論文の概要: Counterfactual Analysis of the Impact of the IMF Program on Child
Poverty in the Global-South Region using Causal-Graphical Normalizing Flows
- arxiv url: http://arxiv.org/abs/2202.09391v1
- Date: Thu, 17 Feb 2022 12:18:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-26 22:19:47.817369
- Title: Counterfactual Analysis of the Impact of the IMF Program on Child
Poverty in the Global-South Region using Causal-Graphical Normalizing Flows
- Title（参考訳）: 因果正規化フローを用いた世界南部地域におけるIMFプログラムの子ども貧困への影響の実態分析
- Authors: Sourabh Balgi, Jose M. Pe\~na, Adel Daoud
- Abstract要約: この研究は、因果推論と深層学習モデルの特定の分野(emphcausal-Graphical Normalizing Flows (c-GNFs))の適用例を示す。
本研究は,国際通貨基金(IMF)プログラムが子どもの貧困に与える影響について,c-GNFを用いた実証分析を行った。
- 参考スコア（独自算出の注目度）: 0.1933681537640272
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work demonstrates the application of a particular branch of causal
inference and deep learning models: \emph{causal-Graphical Normalizing Flows
(c-GNFs)}. In a recent contribution, scholars showed that normalizing flows
carry certain properties, making them particularly suitable for causal and
counterfactual analysis. However, c-GNFs have only been tested in a simulated
data setting and no contribution to date have evaluated the application of
c-GNFs on large-scale real-world data. Focusing on the \emph{AI for social
good}, our study provides a counterfactual analysis of the impact of the
International Monetary Fund (IMF) program on child poverty using c-GNFs. The
analysis relies on a large-scale real-world observational data: 1,941,734
children under the age of 18, cared for by 567,344 families residing in the 67
countries from the Global-South. While the primary objective of the IMF is to
support governments in achieving economic stability, our results find that an
IMF program reduces child poverty as a positive side-effect by about
1.2$\pm$0.24 degree (`0' equals no poverty and `7' is maximum poverty). Thus,
our article shows how c-GNFs further the use of deep learning and causal
inference in AI for social good. It shows how learning algorithms can be used
for addressing the untapped potential for a significant social impact through
counterfactual inference at population level (ACE), sub-population level
(CACE), and individual level (ICE). In contrast to most works that model ACE or
CACE but not ICE, c-GNFs enable personalization using \emph{`The First Law of
Causal Inference'}.
- Abstract（参考訳）: この研究は、因果推論とディープラーニングモデルの特定の分岐の適用例を示す: \emph{causal-Graphical Normalizing Flows (c-GNFs)}。
近年の研究では、正規化フローは特定の特性を持ち、因果解析や反事実解析に特に適していることが示された。
しかし、c-GNFsはシミュレーションされたデータセットでのみテストされ、c-GNFsの大規模実世界のデータへの適用は評価されていない。
本研究は,c-gnfsを用いた国際通貨基金(imf)プログラムが子どもの貧困に与える影響を反事実的に分析するものである。
この分析は18歳未満の1,941,734人の子どもが、世界南部から67カ国に居住する567,344家族の世話をする大規模な実世界の観測データに基づいている。
IMFの主な目的は、経済の安定を達成するための政府を支援することであるが、我々の結果は、IMFプログラムが子どもの貧困を正の副作用として約1.2$\pm$0.24(`0' は貧困に等しい。
このように、本稿は、c-GNFが、AIにおける深層学習と因果推論を社会改善にどのように活用するかを示す。
学習アルゴリズムが、人口レベル(ACE)、サブ人口レベル(CACE)、個人レベル(ICE)の対実的推論を通じて、未解決の社会的影響に対する大きなポテンシャルにどのように対処できるかを示す。
ACE や CACE を ICE ではなくモデル化している多くの作品とは対照的に、c-GNF は \emph{`The First Law of Causal Inference'} を用いてパーソナライズを可能にする。
関連論文リスト
