論文の概要: Trade-offs between Group Fairness Metrics in Societal Resource Allocation

• arxiv url: http://arxiv.org/abs/2202.12334v1
• Date: Thu, 24 Feb 2022 19:38:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 15:13:01.689559
• Title: Trade-offs between Group Fairness Metrics in Societal Resource Allocation
• Title（参考訳）: 社会資源配分におけるグループフェアネス指標のトレードオフ
• Authors: Tasfia Mashiat, Xavier Gitiaux, Huzefa Rangwala, Patrick J. Fowler, and Sanmay Das
• Abstract要約: 我々は、多様な人口に不足する支援を提供する社会資源割り当てについて検討する。 我々は、不足という文脈で公正のために必要なトレードオフが存在することを示す。 公正なトレードオフは多くの社会的政策の文脈に及んでいると我々は主張する。
• 参考スコア（独自算出の注目度）: 24.500979370962362
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider social resource allocations that deliver an array of scarce supports to a diverse population. Such allocations pervade social service delivery, such as provision of homeless services, assignment of refugees to cities, among others. At issue is whether allocations are fair across sociodemographic groups and intersectional identities. Our paper shows that necessary trade-offs exist for fairness in the context of scarcity; many reasonable definitions of equitable outcomes cannot hold simultaneously except under stringent conditions. For example, defining fairness in terms of improvement over a baseline inherently conflicts with defining fairness in terms of loss compared with the best possible outcome. Moreover, we demonstrate that the fairness trade-offs stem from heterogeneity across groups in intervention responses. Administrative records on homeless service delivery offer a real-world example. Building on prior work, we measure utilities for each household as the probability of reentry into homeless services if given three homeless services. Heterogeneity in utility distributions (conditional on received services) for several sociodemographic groups (e.g. single women with children versus without children) generates divergence across fairness metrics. We argue that such heterogeneity, and thus, fairness trade-offs pervade many social policy contexts.
• Abstract（参考訳）: 我々は、多様な人口に不足する支援を提供する社会資源割り当てについて検討する。 このような割り当ては、ホームレスサービスの提供、都市への難民の割当てなど、社会サービス提供に及んでいる。 問題は、社会デミノグラフィーグループと交差点のアイデンティティ間での割り当てが公平かどうかである。 本稿は,公平性に必要となるトレードオフが存在することを示し,公平性のある結果の合理的な定義の多くは,厳密な条件下では同時に保持できない。 例えば、ベースラインに対する改善の観点で公正を定義することは、本質的に損失の観点で公正を定義することと、最良の結果と比較して矛盾する。 さらに、フェアネストレードオフは、介入応答におけるグループ間の不均一性に起因することを示す。 ホームレスのサービス提供に関する行政記録は実例だ。 先行作業に基づき,3つのホームレスサービスを受けると,各世帯のユーティリティをホームレスサービスに再参入する確率として測定する。 いくつかの社会デマログラフィーグループ(例えば、子供を持つ独身女性と子供を持たない独身女性など)の効用分布における不均一性は、公正度の測定値にまたがって発散する。 このような異質性、したがって公正なトレードオフは多くの社会政策の文脈に及んでいると我々は主張する。

