論文の概要: Don't let Ricci v. DeStefano Hold You Back: A Bias-Aware Legal Solution
to the Hiring Paradox
- arxiv url: http://arxiv.org/abs/2201.13367v1
- Date: Mon, 31 Jan 2022 17:26:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 14:35:22.470187
- Title: Don't let Ricci v. DeStefano Hold You Back: A Bias-Aware Legal Solution
to the Hiring Paradox
- Title（参考訳）: ricci vs. destefanoは、雇用のパラドックスに対する偏見を意識した法的解決法だ
- Authors: Jad Salem, Deven R. Desai, Swati Gupta
- Abstract要約: 採用パイプラインにおける"内蔵"ヘッドウインドの診断と緩和にバイアス対応技術が有効であることを示す。
このアプローチは、"人間を数字として扱う"ことから、個人として扱うことへの移行を可能にします。
- 参考スコア（独自算出の注目度）: 4.297070083645049
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Companies that try to address inequality in employment face a hiring paradox.
Failing to address workforce imbalance can result in legal sanctions and
scrutiny, but proactive measures to address these issues might result in the
same legal conflict. Recent run-ins of Microsoft and Wells Fargo with the Labor
Department's Office of Federal Contract Compliance Programs (OFCCP) are not
isolated and are likely to persist. To add to the confusion, existing
scholarship on Ricci v. DeStefano often deems solutions to this paradox
impossible. Circumventive practices such as the 4/5ths rule further illustrate
tensions between too little action and too much action.
In this work, we give a powerful way to solve this hiring paradox that tracks
both legal and algorithmic challenges. We unpack the nuances of Ricci v.
DeStefano and extend the legal literature arguing that certain algorithmic
approaches to employment are allowed by introducing the legal practice of
banding to evaluate candidates. We thus show that a bias-aware technique can be
used to diagnose and mitigate "built-in" headwinds in the employment pipeline.
We use the machinery of partially ordered sets to handle the presence of
uncertainty in evaluations data. This approach allows us to move away from
treating "people as numbers" to treating people as individuals -- a property
that is sought after by Title VII in the context of employment.
- Abstract（参考訳）: 雇用の不平等に対処しようとする企業は、雇用パラドックスに直面している。
労働不均衡に対処できないことは、法的な制裁と精査につながるが、これらの問題に対処するための積極的な措置は、同じ法的紛争を引き起こす可能性がある。
労働省の連邦契約コンプライアンスプログラム局(OFCCP)とのMicrosoftとWells Fargoの最近の関係は孤立せず、継続する可能性が高い。
この混乱を補うために、リッチ対デステファノの既存の奨学金は、しばしばこのパラドックスに対する解決を不可能とみなす。
4/5のルールのような循環的なプラクティスは、あまりにも小さなアクションと過剰なアクションの間の緊張をさらに表す。
この研究では、法とアルゴリズムの両方の課題を追跡するこの雇用のパラドックスを解決する強力な方法を与えます。
我々は ricci v. destefano のニュアンスを解き放ち、雇用に対するアルゴリズム的アプローチが、候補者を評価するために包帯の法的実践を導入することで許されると主張する法的文献を拡張している。
そこで本研究では,雇用パイプラインにおける"ビルトイン"ヘッドウインドの診断と緩和にバイアス対応技術が利用できることを示す。
評価データにおける不確実性の存在に対処するために、半順序集合の機械を用いる。
このアプローチは、雇用の文脈において、ティートル7世が追求する財産である「人を数として扱う」ことから、個人として扱うことへの移行を可能にする。
関連論文リスト
- Randomization Techniques to Mitigate the Risk of Copyright Infringement [48.75580082851766]
著作権保護の現在の慣行を補完する潜在的なランダム化手法について検討する。
これは、著作権の先例において実質的な類似性を決定する規則の固有の曖昧さによって動機付けられている。
