論文の概要: On the interplay of data and cognitive bias in crisis information
management -- An exploratory study on epidemic response
- arxiv url: http://arxiv.org/abs/2201.03508v1
- Date: Mon, 10 Jan 2022 18:05:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-01 19:35:38.129725
- Title: On the interplay of data and cognitive bias in crisis information
management -- An exploratory study on epidemic response
- Title(参考訳): 危機情報管理におけるデータと認知バイアスの相互作用について-疫病対策に関する探索的研究
- Authors: David Paulus and Ramian Fathi and Frank Fiedrich and Bartel Van de
Walle and Tina Comes
- Abstract要約: 人道的危機は、アナリストや意思決定者のデータや認知過程に偏見をもたらす傾向がある。
適応的アプローチがデータと認知バイアスの相互作用を緩和するかどうかを検討した。
偏見が検出された場合でも、アナリストがデータをデバイアスすることに成功したのです。
我々は、危機情報管理におけるこれらのバイアス効果に対する反ストラテジーの可能性を示唆する。
- 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: Humanitarian crises, such as the 2014 West Africa Ebola epidemic, challenge
information management and thereby threaten the digital resilience of the
responding organizations. Crisis information management (CIM) is characterised
by the urgency to respond despite the uncertainty of the situation. Coupled
with high stakes, limited resources and a high cognitive load, crises are prone
to induce biases in the data and the cognitive processes of analysts and
decision-makers. When biases remain undetected and untreated in CIM, they may
lead to decisions based on biased information, increasing the risk of an
inefficient response. Literature suggests that crisis response needs to address
the initial uncertainty and possible biases by adapting to new and better
information as it becomes available. However, we know little about whether
adaptive approaches mitigate the interplay of data and cognitive biases.
We investigated this question in an exploratory, three-stage experiment on
epidemic response. Our participants were experienced practitioners in the
fields of crisis decision-making and information analysis. We found that
analysts fail to successfully debias data, even when biases are detected, and
that this failure can be attributed to undervaluing debiasing efforts in favor
of rapid results. This failure leads to the development of biased information
products that are conveyed to decision-makers, who consequently make decisions
based on biased information. Confirmation bias reinforces the reliance on
conclusions reached with biased data, leading to a vicious cycle, in which
biased assumptions remain uncorrected. We suggest mindful debiasing as a
possible counter-strategy against these bias effects in CIM.
- Abstract(参考訳): 2014年の西アフリカエボラ流行のような人道的危機は、情報管理に挑戦し、応答する組織のデジタルレジリエンスを脅かす。
危機情報管理(CIM)は、状況の不確実性にもかかわらず、緊急対応を特徴とする。
高利害、限られた資源、高い認知負荷と相まって、危機は分析者や意思決定者のデータや認知プロセスのバイアスを誘発しがちである。
バイアスが検出されず、CIMで未処理である場合、バイアス情報に基づいて決定が下され、非効率な応答のリスクが増大する可能性がある。
文献によると、危機対応は、利用可能な新しいより良い情報に適応することで、初期不確実性と潜在的なバイアスに対処する必要がある。
しかし、適応的アプローチがデータと認知バイアスの相互作用を緩和するかどうかはほとんど分かっていない。
疫病対策に関する3段階の探索実験において,本問題を考察した。