関連論文リスト

• Fairness-Accuracy Trade-Offs: A Causal Perspective [58.06306331390586]
  我々は、初めて因果レンズから公正性と正確性の間の張力を分析する。 因果的制約を強制することは、しばしば人口集団間の格差を減少させることを示す。 因果制約付きフェアラーニングのための新しいニューラルアプローチを導入する。
  論文  参考訳（メタデータ） (2024-05-24T11:19:52Z)
• Assessing Group Fairness with Social Welfare Optimization [0.9217021281095907]
  本稿では,社会福祉機能の最適化に基づくより広範な社会的正義の概念が,パーティの定義の多様さを評価する上で有用かどうかを考察する。 特定の条件下では、人口比率や均等化確率を正当化できるが、しばしばこの種のパリティから逸脱する必要がある。 さらに,予測率パリティは有用性に限界があることが判明した。
  論文  参考訳（メタデータ） (2024-05-19T01:41:04Z)
• Fair Without Leveling Down: A New Intersectional Fairness Definition [1.0958014189747356]
  本稿では,感性グループ間での絶対値と相対値のパフォーマンスを組み合わせた$alpha$-Intersectional Fairnessという新たな定義を提案する。 我々は、新しいフェアネス定義を用いて、複数の一般的なプロセス内機械学習アプローチをベンチマークし、単純なベースラインよりも改善が得られないことを示します。
  論文  参考訳（メタデータ） (2023-05-21T16:15:12Z)
• Group fairness without demographics using social networks [29.073125057536014]
  グループフェアネス(英: Group Fairness)は、人種、性別、障害などのセンシティブな属性に基づいて、個人の好ましくない扱いを防止するための一般的なアプローチである。 そこで本稿では, センシティブな属性に依存しないフェアネスの「グループフリー」尺度を提案する。
  論文  参考訳（メタデータ） (2023-05-19T00:45:55Z)
• Proportional Fairness in Obnoxious Facility Location [70.64736616610202]
  この問題に対して,距離に基づく比例フェアネスの概念の階層構造を提案する。 決定論的かつランダムなメカニズムを考察し、比例フェアネスの価格に関する厳密な境界を計算する。 モデルの拡張が2つあることを示す。
  論文  参考訳（メタデータ） (2023-01-11T07:30:35Z)
• Social Diversity Reduces the Complexity and Cost of Fostering Fairness [63.70639083665108]
  不完全な情報や公平性の柔軟な基準を前提とした干渉機構の効果について検討する。 多様性の役割を定量化し、情報収集の必要性を減らす方法を示す。 この結果から,多様性が変化し,公正性向上を目指す機関に新たなメカニズムが開放されることが示唆された。
  論文  参考訳（メタデータ） (2022-11-18T21:58:35Z)
• It's Not Fairness, and It's Not Fair: The Failure of Distributional Equality and the Promise of Relational Equality in Complete-Information Hiring Games [2.8935588665357077]
  既存の差別と不正は、しばしば、不平等な資源の分配よりも、不平等な社会的関係の結果である。 フェアネスと平等という既存の計算的・経済的定義を最適化しても、不平等な社会的関係を防げないことを示す。
  論文  参考訳（メタデータ） (2022-09-12T20:35:42Z)
• How Robust is Your Fairness? Evaluating and Sustaining Fairness under Unseen Distribution Shifts [107.72786199113183]
  CUMA(CUrvature Matching)と呼ばれる新しいフェアネス学習手法を提案する。 CUMAは、未知の分布シフトを持つ未知の領域に一般化可能な頑健な公正性を達成する。 提案手法を3つの人気フェアネスデータセットで評価する。
  論文  参考訳（メタデータ） (2022-07-04T02:37:50Z)
• On Disentangled and Locally Fair Representations [95.6635227371479]
  人種や性別などのセンシティブなグループに対して公平な方法で分類を行うという課題について検討する。 局所的公正表現を学習し、学習された表現の下で、各サンプルの近傍は感度特性の観点からバランスをとる。
  論文  参考訳（メタデータ） (2022-05-05T14:26:50Z)
• MultiFair: Multi-Group Fairness in Machine Learning [52.24956510371455]
  機械学習におけるマルチグループフェアネスの研究(MultiFair) この問題を解決するために,汎用的なエンドツーエンドのアルゴリズムフレームワークを提案する。 提案するフレームワークは多くの異なる設定に一般化可能である。
  論文  参考訳（メタデータ） (2021-05-24T02:30:22Z)
• Distributional Individual Fairness in Clustering [7.303841123034983]
  本稿では,距離空間に埋め込まれた個人を,有界なクラスタ中心上の確率分布に割り当てる枠組みを提案する。 p$-norm目的のクラスタリングアルゴリズムと、証明可能な近似保証付き個別フェアネス制約を提案する。
  論文  参考訳（メタデータ） (2020-06-22T20:02:09Z)

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。