論文の概要: Analyzing a Carceral Algorithm used by the Pennsylvania Department of
Corrections
- arxiv url: http://arxiv.org/abs/2112.03240v1
- Date: Mon, 6 Dec 2021 18:47:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-05 09:57:05.717446
- Title: Analyzing a Carceral Algorithm used by the Pennsylvania Department of
Corrections
- Title(参考訳): ペンシルベニア州矯正省が用いた癌アルゴリズムの解析
- Authors: Vanessa Massaro, Swarup Dhar, Darakhshan Mir, and Nathan C. Ryan
- Abstract要約: 本論文は、投獄中の囚人の収容レベルを分類するために使用されるペンシルベニア付加分類ツール(PACT)に焦点を当てる。
この場合のアルゴリズムは、追加の懲戒行為に耐え、必要なプログラミングを完了し、特に仮釈放アルゴリズムに入力される変数に蒸留される経験を得る可能性を決定する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Scholars have focused on algorithms used during sentencing, bail, and parole,
but little work explores what we call carceral algorithms that are used during
incarceration. This paper is focused on the Pennsylvania Additive
Classification Tool (PACT) used to classify prisoners' custody levels while
they are incarcerated. Algorithms that are used during incarceration warrant
deeper attention by scholars because they have the power to enact the lived
reality of the prisoner. The algorithm in this case determines the likelihood a
person would endure additional disciplinary actions, can complete required
programming, and gain experiences that, among other things, are distilled into
variables feeding into the parole algorithm. Given such power, examining
algorithms used on people currently incarcerated offers a unique analytic view
to think about the dialectic relationship between data and algorithms. Our
examination of the PACT is two-fold and complementary. First, our qualitative
overview of the historical context surrounding PACT reveals that it is designed
to prioritize incapacitation and control over rehabilitation. While it closely
informs prisoner rehabilitation plans and parole considerations, it is rooted
in population management for prison securitization. Second, on analyzing data
for 146,793 incarcerated people in PA, along with associated metadata related
to the PACT, we find it is replete with racial bias as well as errors,
omissions, and inaccuracies. Our findings to date further caution against
data-driven criminal justice reforms that rely on pre-existing data
infrastructures and expansive, uncritical, data-collection routines.
- Abstract(参考訳): 研究者は、収監、保釈、仮釈放の時に使用されるアルゴリズムに焦点を合わせてきたが、私たちが「カルセラルアルゴリズム」と呼ぶものについてはほとんど研究されていない。
本論文は、投獄中の囚人の収容レベルを分類するために使用されるペンシルベニア付加分類ツール(PACT)に焦点を当てる。
収監中に使用されるアルゴリズムは、囚人の生きた現実を再現する能力を持っているため、学者から深い注意を喚起される。
この場合のアルゴリズムは、人が追加の懲戒的行動に耐え、必要なプログラミングを完了し、そして他のことの中で、仮釈放アルゴリズムに供給される変数に蒸留される経験を得る可能性を決定する。
このようなパワーを考えると、現在投獄されている人々に使われているアルゴリズムを調べることは、データとアルゴリズムの間の弁証法的な関係を考えるためのユニークな分析的視点を提供する。
PACTの検査は2倍で相補的です。
まず, PACTを取り巻く歴史的文脈の質的概要から, リハビリテーションに対するインキャパレーションとコントロールの優先順位付けを図った。
囚人の更生計画や仮釈放について密告する一方で、刑務所の隔離のための人口管理に根ざしている。
第2に、PAの146,793人の投獄された人々のデータと、PACTに関連するメタデータを分析した結果、人種的偏見、誤り、欠失、不正確さに悩まされていることが判明した。
これまでの知見は、既存のデータインフラストラクチャと広範囲で非批判的なデータ収集ルーチンに依存する、データ駆動の刑事司法改革に対して、さらに注意を払っています。
関連論文リスト