参加者は危機意思決定と情報分析の分野で経験豊富な実践者であった。
バイアスが検出された場合でも、アナリストはデータをデビアスすることに失敗し、この失敗は、迅速な結果に賛成してデバイアス化の努力を過小評価することによる可能性がある。
この失敗は、意思決定者に伝達されるバイアス情報製品の開発につながり、バイアス情報に基づいて意思決定を行う。
確認バイアスは、バイアスデータで到達した結論への依存を強化し、バイアスされた仮定が正しくない悪循環につながる。
我々は、CIMにおけるこれらのバイアス効果に対する反ストラテジーとして、マインドフルデバイアスを推奨する。
関連論文リスト
- ABI Approach: Automatic Bias Identification in Decision-Making Under Risk based in an Ontology of Behavioral Economics [46.57327530703435]
損失回避のようなバイアスによって引き起こされる損失に対する優先順位を求めるリスクは、課題を引き起こし、深刻なネガティブな結果をもたらす可能性がある。
本研究は,リスクサーチの選好を自動的に識別し,説明することにより,組織意思決定者を支援する新しいソリューションであるABIアプローチを紹介する。
論文 参考訳(メタデータ) (2024-05-22T23:53:46Z) - Auditing Fairness under Unobserved Confounding [56.61738581796362]
リスクファクターがすべて観察されているという仮定を完全に取り除いたり緩和したりしても、ハイリスクな個人に治療率に有意義な限界を与えることができることを示す。
既存の意思決定システムの不公平な結果を原則的に評価することができる。
論文 参考訳(メタデータ) (2024-03-18T21:09:06Z) - Mitigating Biases in Collective Decision-Making: Enhancing Performance in the Face of Fake News [4.413331329339185]
これらのバイアスが偽ニュースの広範的問題に与える影響を、偽ニュースの見出しを識別する人間の能力を評価することによって検討する。
センシティブな特徴を含む見出しに焦点を合わせることで、人間の反応がバイアスによってどのように形作られるかを探るため、包括的なデータセットを集めます。
人口統計学的要因,見出しカテゴリー,情報の提示方法が人的判断の誤りに大きく影響していることを示す。
論文 参考訳(メタデータ) (2024-03-11T12:08:08Z) - Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。
臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文 参考訳(メタデータ) (2023-10-28T05:59:43Z) - DeCrisisMB: Debiased Semi-Supervised Learning for Crisis Tweet
Classification via Memory Bank [52.20298962359658]
危機イベントにおいて、人々は、状況、警告、アドバイス、サポートに関する情報を広めるために、Twitterのようなソーシャルメディアプラットフォームを使うことが多い。
完全に教師されたアプローチでは、大量のデータを注釈付けする必要があります。
半教師付きモデルは偏りがあり、特定のクラスでは適度に機能し、他のクラスでは極めて貧弱である。
本稿では,メモリバンクを用いて,各学習クラスから生成された擬似ラベルを等しくサンプリングする,単純かつ効果的なデバイアス処理手法であるDeCrisisMBを提案する。
論文 参考訳(メタデータ) (2023-10-23T05:25:51Z) - Offline Recommender System Evaluation under Unobserved Confounding [5.4208903577329375]
オフライン推定手法により,ログデータから意思決定ポリシーを学習し,評価することができる。
この仕事を行う重要な前提は、観測されていない共同設立者がいないことである。
この研究は、保守されていない共同ファウンダーの存在下で、政治外の見積もりを行うときに生じる問題を強調することを目的としている。
論文 参考訳(メタデータ) (2023-09-08T09:11:26Z) - The Ethical Risks of Analyzing Crisis Events on Social Media with
Machine Learning [0.7817685358710509]
ソーシャルメディアプラットフォームは、世界規模で危機イベントに関するリアルタイムニュースの連続ストリームを提供する。
いくつかの機械学習手法は、クラウドソースされたデータを用いて、危機の自動検出と、その前駆体と後駆体のキャラクタリゼーションを行う。
本研究は、機械学習手法に着目した危機事象のソーシャルメディア分析における倫理的リスク要因を特定し、分析する。
論文 参考訳(メタデータ) (2022-10-07T06:54:54Z) - Epistemic Uncertainty-Weighted Loss for Visual Bias Mitigation [6.85474615630103]
偏見の存在を完全に無視する探索手法の妥当性を論じる。
本稿では,予測不確実性重み付き損失関数を持つベイズニューラルネットワークを用いて潜在的なバイアスを特定することを提案する。
本手法は、バイアスベンチマークデータセットや実世界の顔検出問題において、視覚バイアスを緩和する可能性があることを示す。
論文 参考訳(メタデータ) (2022-04-20T11:01:51Z) - Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。
動的パーソナライズされた価格設定などの問題の因果構造を形式化する。
本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
論文 参考訳(メタデータ) (2021-10-19T16:15:56Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳(メタデータ) (2020-09-20T12:24:45Z)
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。