論文の概要: DiRe Committee : Diversity and Representation Constraints in Multiwinner
Elections
- arxiv url: http://arxiv.org/abs/2107.07356v1
- Date: Thu, 15 Jul 2021 14:32:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-16 19:03:24.474696
- Title: DiRe Committee : Diversity and Representation Constraints in Multiwinner
Elections
- Title（参考訳）: DiRe委員会 : 多国籍選挙における多様性と表現制約
- Authors: Kunal Relia
- Abstract要約: 我々は、候補者と有権者の属性を列挙して委員会を選定するモデル、DiRe Committee Winner determination (DRCWD) を開発する。
このアルゴリズムは,合成データセットの63%,実世界のデータセットの100%のインスタンスに対して,勝利したDiRe委員会を2分未満で発見する。
全体として、DRCWDは、マルチウィンター選挙の研究は、候補者と有権者の両方を、候補者固有の「フェア」モデルが有権者の人口を無意識に傷つけ、またその逆も考慮すべきである、と動機付けている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The study of fairness in multiwinner elections focuses on settings where
candidates have attributes. However, voters may also be divided into predefined
populations under one or more attributes (e.g., "California" and "Illinois"
populations under the "state" attribute), which may be same or different from
candidate attributes. The models that focus on candidate attributes alone may
systematically under-represent smaller voter populations. Hence, we develop a
model, DiRe Committee Winner Determination (DRCWD), which delineates candidate
and voter attributes to select a committee by specifying diversity and
representation constraints and a voting rule. We show the generalizability of
our model, and analyze its computational complexity, inapproximability, and
parameterized complexity. We develop a heuristic-based algorithm, which finds
the winning DiRe committee in under two minutes on 63% of the instances of
synthetic datasets and on 100% of instances of real-world datasets. We present
an empirical analysis of the running time, feasibility, and utility traded-off.
Overall, DRCWD motivates that a study of multiwinner elections should
consider both its actors, namely candidates and voters, as candidate-specific
"fair" models can unknowingly harm voter populations, and vice versa.
Additionally, even when the attributes of candidates and voters coincide, it is
important to treat them separately as having a female candidate on the
committee, for example, is different from having a candidate on the committee
who is preferred by the female voters, and who themselves may or may not be
female.
- Abstract（参考訳）: マルチウィンター選挙における公正性の研究は、候補者が属性を持つ設定に焦点を当てている。
しかし、有権者は1つ以上の属性(例えば「州」属性の「カリフォルニア」と「イリノイ」の人口)の下で予め定義された人口に分けられることもあり、これは候補者の属性と同一または異なる可能性がある。
候補属性のみに焦点を当てたモデルは、体系的により小さな投票者人口を減らしている可能性がある。
そこで,我々は,多様性と代表的制約と投票規則を規定して,候補者属性と投票者属性を規定し,委員会を選定するモデルdrcwdを開発した。
モデルの一般化可能性を示し、その計算複雑性、不適応性、パラメータ化複雑性を分析する。
我々は,人工データセットの63%と実世界のデータセットの100%のインスタンスに対して,勝利したDiRe委員会を2分未満で発見するヒューリスティックなアルゴリズムを開発した。
本稿では,実行時間,実現可能性,ユーティリティトレードオフの実証分析を行う。
全体として、drcwdはマルチウィンナー選挙の研究は候補者と有権者の両方を考慮すべきであり、候補者固有の「公正」モデルは無意識に有権者の人口を傷つける可能性がある。
また、候補者と有権者の属性が一致する場合であっても、女性候補者を委員会に有すること、例えば、女性有権者に好まれる委員会の候補者が女性であるか否かとは異なるものとして、それらを別々に扱うことが重要である。
関連論文リスト
