論文の概要: Advancing Data Justice Research and Practice: An Integrated Literature Review

• arxiv url: http://arxiv.org/abs/2204.03090v1
• Date: Wed, 6 Apr 2022 21:09:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-09 07:14:46.395416
• Title: Advancing Data Justice Research and Practice: An Integrated Literature Review
• Title（参考訳）: データ正義研究と実践の促進:総合的な文献レビュー
• Authors: David Leslie, Michael Katell, Mhairi Aitken, Jatinder Singh, Morgan Briggs, Rosamund Powell, Cami Rinc\'on, Thompson Chengeta, Abeba Birhane, Antonella Perini, Smera Jayadeva, and Anjali Mazumder
• Abstract要約: Advancing Data Justice Research and Practice(ADJRP)プロジェクトは、データ正義に関する現在の考え方のレンズを広げることを目的としている。 この総合的な文献レビューは、この願望を支えるために必要となる概念的基盤を定めている。
• 参考スコア（独自算出の注目度）: 2.454361535046896
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Advancing Data Justice Research and Practice (ADJRP) project aims to widen the lens of current thinking around data justice and to provide actionable resources that will help policymakers, practitioners, and impacted communities gain a broader understanding of what equitable, freedom-promoting, and rights-sustaining data collection, governance, and use should look like in increasingly dynamic and global data innovation ecosystems. In this integrated literature review we hope to lay the conceptual groundwork needed to support this aspiration. The introduction motivates the broadening of data justice that is undertaken by the literature review which follows. First, we address how certain limitations of the current study of data justice drive the need for a re-location of data justice research and practice. We map out the strengths and shortcomings of the contemporary state of the art and then elaborate on the challenges faced by our own effort to broaden the data justice perspective in the decolonial context. The body of the literature review covers seven thematic areas. For each theme, the ADJRP team has systematically collected and analysed key texts in order to tell the critical empirical story of how existing social structures and power dynamics present challenges to data justice and related justice fields. In each case, this critical empirical story is also supplemented by the transformational story of how activists, policymakers, and academics are challenging longstanding structures of inequity to advance social justice in data innovation ecosystems and adjacent areas of technological practice.
• Abstract（参考訳）: データ・ジャスティス・リサーチ・プラクティス(adjrp)プロジェクトは、データ・ジャスティスに関する現在の考え方のレンズを広げ、政策立案者、実践者、影響のあるコミュニティが公平で自由で維持されるデータ収集、ガバナンス、利用がますますダイナミックでグローバルなデータ革新のエコシステムにどのように見えるべきかを、より深く理解することを目的としている。 この総合的な文献レビューでは、この願望を支えるために必要な概念的基盤を築きたい。 この導入は、以下の文献レビューによって実施されるデータ正義の拡大を動機付けている。 まず、データ正義の研究の一定の限界が、データ正義の研究と実践の再配置の必要性をいかに引き起こすかに対処する。 現代の芸術の強みと欠点を図示し、デコロニアルな文脈でデータ正義の視点を広げようとする我々の努力が直面する課題について詳しく説明する。 文学評論の本体には7つの主題がある。 それぞれのテーマについて、ADJRPチームはキーテキストを体系的に収集し分析し、既存の社会構造とパワーダイナミクスがデータ正義と関連する司法分野にどのように課題をもたらすかという批判的な経験を語る。 いずれの場合も、この批判的な経験的ストーリーは、活動家、政策立案者、学者が、データ革新エコシステムと技術実践の隣接する領域において、不平等の長期的構造に挑戦する、というトランスフォーメーションストーリーによって補完される。

