論文の概要: Data Justice Stories: A Repository of Case Studies
- arxiv url: http://arxiv.org/abs/2204.03100v1
- Date: Wed, 6 Apr 2022 21:27:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-09 07:13:25.870741
- Title: Data Justice Stories: A Repository of Case Studies
- Title（参考訳）: Data Justice Stories: ケーススタディのリポジトリ
- Authors: David Leslie, Morgan Briggs, Antonella Perini, Smera Jayadeva, Cami
Rinc\'on, Noopur Raval, Abeba Birhane, Rosamund Powell, Michael Katell, and
Mhairi Aitken
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.0617212070722408
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The idea of "data justice" is of recent academic vintage. It has arisen over
the past decade in Anglo-European research institutions as an attempt to bring
together a critique of the power dynamics that underlie accelerating trends of
datafication with a normative commitment to the principles of social justice-a
commitment to the achievement of a society that is equitable, fair, and capable
of confronting the root causes of injustice.However, despite the seeming
novelty of such a data justice pedigree, this joining up of the critique of the
power imbalances that have shaped the digital and "big data" revolutions with a
commitment to social equity and constructive societal transformation has a
deeper historical, and more geographically diverse, provenance. As the stories
of the data justice initiatives, activism, and advocacy contained in this
volume well evidence, practices of data justice across the globe have, in fact,
largely preceded the elaboration and crystallisation of the idea of data
justice in contemporary academic discourse. In telling these data justice
stories, we hope to provide the reader with two interdependent tools of data
justice thinking: First, we aim to provide the reader with the critical
leverage needed to discern those distortions and malformations of data justice
that manifest in subtle and explicit forms of power, domination, and coercion.
Second, we aim to provide the reader with access to the historically effective
forms of normativity and ethical insight that have been marshalled by data
justice activists and advocates as tools of societal transformation-so that
these forms of normativity and insight can be drawn on, in turn, as
constructive resources to spur future transformative data justice practices.
- Abstract（参考訳）: データ・ジャスティス」という考え方は、近年の学術用語である。
It has arisen over the past decade in Anglo-European research institutions as an attempt to bring together a critique of the power dynamics that underlie accelerating trends of datafication with a normative commitment to the principles of social justice-a commitment to the achievement of a society that is equitable, fair, and capable of confronting the root causes of injustice.However, despite the seeming novelty of such a data justice pedigree, this joining up of the critique of the power imbalances that have shaped the digital and "big data" revolutions with a commitment to social equity and constructive societal transformation has a deeper historical, and more geographically diverse, provenance.
データ・ジャスティス・イニシアティブ(英語版)、活動主義(英語版)、そしてこの巻に含まれる擁護の物語として、世界中のデータ・ジャスティスの実践は、事実、現代の学術談話におけるデータ・ジャスティス(英語版)の概念の解明と結晶化に先行している。
第一に、我々は読者に、微妙で明示的な力、支配、強制という形で表されるデータ正義の歪みと奇形を識別するために必要な重要なレバレッジを提供することを目的としています。
第二に、我々は、データ正義活動家や擁護者によって取りまとめられた歴史的に有効な規範と倫理的洞察へのアクセスを、社会的変革のツールとして、読者に提供し、これらの規範と洞察の形式が、将来的なデータ正義の実践を刺激する建設的資源として描かれるようにすることを目指している。
関連論文リスト
- Toward Fairer Face Recognition Datasets [69.04239222633795]
顔認識と検証は、ディープ表現の導入によってパフォーマンスが向上したコンピュータビジョンタスクである。
実際のトレーニングデータセットにおける顔データとバイアスのセンシティブな性格による倫理的、法的、技術的な課題は、彼らの開発を妨げる。
生成されたトレーニングデータセットに階層属性のバランス機構を導入することにより、公平性を促進する。
論文 参考訳（メタデータ） (2024-06-24T12:33:21Z) - The Ethics of Social Media Analytics in Migration Studies [1.3651461111887733]
本章では、ソーシャルメディアプラットフォームを通じた移住研究の倫理的考察の概要について述べる。
関連する学術文献に基づいて,過去20年間にソーシャルメディア研究に関連する倫理的問題がどのように議論されてきたかを検討する。
この概要は、マイグレーションに関連する文脈におけるソーシャルメディア研究に関連する倫理的課題を考慮し、緩和するための理論的および実践的なツールを研究者に提供するために設計されている。
論文 参考訳（メタデータ） (2023-02-28T08:39:22Z) - Algorithmic Fairness in Business Analytics: Directions for Research and
Practice [24.309795052068388]
本稿では,アルゴリズムフェアネスの先見的,BAに着目したレビューを行う。
まず、バイアスの源泉と測定方法、およびバイアス緩和アルゴリズムに関する最先端の研究について概説する。
次に、ユーティリティ・フェアネスの関係について詳細な議論を行い、これらの2つの構成要素間のトレードオフの頻繁な仮定は、しばしば間違いまたは近視的であることを強調した。
論文 参考訳（メタデータ） (2022-07-22T10:21:38Z) - Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2022-05-20T15:02:53Z) - 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) - Advancing Data Justice Research and Practice: An Integrated Literature
Review [2.454361535046896]
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。
論文 参考訳（メタデータ） (2022-04-06T21:09:27Z) - 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) - Representative & Fair Synthetic Data [68.8204255655161]
公平性制約を自己監督学習プロセスに組み込むためのフレームワークを提示する。
私たちはuci成人国勢調査データセットの代表者および公正版を作成します。
我々は、代表的かつ公正な合成データを将来有望なビルディングブロックとみなし、歴史的世界ではなく、私たちが生きようとしている世界についてアルゴリズムを教える。
論文 参考訳（メタデータ） (2021-04-07T09:19:46Z) - Equality before the Law: Legal Judgment Consistency Analysis for
Fairness [55.91612739713396]
本論文では,LInCo(Legal Inconsistency Coefficient)の判定不整合性評価指標を提案する。
法的な判断予測(LJP)モデルを用いて異なる集団の裁判官をシミュレートし、異なる集団で訓練されたLJPモデルによる判断結果の不一致を判断する。
私達はLInCoを実際の場合の不一致を探検するために使用し、次の観察に来ます:(1)地域およびジェンダーの不一致は法制度でありますが、ジェンダーの不一致は地方不一致より大いにより少しです。
論文 参考訳（メタデータ） (2021-03-25T14:28:00Z) - Data, Power and Bias in Artificial Intelligence [5.124256074746721]
人工知能は社会的偏見を悪化させ、平等な権利と市民の自由における数十年の進歩を取り戻せる可能性がある。
機械学習アルゴリズムの訓練に使用されるデータは、社会で学び、永続する可能性のある社会的不正、不平等、差別的な態度を捉えることができる。
本稿では、異なるドメインからのAIシステムにおけるデータの公正性、公平性、バイアス軽減を保証するための継続的な作業についてレビューする。
論文 参考訳（メタデータ） (2020-07-28T16:17:40Z) - A Philosophy of Data [91.3755431537592]
我々は、統計計算に必要な基本特性から統計データの定義まで研究する。
我々は、有用なデータの必要性は、プロパティを根本的にユニークか等しく理解することを規則化する必要があると論じている。
データとデータ技術への依存度が高まるにつれて、この2つの特徴は現実の集合概念に影響を与えます。
論文 参考訳（メタデータ） (2020-04-15T14:47:24Z)
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。