- ElectionSim: Massive Population Election Simulation Powered by Large Language Model Driven Agents [70.17229548653852]
我々は,大規模言語モデルに基づく革新的な選挙シミュレーションフレームワークであるElectronSimを紹介する。
ソーシャルメディアプラットフォームからサンプリングした100万レベルの投票者プールを提示し、正確な個人シミュレーションを支援する。
PPEは、米国大統領選挙シナリオ下での我々の枠組みの性能を評価するための、世論調査に基づく大統領選挙ベンチマークである。
論文 参考訳（メタデータ） (2024-10-28T05:25:50Z) - Improving the Computational Efficiency of Adaptive Audits of IRV Elections [54.427049258408424]
AWAIREは、任意の数の候補でIRVコンテストを監査できるが、当初の実装では、候補数とともに指数関数的に増加するメモリと計算コストが増大していた。
本稿では,従来の6候補と比較して,55候補のIRVコンテストを実際に実施する3つの方法で,AWAIREのアルゴリズム実装を改善した。
論文 参考訳（メタデータ） (2024-07-23T13:28:00Z) - Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。
GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
論文 参考訳（メタデータ） (2024-07-16T05:52:26Z) - On the Complexity of Finding a Diverse and Representative Committee
using a Monotone, Separable Positional Multiwinner Voting Rule [0.0]
計算社会選択における研究の線は、選挙における公正性を保証するために制約を使用することを懸念している。
最近の研究は、多様な代表委員会を見つけるためのモデルを提案し、モデルの計算的側面を研究した。
ここでは、単調で分離可能な複数投票ルールを用いて、多彩で代表的な委員会を見つける複雑さを分類する。
論文 参考訳（メタデータ） (2022-11-23T18:56:44Z) - Fairly Allocating Utility in Constrained Multiwinner Elections [0.0]
このような文脈にまたがる公平性を保証する一般的な分母は、制約の使用である。
これらの状況の中で、与えられた制約を満たすために選ばれた候補者は、歴史的に不利な有権者の集団に対して、体系的に不公平な結果をもたらす可能性がある。
投票者間の制約を公平に満たす候補を選択するモデルを構築した。
論文 参考訳（メタデータ） (2022-11-23T10:04:26Z) - Pandering in a Flexible Representative Democracy [24.462078390546246]
本研究では,2つの民主的投票システムの単一ラウンド内および複数ラウンドにわたるパンデリングに対するレジリエンスについて検討する。
各投票システムにおいて、我々の分析は、候補者が採用する戦略の種類と、候補者が過去にどう直面してきたかに基づいて、有権者が候補者の見解をどう更新するかに焦点を当てている。
論文 参考訳（メタデータ） (2022-11-18T02:19:28Z) - Fairness in Selection Problems with Strategic Candidates [9.4148805532663]
選択問題における戦略的側面が公平性に与える影響について検討する。
合理的な候補者の人口は、彼らの品質を高めるために努力レベルを選択することで競います。
我々は、異なるパラメータのレジームにおけるこのゲームの(一意)平衡を特徴づける。
論文 参考訳（メタデータ） (2022-05-24T17:03:32Z) - Expected Frequency Matrices of Elections: Computation, Geometry, and
Preference Learning [58.23459346724491]
我々は、Szufa et al.(AAMAS 2020)の「選挙マップ」アプローチを用いて、よく知られた投票分布を分析します。
分布の「スケルトン写像」を描き、その頑健さを評価し、その性質を分析する。
論文 参考訳（メタデータ） (2022-05-16T17:40:22Z) - Bribery as a Measure of Candidate Success: Complexity Results for
Approval-Based Multiwinner Rules [58.8640284079665]
有権者が承認投票(すなわち、承認した候補者の集合)を投じた場合のマルチウィナー選挙における贈収賄の問題を研究する。
我々は、いくつかの承認ベースのマルチウィナールール(AV、SAV、GAV、RAV、承認ベースのチェンバリン--Courant、およびPAV)を検討します。
一般に、我々の問題は、勝利した委員会の候補者の承認数を増やすための贈収賄行為を制限した場合、より容易になる傾向がある。
論文 参考訳（メタデータ） (2021-04-19T08:26:40Z) - Modeling Voters in Multi-Winner Approval Voting [24.002910959494923]
我々は,不確実性の度合いの異なる単入投票と多入投票の投票行動について検討した。
概して、人々はより良い結果を得るために投票を操作しているが、しばしば最適な操作を特定できない。
本稿では,勝利集合の大きさと人間の認知的制約を考慮に入れた新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-12-04T19:24:28Z) - MS-Ranker: Accumulating Evidence from Potentially Correct Candidates for
Answer Selection [59.95429407899612]
そこで我々は,MS-Ranker という,新しい強化学習に基づくマルチステップランキングモデルを提案する。
我々は、候補の潜在的な正しさを明示的に考慮し、ゲーティング機構で証拠を更新する。
我々のモデルは、外部リソースに依存しない既存の手法を著しく上回ります。
論文 参考訳（メタデータ） (2020-10-10T10:36:58Z)
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。