論文の概要: A Framework of High-Stakes Algorithmic Decision-Making for the Public Sector Developed through a Case Study of Child-Welfare

• arxiv url: http://arxiv.org/abs/2107.03487v3
• Date: Tue, 12 Oct 2021 13:47:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-23 04:05:45.399894
• Title: A Framework of High-Stakes Algorithmic Decision-Making for the Public Sector Developed through a Case Study of Child-Welfare
• Title（参考訳）: 児童福祉のケーススタディによる公共セクターのための高精度アルゴリズム意思決定の枠組み
• Authors: Devansh Saxena, Karla Badillo-Urquiola, Pamela Wisniewski, Shion Guha
• Abstract要約: 我々は,公共セクターに適応したアルゴリズムによる意思決定の結束的枠組みを開発する。 本研究は,児童福祉機関における日常利用におけるアルゴリズムの事例研究である。 本稿では,公共セクターにおける高精度なアルゴリズム決定ツールの設計ガイドラインを提案する。
• 参考スコア（独自算出の注目度）: 3.739243122393041
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Algorithms have permeated throughout civil government and society, where they are being used to make high-stakes decisions about human lives. In this paper, we first develop a cohesive framework of algorithmic decision-making adapted for the public sector (ADMAPS) that reflects the complex socio-technical interactions between \textit{human discretion}, \textit{bureaucratic processes}, and \textit{algorithmic decision-making} by synthesizing disparate bodies of work in the fields of Human-Computer Interaction (HCI), Science and Technology Studies (STS), and Public Administration (PA). We then applied the ADMAPS framework to conduct a qualitative analysis of an in-depth, eight-month ethnographic case study of the algorithms in daily use within a child-welfare agency that serves approximately 900 families and 1300 children in the mid-western United States. Overall, we found there is a need to focus on strength-based algorithmic outcomes centered in social ecological frameworks. In addition, algorithmic systems need to support existing bureaucratic processes and augment human discretion, rather than replace it. Finally, collective buy-in in algorithmic systems requires trust in the target outcomes at both the practitioner and bureaucratic levels. As a result of our study, we propose guidelines for the design of high-stakes algorithmic decision-making tools in the child-welfare system, and more generally, in the public sector. We empirically validate the theoretically derived ADMAPS framework to demonstrate how it can be useful for systematically making pragmatic decisions about the design of algorithms for the public sector.
• Abstract（参考訳）: アルゴリズムは、市民政府や社会全体に浸透し、人間の生活に関する高い視点の決定に使われている。 本稿では,まず,人間-コンピュータ間インタラクション(hci),科学技術研究(sts),公共行政(pa)の分野における異種の作業体を合成することによって,<textit{human discretion}>,<textit{bureaucratic processes}>,<textit{algorithmic decision-making} の複雑な社会技術的相互作用を反映した,公共部門(admaps)に適したアルゴリズム的意思決定の凝集フレームワークを開発した。 そこで我々はADMAPSフレームワークを用いて,米国中西部の約900家族と1300人の子供を対象とする児童福祉機関において,日常生活におけるアルゴリズムの詳細な8ヶ月のエスノグラフィーの質的分析を行った。 全体として、社会生態学の枠組みを中心とした強度に基づくアルゴリズムの結果に焦点を合わせる必要がある。 加えて、アルゴリズムシステムは既存の官僚的プロセスをサポートし、それを置き換えるのではなく、人間の裁量を強化する必要がある。 最後に、アルゴリズムシステムにおける集合的な購入には、実践者および官僚レベルの目標結果に対する信頼が必要である。 本研究は, 児童福祉システムにおいて, より一般的には公共部門において, ハイテイクなアルゴリズムによる意思決定ツールの設計ガイドラインを提案する。 提案手法は,理論的に導出されたADMAPSフレームワークを実証的に検証し,公共セクター向けアルゴリズムの設計に関する実用的決定を体系的に行う上で有用であることを示す。

関連論文リスト

• A Unifying Post-Processing Framework for Multi-Objective Learn-to-Defer Problems [6.046591474843391]
  Learn-to-Deferは、学習アルゴリズムが独立した作業ではなく、人間専門家のチームとして機能することを可能にするパラダイムである。 本稿では,様々な制約下での学習・遅延システムに対するベイズ最適解を求める。 本アルゴリズムは,一組のベースラインに対する制約違反による改善を示す。
  論文  参考訳（メタデータ） (2024-07-17T16:32:30Z)
• Algorithms as Social-Ecological-Technological Systems: an Environmental Justice Lens on Algorithmic Audits [0.5076419064097732]
  本稿では,社会・生態システムと密接に結びついているアルゴリズムシステムを再構成する。 環境正義指向型アルゴリズム監査のための第一種方法論を提案する。
  論文  参考訳（メタデータ） (2023-05-09T19:25:25Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• Fairness Perceptions of Algorithmic Decision-Making: A Systematic Review of the Empirical Literature [0.0]
  アルゴリズムによる意思決定(ADM)は、人々の日常生活をますます形作る。 学者や政策立案者が要求する人間中心のアプローチは、人々の公正な認識を考慮する必要があります。 アルゴリズム公平性の認識に関する既存の経験的洞察の包括的で体系的な文献レビューを提供します。
  論文  参考訳（メタデータ） (2021-03-22T17:12:45Z)
• A black-box adversarial attack for poisoning clustering [78.19784577498031]
  本稿では,クラスタリングアルゴリズムのロバスト性をテストするために,ブラックボックス対逆攻撃法を提案する。 我々の攻撃は、SVM、ランダムフォレスト、ニューラルネットワークなどの教師付きアルゴリズムに対しても転送可能であることを示す。
  論文  参考訳（メタデータ） (2020-09-09T18:19:31Z)
• Run2Survive: A Decision-theoretic Approach to Algorithm Selection based on Survival Analysis [75.64261155172856]
  生存分析(SA)は、自然に検閲されたデータをサポートし、アルゴリズムランタイムの分散モデルを学習するためにそのようなデータを使用する適切な方法を提供する。 我々は、アルゴリズム選択に対する洗練された決定論的アプローチの基礎として、そのようなモデルを活用し、Run2Surviveを疑う。 標準ベンチマークASlibによる広範な実験では、我々のアプローチは競争力が高く、多くの場合、最先端のASアプローチよりも優れていることが示されている。
  論文  参考訳（メタデータ） (2020-07-06T15:20:17Z)
• Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
  異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。 我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。 我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
  論文  参考訳（メタデータ） (2020-04-15T15:58:05Z)
• A Human-Centered Review of the Algorithms used within the U.S. Child Welfare System [17.161947795238916]
  アメリカ児童福祉制度(CWS)は、養育青年の成果の改善を担っているが、過大評価され、資金が不足している。 いくつかの州は、コストを削減し、CWSの結果を改善するためのより良いプロセスを決定するために、アルゴリズムによる意思決定システムに向かっている。 我々は、CWSで使われている計算システムに関する50の査読論文を合成し、それらの開発状況、使用する予測器の共通特性、および対象とする結果を評価する。
  論文  参考訳（メタデータ） (2020-03-07T09:16:12Z)
• Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
  我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。 我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-29T09:40:58Z)
• Algorithmic Fairness [11.650381752104298]
  正確であるだけでなく、客観的かつ公正なAIアルゴリズムを開発することが不可欠である。 近年の研究では、アルゴリズムによる意思決定は本質的に不公平である可能性が示されている。
  論文  参考訳（メタデータ） (2020-01-21T19:01:38Z)

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。