論文の概要: Crowdsourcing Impacts: Exploring the Utility of Crowds for Anticipating
Societal Impacts of Algorithmic Decision Making
- arxiv url: http://arxiv.org/abs/2207.09525v1
- Date: Tue, 19 Jul 2022 19:46:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 09:58:45.600425
- Title: Crowdsourcing Impacts: Exploring the Utility of Crowds for Anticipating
Societal Impacts of Algorithmic Decision Making
- Title（参考訳）: クラウドソーシングのインパクト:アルゴリズムによる意思決定の社会的影響を予測するための群衆の有用性を探る
- Authors: Julia Barnett and Nicholas Diakopoulos
- Abstract要約: 我々は、政府のアルゴリズムによる意思決定ツールのセットに基づいて、さまざまなタイプの影響領域を明らかにするためにクラウドソーシングを採用している。
本手法は, 群集の認知的多様性を活用し, 様々な問題を明らかにするのに有効であることが示唆された。
- 参考スコア（独自算出の注目度）: 7.068913546756094
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the increasing pervasiveness of algorithms across industry and
government, a growing body of work has grappled with how to understand their
societal impact and ethical implications. Various methods have been used at
different stages of algorithm development to encourage researchers and
designers to consider the potential societal impact of their research. An
understudied yet promising area in this realm is using participatory foresight
to anticipate these different societal impacts. We employ crowdsourcing as a
means of participatory foresight to uncover four different types of impact
areas based on a set of governmental algorithmic decision making tools: (1)
perceived valence, (2) societal domains, (3) specific abstract impact types,
and (4) ethical algorithm concerns. Our findings suggest that this method is
effective at leveraging the cognitive diversity of the crowd to uncover a range
of issues. We further analyze the complexities within the interaction of the
impact areas identified to demonstrate how crowdsourcing can illuminate
patterns around the connections between impacts. Ultimately this work
establishes crowdsourcing as an effective means of anticipating algorithmic
impact which complements other approaches towards assessing algorithms in
society by leveraging participatory foresight and cognitive diversity.
- Abstract（参考訳）: 産業や政府にまたがるアルゴリズムの普及に伴い、その社会的影響と倫理的意味を理解するための活動が活発化している。
様々なアルゴリズム開発において、研究者や設計者が研究の社会的影響の可能性を検討するために様々な手法が用いられている。
この領域における未熟で有望な領域は、これらの異なる社会的影響を予測するために参加的前見を用いている。
我々は,(1)有意感,(2)社会的領域,(3)特定の抽象的影響タイプ,(4)倫理的アルゴリズムの懸念といった,政府のアルゴリズム決定ツールの集合に基づく,4種類の影響領域を明らかにするために,参加型クラウドソーシングを採用している。
本手法は, 群集の認知的多様性を活用し, 様々な問題を明らかにするのに有効であることが示唆された。
さらに, 影響領域間の相互作用の複雑さを解析し, クラウドソーシングによる影響間の関係のパターンの解明を実証する。
最終的に、この研究はクラウドソーシングをアルゴリズムの影響を予測するための効果的な手段として確立し、参加型フォレストと認知的多様性を活用して、社会におけるアルゴリズムを評価する他のアプローチを補完する。
関連論文リスト
- Towards Opinion Shaping: A Deep Reinforcement Learning Approach in Bot-User Interactions [2.85386288555414]
本稿では,SBCM(Bounded Bounded Confidence Model)に着目し,ユーザ-ボットインタラクションによるソーシャルネットワークアルゴリズムの干渉の影響について検討する。