- Analyzing Poverty through Intra-Annual Time-Series: A Wavelet Transform Approach [2.3213238782019316]
ランドサット画像と夜間光データを用いて,年内EOデータを用いたEO-ML手法の評価を行った。
以上の結果から, 特定のNDVI特徴とマルチスペクトルデータの統合は, 貧困分析に有意義な洞察をもたらすことが示唆された。
論文 参考訳（メタデータ） (2024-11-05T06:59:05Z) - Enhancing Graph Neural Networks in Large-scale Traffic Incident Analysis with Concurrency Hypothesis [2.3379022809760763]
本稿では,交通インシデント予測タスクにおける一般グラフニューラルネットワーク(GNN)モデルの予測能力を高めるために,CP法を提案する。
提案手法により,GNNは仮説に示すような同時インシデント情報を,無視可能な余分なパラメータによるトークン化によって組み込むことができる。
米国内の州や都市にまたがる実世界のデータを活用する大規模な実験は、CPを12の最先端のGNNアーキテクチャに統合することで、大幅な改善をもたらすことを実証している。
論文 参考訳（メタデータ） (2024-11-04T19:22:33Z) - The Devil is in the Neurons: Interpreting and Mitigating Social Biases in Pre-trained Language Models [78.69526166193236]
プレトレーニング言語モデル(PLM)は、社会的バイアスのような有害な情報を含むことが認識されている。
我々は,社会バイアスなどの望ましくない行動に起因する言語モデルにおいて,正確に単位(すなわちニューロン)を特定するために,sc Social Bias Neuronsを提案する。
StereoSetの以前の測定値からわかるように、我々のモデルは、低コストで言語モデリング能力を維持しながら、より高い公平性を達成する。
論文 参考訳（メタデータ） (2024-06-14T15:41:06Z) - Examining risks of racial biases in NLP tools for child protective
services [78.81107364902958]
児童保護サービス(CPS)に焦点をあてる。
この設定で確立された人種的偏見を考えると、NLPの展開は人種格差を増大させる可能性がある。
我々は、NERモデルにおける一貫したアルゴリズムの不公平性、コア参照解決モデルにおけるアルゴリズムの不公平性、およびリスク予測における人種バイアスの悪化の証拠を文書化している。
論文 参考訳（メタデータ） (2023-05-30T21:00:47Z) - Leveraging Domain Knowledge for Inclusive and Bias-aware Humanitarian
Response Entry Classification [3.824858358548714]
我々は人道的データ分析のための効果的かつ倫理的なシステムの提供を目指している。
人道分析フレームワークに適応した新しいアーキテクチャを導入する。
我々はまた、測定とバイアスの体系的な方法を提案する。
論文 参考訳（メタデータ） (2023-05-26T09:15:05Z) - Bayesian Causal Forests for Multivariate Outcomes: Application to Irish
Data From an International Large Scale Education Assessment [0.0]
Causal Forests (BCF) は、Additive Additive Regression Trees (BART) と呼ばれる、高度に柔軟な非パラメトリック回帰と分類ツールに基づく因果推論マシンモデルである。
以上より, 同一治療を受ける複数の結果に対して, 因果効果を正確に推定できることが示唆された。
本研究は, 家庭で学習机に通うことによる肯定的な効果を示し, 学生が空腹感を抱くことの否定的な影響を浮き彫りにした。
論文 参考訳（メタデータ） (2023-03-08T20:30:37Z) - 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) - Framework for inferring empirical causal graphs from binary data to
support multidimensional poverty analysis [0.0]
貧困調査における二元変数の因果関係を推定する枠組みを提案する。
タイの貧困調査データセットでは、喫煙と飲酒の問題の間に因果関係が見つかった。
論文 参考訳（メタデータ） (2022-05-12T14:50:11Z) - InsertGNN: Can Graph Neural Networks Outperform Humans in TOEFL Sentence
Insertion Problem? [66.70154236519186]
センテンス挿入は繊細だが基本的なNLP問題である。
文順序付け、テキストコヒーレンス、質問応答(QA)の現在のアプローチは、その解決には適さない。
本稿では,この問題をグラフとして表現し,グラフニューラルネットワーク(GNN)を用いて文間の関係を学習するモデルであるInsertGNNを提案する。
論文 参考訳（メタデータ） (2021-03-28T06:50:31Z) - Estimating Structural Target Functions using Machine Learning and
Influence Functions [103.47897241856603]
統計モデルから特定可能な関数として生じる対象関数の統計的機械学習のための新しい枠組みを提案する。
このフレームワークは問題とモデルに依存しないものであり、応用統計学における幅広い対象パラメータを推定するのに使用できる。
我々は、部分的に観測されていない情報を持つランダム/二重ロバストな問題において、いわゆる粗大化に特に焦点をあてた。
論文 参考訳（メタデータ） (2020-08-14T16:48:29Z) - Generating Interpretable Poverty Maps using Object Detection in
Satellite Images [80.35540308137043]
衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。
対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
論文 参考訳（メタデータ） (2020-02-05T02:50:01Z)
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。