査の回答者は、私たちが不公平だと説明した近代的な保険の実践のほとんどを見つけました。
我々はその発見の政策的含意を反映する。
論文 参考訳（メタデータ） (2025-01-22T14:18:47Z) - Context-Aware Quantitative Risk Assessment Machine Learning Model for
Drivers Distraction [0.0]
MDDRA(Multi-class Driver Distraction Risk Assessment)モデルは、旅行中の車両、運転者、環境データを考慮したモデルである。
MDDRAは、危険行列上のドライバーを安全、不注意、危険と分類する。
我々は、重度レベルに応じて運転者の気晴らしを分類し、予測するために機械学習技術を適用した。
論文 参考訳（メタデータ） (2024-02-20T23:20:36Z) - AI, insurance, discrimination and unfair differentiation. An overview and research agenda [0.6144680854063939]
保険会社は人工知能(AI)によって実現された2つのトレンドに魅了されているようだ
保険会社はAIを使って、新たなタイプのデータを分析し、リスクをより正確に評価することができる。
保険会社はAIを使って、個々の消費者の行動をリアルタイムで監視することもできる。
この2つの傾向は多くの利点をもたらすが、社会に差別的影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2024-01-22T12:39:36Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳（メタデータ） (2023-08-02T09:48:08Z) - Safe Deep Reinforcement Learning by Verifying Task-Level Properties [84.64203221849648]
コスト関数は、安全深層強化学習(DRL)において一般的に用いられる。
このコストは通常、国家空間における政策決定のリスクの定量化が難しいため、指標関数として符号化される。
本稿では,ドメイン知識を用いて,そのような状態に近接するリスクを定量化するための代替手法について検討する。
論文 参考訳（メタデータ） (2023-02-20T15:24:06Z) - Discovering and Explaining Driver Behaviour under HoS Regulations [0.0]
本稿では,サービス規制に従って,生ドライバのアクティビティログを要約するアプリケーションを提案する。
このシステムは、計画、制約、クラスタリング技術を使って、ドライバーが何をしているかを抽出し、記述する。
実世界のデータでの実験では、繰り返し発生する運転パターンが、短い基本運転シーケンスから全運転日程までクラスタ化可能であることが示されている。
論文 参考訳（メタデータ） (2023-01-12T15:30:11Z) - Auditing for Discrimination in Algorithms Delivering Job Ads [70.02478301291264]
我々は,求人広告配信における識別アルゴリズムのブラックボックス監査のための新しい手法を開発した。
最初のコントリビューションは、性別や人種などの保護されたカテゴリーによる、広告配信における歪の区別です。
第2に,他の要因と資格の違いによって説明可能なスクリューを区別する監査手法を開発する。
第3に、提案手法を求人広告のための2つの主要なターゲット広告プラットフォーム、FacebookとLinkedInに適用する。
論文 参考訳（メタデータ） (2021-04-09T17:38:36Z) - Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
運転環境の要素が道路ルールの出現の原因となるかを分析する。
2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。
我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
論文 参考訳（メタデータ） (2020-11-21T09:43:50Z)
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。