論文の概要: Logic and Accuracy Testing: A Fifty-State Review

• arxiv url: http://arxiv.org/abs/2207.14394v2
• Date: Mon, 1 Aug 2022 15:53:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 10:13:19.197694
• Title: Logic and Accuracy Testing: A Fifty-State Review
• Title（参考訳）: 論理と正確性テスト:50州レビュー
• Authors: Josiah Walker, Nakul Bajaj, Braden L. Crimmins, and J. Alex Halderman
• Abstract要約: 予備選の論理と正確性(L&A)テスト(英: Pre-election logic and accuracy、L&A)とは、選挙当局が投票装置の動作を検証するプロセスである。 米国全体でのL&Aテストの実践について,初めて詳細な分析を行った。 すべての州が選挙前にL&Aテストを必要としているのに対して、その実施範囲、透明性、厳格さは劇的に変化している。
• 参考スコア（独自算出の注目度）: 4.596972309626531
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pre-election logic and accuracy (L&A) testing is a process in which election officials validate the behavior of voting equipment by casting a known set of test ballots and confirming the expected results. Ideally, such testing can serve to detect certain forms of human error or fraud and help bolster voter confidence. We present the first detailed analysis of L&A testing practices across the United States. We find that while all states require L&A testing before every election, their implementations vary dramatically in scope, transparency, and rigorousness. We summarize each state's requirements and score them according to uniform criteria. We also highlight best practices and flag opportunities for improvement, in hopes of encouraging broader adoption of more effective L&A processes.
• Abstract（参考訳）: 事前選挙論理と正確性(pre-election logic and accuracy, l&a)テストは、既知のテスト投票のセットを鋳造し、期待された結果を確認することによって、投票装置の振る舞いを検証するプロセスである。 理想的には、このようなテストは、ある種のヒューマンエラーや詐欺を検知し、投票者の信頼を高めるのに役立つ。 米国全体でのL&Aテストの実践について,初めて詳細な分析を行った。 すべての州では選挙前にl&aテストが必要だが、その実施範囲、透明性、厳格さは劇的に異なる。 各州の要件をまとめ、統一基準に従って評価する。 また、より効果的なL&Aプロセスの採用を促進するために、ベストプラクティスと改善の機会を強調します。

関連論文リスト

• Improving the Computational Efficiency of Adaptive Audits of IRV Elections [54.427049258408424]
  AWAIREは、任意の数の候補でIRVコンテストを監査できるが、当初の実装では、候補数とともに指数関数的に増加するメモリと計算コストが増大していた。 本稿では,従来の6候補と比較して,55候補のIRVコンテストを実際に実施する3つの方法で,AWAIREのアルゴリズム実装を改善した。
  論文  参考訳（メタデータ） (2024-07-23T13:28:00Z)
• Efficient Weighting Schemes for Auditing Instant-Runoff Voting Elections [57.67176250198289]
  AWAIREは、適応的に重み付けされたテスト統計量であり、本質的には、テストに有効な仮説のセットを「学習」する。 我々は、より広範囲にスキームと設定を検討し、実践のための効率的な選択を特定し、推奨する。 現在のAWAIRE実装の制限は、少数の候補者に限られている。
  論文  参考訳（メタデータ） (2024-02-18T10:13:01Z)
• The Decisive Power of Indecision: Low-Variance Risk-Limiting Audits and Election Contestation via Marginal Mark Recording [51.82772358241505]
  リスクリミット監査(リスクリミット監査、RLA)は、大規模な選挙の結果を検証する技術である。 我々は、効率を改善し、統計力の進歩を提供する監査の新たなファミリーを定めている。 新しい監査は、複数の可能なマーク解釈を宣言できるように、キャストボイトレコードの標準概念を再考することで実現される。
  論文  参考訳（メタデータ） (2024-02-09T16:23:54Z)
• Improving the Security of United States Elections with Robust Optimization [5.454428371457422]
  厳格なセキュリティ保証を備えたテストデッキを設計するための,最初の公式なアプローチを紹介します。 当社のアプローチは、ミシガン州選挙局による現実世界の選挙で試行されている。
  論文  参考訳（メタデータ） (2023-08-04T13:17:53Z)
• Adaptively Weighted Audits of Instant-Runoff Voting Elections: AWAIRE [61.872917066847855]
  即時投票(IRV)選挙の監査方法は、リスク制限や、各投票における投票の電子的記録であるキャスト投票記録(CVR)を必要とするものではない。 我々は,CVRが利用できない場合に,適応的に重み付けされたテストスーパーマーチンガルを用いてITV選挙を効率よく監査するRLA手法を開発した。
  論文  参考訳（メタデータ） (2023-07-20T15:55:34Z)
• Sequential Kernelized Independence Testing [101.22966794822084]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)
• Full Characterization of Adaptively Strong Majority Voting in Crowdsourcing [0.5831737970661138]
  クラウドソーシングでは、労働者がアイテムを調べ、その正確性に投票することで、品質管理が一般的に達成される。 信頼できないワーカー応答の影響を最小限に抑えるため、$delta$-marginの投票プロセスが使用される。 本研究は,マルコフ連鎖を吸収し,この投票プロセスの特性をモデル化する手法を提案する。
  論文  参考訳（メタデータ） (2021-11-11T18:58:09Z)
• Anomaly Detection and Automated Labeling for Voter Registration File Changes [0.0]
  アメリカ合衆国大統領選挙における投票資格は、市民が投票する資格のある情報を含む州データベースのパッチワークによって決定される。 投票登録ファイル(VRF)の変更の監視は、米国の民主的プロセスを妨害したい悪意のあるアクターが、これらのファイルの内容を操作して目標を達成するよう、適切にアドバイスされることを考えると、極めて重要である。 本稿では、機械学習を利用して、投票者のロールを保護する際のアナリストや管理者の負担を軽減する方法を提案する。
  論文  参考訳（メタデータ） (2021-06-16T21:48:31Z)
• Prophet: Proactive Candidate-Selection for Federated Learning by Predicting the Qualities of Training and Reporting Phases [66.01459702625064]
  5Gネットワークでは、トレーニングレイテンシは依然としてフェデレートラーニング(FL)が広く採用されるのを防ぐ障害である。 大きなレイテンシをもたらす最も基本的な問題の1つは、FLの悪い候補選択である。 本稿では,FLの有効候補選択について検討する。
  論文  参考訳（メタデータ） (2020-02-03T06:40:04Z)

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。