それは、Deep Deterministic Policy Gradient (DDPG)アルゴリズムとその変種を統合して、異なるDeep Reinforcement Learning (DRL)を実験する。
実験の結果,この手法がソーシャルプラットフォームに広告資源を配置する可能性を示す,効率的な意見形成をもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2024-09-12T23:39:07Z) - Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
実際には、因果研究者は先験を念頭において1つの結果を持っていない。
政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。
本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
論文 参考訳（メタデータ） (2024-04-29T08:16:30Z) - Anticipating Impacts: Using Large-Scale Scenario Writing to Explore
Diverse Implications of Generative AI in the News Environment [3.660182910533372]
我々は、ジェネレーティブAIの潜在的なネガティブな影響について、3つの利害関係者グループの展望を広げ、期待を捉えることを目的としている。
シナリオ記述と参加観を用いて、認知的に多様な未来の想像力を掘り下げる。
生成的AI影響評価のためのツールボックスとして,シナリオ記述と参加予測の有用性について論じる。
論文 参考訳（メタデータ） (2023-10-10T06:59:27Z) - Re-mine, Learn and Reason: Exploring the Cross-modal Semantic
Correlations for Language-guided HOI detection [57.13665112065285]
ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。
本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-25T14:20:52Z) - Expanding the Role of Affective Phenomena in Multimodal Interaction
Research [57.069159905961214]
マルチモーダルインタラクション, 感情計算, 自然言語処理において, 選ばれたカンファレンスから16,000以上の論文を調査した。
本論文では,感情関連論文910を同定し,情緒現象の役割について分析した。
我々は、人間の社会的行動や認知状態の機械的理解を高めるために、AIシステムによって感情と感情の予測がどのように使用されるかについて、限られた研究結果を得た。
論文 参考訳（メタデータ） (2023-05-18T09:08:39Z) - 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) - Homophily and Incentive Effects in Use of Algorithms [17.55279695774825]
本稿では,2つの要因がAIによる意思決定に与える影響を評価するために,クラウドソーシング・ヴィグネット研究を提案する。
まず、ホモフィリー(homophily)を検証します。
次に、インセンティブについて考えます -- ハイブリッドな意思決定環境に(既知の)コスト構造を組み込むには、どうすればよいのでしょう?
論文 参考訳（メタデータ） (2022-05-19T17:11:04Z) - Detecting adversaries in Crowdsourcing [71.20185379303479]
本研究は, クラウドソース型分類における敵の影響を, 人気のダウィド・アンド・スケネモデルを用いて検討する。
敵は、クラウドソーシングモデルから任意に逸脱することを許され、潜在的に協力する可能性がある。
我々は,アノテータ応答の2次モーメント構造を利用して,多数の敵を識別し,クラウドソーシングタスクへの影響を軽減するアプローチを開発した。
論文 参考訳（メタデータ） (2021-10-07T15:07:07Z) - A black-box adversarial attack for poisoning clustering [78.19784577498031]
本稿では,クラスタリングアルゴリズムのロバスト性をテストするために,ブラックボックス対逆攻撃法を提案する。
我々の攻撃は、SVM、ランダムフォレスト、ニューラルネットワークなどの教師付きアルゴリズムに対しても転送可能であることを示す。
論文 参考訳（メタデータ） (2020-09-09T18:19:31Z) - Dimensions of Diversity in Human Perceptions of Algorithmic Fairness [37.372078500394984]
手続き的アルゴリズムフェアネスに対する人々の認識が、その人口動態や個人的経験とどのように関連しているかを考察する。
アルゴリズム決定の文脈における政治的見解と個人的な経験は、保釈決定のための異なる特徴を使用することの公平性に対する認識に大きな影響を及ぼす。
論文 参考訳（メタデータ） (2020-05-02T11:59:39Z) - No computation without representation: Avoiding data and algorithm
biases through diversity [11.12971845021808]
学術的および専門的なコンピューティング分野における多様性の欠如と、データセットで発生するバイアスのタイプと幅の関連性を引き合いに出す。
これらの教訓を利用して、コンピューティングコミュニティが多様性を高めるための具体的なステップを提供するレコメンデーションを開発する。
論文 参考訳（メタデータ） (2020-02-26T23:07:39Z)
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。