- A Gold Standard Dataset for the Reviewer Assignment Problem [117.59690218507565]
類似度スコア(Similarity score)とは、論文のレビューにおいて、レビュアーの専門知識を数値で見積もるものである。
私たちのデータセットは、58人の研究者による477の自己申告された専門知識スコアで構成されています。
2つの論文をレビュアーに関連付けるタスクは、簡単なケースでは12%~30%、ハードケースでは36%~43%である。
論文 参考訳(メタデータ) (2023-03-23T16:15:03Z) - Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。
RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
論文 参考訳(メタデータ) (2022-12-17T05:25:17Z) - D-BIAS: A Causality-Based Human-in-the-Loop System for Tackling
Algorithmic Bias [57.87117733071416]
D-BIASは、人間のループ内AIアプローチを具現化し、社会的バイアスを監査し軽減する視覚対話型ツールである。
ユーザは、因果ネットワークにおける不公平な因果関係を識別することにより、グループに対する偏見の存在を検出することができる。
それぞれのインタラクション、例えばバイアスのある因果縁の弱体化/削除は、新しい(偏りのある)データセットをシミュレートするために、新しい方法を用いている。
論文 参考訳(メタデータ) (2022-08-10T03:41:48Z) - Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。
研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。
公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。
残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
論文 参考訳(メタデータ) (2022-02-03T17:25:46Z) - Analysis of the Pennsylvania Additive Classification Tool: Biases and
Important Features [0.0]
ペンシルベニア州付加分類ツール(PACT)は、州内の刑務所システムで投獄されている人のセキュリティレベルを決定するために使用されている。
新たに投獄された人には、最初の分類で使用される。
収監された人は毎年、PACTの変種を使用して再分類され、この再分類はオーバーライドされる。
論文 参考訳(メタデータ) (2021-12-10T23:00:10Z) - Uncertainty in Criminal Justice Algorithms: simulation studies of the
Pennsylvania Additive Classification Tool [0.0]
我々は、投獄された個人に留置レベルを割り当てるペンシルバニア付加分類ツール(PACT)について検討した。
我々は、刑事司法アルゴリズムがしばしば分析される方法で、PACTを分析します。
我々は,そのようなアルゴリズムを研究するための新しい手法を提案し,実施する。
論文 参考訳(メタデータ) (2021-12-01T06:27:24Z) - Deep Interpretable Criminal Charge Prediction and Algorithmic Bias [2.3347476425292717]
本稿では, ポストホックな説明のバイアス問題に対処し, 将来の刑事告発を受けるかどうかの信頼性の高い予測を行う。
提案手法は,実生活データセット上での予測精度とリコールの一貫性と信頼性を示す。
論文 参考訳(メタデータ) (2021-06-25T07:00:13Z) - Investigating sentence severity with judicial open data -- A case study
on sentencing high-tech crime in the Dutch criminal justice system [3.35887644871588]
プライバシー法により、欧州の司法公開データ(裁判所判決など)は通常匿名化されている。
これにより、例えば犯罪者に関する情報の一部が取り除かれるため、センデンシングに対する犯罪学的な研究がどの程度匿名化されたオープンデータを利用することができるのかという疑問が生じる。
2015~2020年の間,裁判所判決25,366件の判決分析を行い,特に文の重大性と高度なICT使用との関連について検討した。
最も重要な結果は、第一に、先進的なICTを使用する犯罪者は、他の犯罪者と比較して長文で判決を受けることである。
論文 参考訳(メタデータ) (2021-04-09T17:12:21Z) - The effect of differential victim crime reporting on predictive policing
systems [84.86615754515252]
本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。
以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
論文 参考訳(メタデータ) (2021-01-30T01:57:22Z) - Pursuing Open-Source Development of Predictive Algorithms: The Case of
Criminal Sentencing Algorithms [0.0]
オープンソースアルゴリズムの開発は、高度に連続した文脈における標準であるべきだと我々は主張する。
これらの問題は、ほぼ全ての広く使われている刑事判決アルゴリズムの、プロプライエタリで高価な性質によって悪化していることを示唆する。
論文 参考訳(メタデータ) (2020-11-12T14:53:43Z) - The Paradigm Discovery Problem [121.79963594279893]
我々は、パラダイム発見問題を定式化し、システム判定のためのメトリクスを開発する。
5つの多言語に対する経験的結果について報告する。
私たちのコードとデータは公開されています。
論文 参考訳(メタデータ) (2020-05-04T16:38:54Z)
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。