関連論文リスト

• Fairness and Bias Mitigation in Computer Vision: A Survey [61.01658257223365]
  コンピュータビジョンシステムは、高精細な現実世界のアプリケーションにますますデプロイされている。 歴史的または人為的なデータにおいて差別的な傾向を伝播または増幅しないことを確実にする必要がある。 本稿では,コンピュータビジョンの文脈における現在進行中の傾向と成功をまとめた,公平性に関する総合的な調査を行う。
  論文  参考訳（メタデータ） (2024-08-05T13:44:22Z)
• A Survey on Large Language Models for Critical Societal Domains: Finance, Healthcare, and Law [65.87885628115946]
  大規模言語モデル(LLM)は、金融、医療、法律の展望に革命をもたらしている。 我々は、医療における診断・治療方法論の強化、財務分析の革新、法的解釈・コンプライアンス戦略の精査におけるLCMの役割を強調した。 これらの分野におけるLLMアプリケーションの倫理を批判的に検討し、既存の倫理的懸念と透明で公平で堅牢なAIシステムの必要性を指摘した。
  論文  参考訳（メタデータ） (2024-05-02T22:43:02Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)
• Beyond case studies: Teaching data science critique and ethics through sociotechnical surveillance studies [0.0]
  倫理は、それらが構造的抑圧を強化することを示すアルゴリズムやシステムの批判が増大する中で、データサイエンスの研究、実践、教育にとって緊急の関心事となっている。 我々は、社会技術システムである監視システムの分析を通じて、重要なデータ研究の根底にある社会現象に言及するデータサイエンス倫理コースを設計した。 学生は、彼ら自身の監視システムを調査し、彼らの利益、害、主要な支持者、抵抗する人々を特定するために、批判的な分析スキルを開発しました。
  論文  参考訳（メタデータ） (2023-05-03T20:24:42Z)
• Entity Graph Extraction from Legal Acts -- a Prototype for a Use Case in Policy Design Analysis [52.77024349608834]
  本稿では,公共政策設計の定量的研究を支援するために開発されたプロトタイプについて述べる。 本システムの目的は,法律文書の収集プロセスの自動化,機関文法の注釈付け,ハイパーグラフによる重要機関間の相互関係の分析である。
  論文  参考訳（メタデータ） (2022-09-02T10:57:47Z)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Data Justice in Practice: A Guide for Developers [2.5953185061765884]
  Advancing Data Justice Research and Practice プロジェクトは、現代のデータ収集、ガバナンス、利用のエコロジーにおける差別と不平等に寄与する社会的、歴史的、文化的、政治的、経済的力の理解を深めることを目的としている。 これは、データ集約技術の作成、調達、使用を行っている開発者や組織のためのガイドの草案です。
  論文  参考訳（メタデータ） (2022-04-12T09:33:14Z)
• Data Justice Stories: A Repository of Case Studies [1.0617212070722408]
  データ正義は、公平で公平で、不正の根本原因に直面することのできる社会の達成へのコミットメントである。 世界中のデータ正義の実践は、現代の学術談話におけるデータ正義の考え方の解明と結晶化に大きく先行している。
  論文  参考訳（メタデータ） (2022-04-06T21:27:39Z)
• 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)
• AI Ethics Statements -- Analysis and lessons learnt from NeurIPS Broader Impact Statements [0.0]
  2020年、機械学習(ML)カンファレンスNeurIPSは、すべての論文に広範なインパクトステートメントを含むことを要求して、新たな基盤を突破した。 この要件は、チェックリストのアプローチに賛成して、2021年に取り除かれた。 我々は、NeurIPS 2020のすべての論文のインパクトステートメントを含むデータセットを作成しました。
  論文  参考訳（メタデータ） (2021-11-02T16:17:12Z)
• Ontologies in CLARIAH: Towards Interoperability in History, Language and Media [0.05277024349608833]
  デジタル人文科学の最も重要な目標の1つは、研究者に新しい研究質問のためのデータとツールを提供することである。 FAIRの原則は、データが必要な状態として、これらのフレームワークを提供する。 Findable は、さまざまなソースに散らばっているため、しばしば参照可能 アクセス可能 いくつかはオフラインやペイウォールの後方にあるかもしれない 相互運用可能 標準的な知識表現フォーマットを使用して、共有される。 オランダの国立プロジェクト CLARIAH に開発・統合されたツールについて述べる。
  論文  参考訳（メタデータ） (2020-04-06T17:38:47Z)

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。