差分プライバシーのような同様にランダム化されたアプローチは、プライバシーリスクを軽減することに成功している。
論文 参考訳（メタデータ） (2024-08-21T20:55:00Z) - Co-Matching: Towards Human-Machine Collaborative Legal Case Matching [69.21196368715144]
合法的なケースマッチングが成功するには、法的実践者の暗黙の知識が必要であり、機械に言語化してエンコードすることは困難である。
本稿では,協調マッチングフレームワークであるCo-Matchingを提案する。
本研究は,人間と機械の協調作業における先駆的な取り組みであり,今後の協調マッチング研究のマイルストーンとなる。
論文 参考訳（メタデータ） (2024-05-16T16:50:31Z) - Compatibility of Fairness Metrics with EU Non-Discrimination Laws:
Demographic Parity & Conditional Demographic Disparity [3.5607241839298878]
実証的な証拠は、機械学習(ML)技術によって駆動されるアルゴリズムによる決定が、法的に保護されたグループに対する差別を脅かしたり、新たな不公平な情報源を創り出すことを示唆している。
この研究は、公正度メトリックと公正度制約による法的公正性を保証するためのポイントを評価することを目的としています。
我々の実験と分析は、手元にあるケースと法的正当性に応じて、AIによる意思決定が法的な観点から公平である可能性を示唆している。
論文 参考訳（メタデータ） (2023-06-14T09:38:05Z) - Formalizing the Problem of Side Effect Regularization [81.97441214404247]
本稿では,補助ゲームフレームワークを用いたサイドエフェクト正規化のための公式な基準を提案する。
これらのゲームでは、エージェントは部分的に観測可能なマルコフ決定プロセスを解決する。
このPOMDPは、エージェントが将来的なタスクをこなす能力と、プロキシ報酬を交換することで解決されることを示す。
論文 参考訳（メタデータ） (2022-06-23T16:36:13Z) - Affirmative Algorithms: The Legal Grounds for Fairness as Awareness [0.0]
このようなアプローチがいかに「算術的肯定的行動」とみなされるかについて議論する。
我々は、政府契約の事件はアルゴリズムの公正性に代替的な根拠を与えると論じている。
我々は、偏り緩和が特定の原因と偏りのメカニズムに合わせたものであることを保証するために、アルゴリズム的公平性と因果推論の交点におけるさらなる研究を求める。
論文 参考訳（メタデータ） (2020-12-18T22:53:20Z) - An\'alisis jur\'idico de la discriminaci\'on algor\'itmica en los
procesos de selecci\'on laboral [0.0]
米国における求職プロセスにおける機械学習の利用について説明する。
我々は、検出された人種的および性的偏見をいくつか提示する。
法的な観点からアルゴリズム的差別にどうアプローチすればよいかは定かではない。
論文 参考訳（メタデータ） (2020-08-02T00:49:24Z) - Off-policy Evaluation in Infinite-Horizon Reinforcement Learning with
Latent Confounders [62.54431888432302]
無限水平エルゴードマルコフ決定過程におけるOPE問題について考察する。
我々は、状態と行動の潜在変数モデルのみを考慮すれば、政策値が政治外のデータから特定できることを示す。
論文 参考訳（メタデータ） (2020-07-27T22:19:01Z) - Mitigating Manipulation in Peer Review via Randomized Reviewer
Assignments [96.114824979298]
コンファレンスピアレビューにおける3つの重要な課題は、特定の論文に割り当てられる悪意のある試みであり、"Torpedo reviewing"である。
我々は、これらの課題を共通の傘の下にまとめ、レビュアーの割り当てのための(ランダム化された)アルゴリズムを示すフレームワークを提案する。
我々のアルゴリズムは、悪意のあるレビュアーが希望する論文に割り当てられる確率を50%に抑えつつ、完全な最適類似性の90%以上を割り当てることができます。
論文 参考訳（メタデータ） (2020-06-29T23:55:53Z) - How Does NLP Benefit Legal System: A Summary of Legal Artificial
Intelligence [81.04070052740596]
法律人工知能(Legal AI)は、人工知能、特に自然言語処理の技術を適用して、法的領域におけるタスクに役立てることに焦点を当てている。
本稿では,LegalAIにおける研究の歴史,現状,今後の方向性について紹介する。
論文 参考訳（メタデータ） (2020-04-25T14:45:15Z) - Hiring Fairly in the Age of Algorithms [0.0]
我々は、雇用者から一般大衆への透明性を高めることで、雇用アルゴリズムの負の影響を緩和できると主張している。
私たちの主な貢献は、自動化された雇用の透明性、アルゴリズムによる透明性レポートのためのフレームワークです。
論文 参考訳（メタデータ） (2020-04-15T14:58:52Z) - A Legal Approach to Hate Speech: Operationalizing the EU's Legal
Framework against the Expression of Hatred as an NLP Task [2.248133901806859]
本稿では,刑法に従属するか否かの判断を運用することで,音声検出を嫌う「法的アプローチ」を提案する。
法的な判断を一連の単純なサブ決定に分解することで、素人でさえ一貫して注釈を付けることができることを示す。
論文 参考訳（メタデータ） (2020-04-07T14:13:38Z)
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。