論文の概要: Increasing Data Equity Through Accessibility

• arxiv url: http://arxiv.org/abs/2210.01902v1
• Date: Tue, 4 Oct 2022 20:53:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 11:29:41.840888
• Title: Increasing Data Equity Through Accessibility
• Title（参考訳）: アクセシビリティによるデータエクイティの増大
• Authors: Frank Elavsky, Jennifer Mankoff, Arvind Satyanarayan
• Abstract要約: この回答は、特に障害者のためのデータエクイティを考慮に入れている。 データエクイティの文脈において、過小評価されているコミュニティの1つは障害のある人々である、と我々は主張する。
• 参考スコア（独自算出の注目度）: 25.06163815093506
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This position statement is a response to the Office of Science and Technology Policy's Request for Information on "Equitable Data Engagement and Accountability." This response considers data equity specifically for people with disabilities. The RFI asks "how Federal agencies can better support collaboration with other levels of government, civil society, and the research community around the production and use of equitable data." We argue that one critically underserved community in the context of data equity is people with disabilities. Today's tools make it extremely difficult for disabled people to (1) interact with data and data visualizations and (2) take jobs that involve working with and visualizing data. Yet access to such data is increasingly critical, and integral, to engaging with government and civil society. We must change the standards and expectations around data practices to include disabled people and support the research necessary to achieve those goals.
• Abstract（参考訳）: このポジションステートメントは、科学技術政策局の「適切なデータエンゲージメントと説明責任」に関する情報要求に対する対応である。 この回答は、特に障害者のためのデータエクイティを考慮に入れている。 RFIは「連邦機関が、他のレベルの政府、市民社会、および公正なデータの作成と利用に関する研究コミュニティとの協力をより良く支援できるか」を問う。 データエクイティという文脈において、批判的に控えめなコミュニティは障害を持つ人々だと主張する。 今日のツールは、障害者が(1)データやデータの視覚化と対話し、(2)データを扱い、視覚化する仕事を取るのを非常に困難にします。 しかし、このようなデータへのアクセスは、政府や市民社会との関わりにおいてますます重要で不可欠なものになっている。 データプラクティスに関する標準と期待を、障害者を含むように変更し、その目標を達成するために必要な研究をサポートする必要があります。

関連論文リスト

• Data-Centric AI in the Age of Large Language Models [51.20451986068925]
  本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。 本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。 データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
  論文  参考訳（メタデータ） (2024-06-20T16:34:07Z)
• Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future [59.78608958395464]
  私たちは、包括的な社会AI分類と480のNLPデータセットからなるデータライブラリで構成される、ソーシャルAIデータインフラストラクチャを構築しています。 インフラストラクチャにより、既存のデータセットの取り組みを分析し、異なるソーシャルインテリジェンスの観点から言語モデルのパフォーマンスを評価することができます。 多面的なデータセットの必要性、言語と文化の多様性の向上、より長期にわたる社会的状況、そして将来のソーシャルインテリジェンスデータ活動におけるよりインタラクティブなデータの必要性が示されている。
  論文  参考訳（メタデータ） (2024-02-28T00:22:42Z)
• Countering Misinformation via Emotional Response Generation [15.383062216223971]
  ソーシャルメディアプラットフォーム(SMP)における誤情報拡散は、公衆衛生、社会的結束、民主主義に重大な危険をもたらす。 これまでの研究では、社会的訂正が誤情報を抑制する効果的な方法であることが示された。 約1万のクレーム応答対からなる最初の大規模データセットであるVerMouthを提案する。
  論文  参考訳（メタデータ） (2023-11-17T15:37:18Z)
• Assessing Scientific Contributions in Data Sharing Spaces [64.16762375635842]
  本稿では、研究者の科学的貢献を測定するブロックチェーンベースのメトリクスであるSCIENCE-indexを紹介する。 研究者にデータ共有のインセンティブを与えるため、SCIENCE-indexはデータ共有パラメータを含むように拡張されている。 本モデルは, 地理的に多様な研究者の出力分布とh-indexの分布を比較して評価する。
  論文  参考訳（メタデータ） (2023-03-18T19:17:47Z)
• Contributing to Accessibility Datasets: Reflections on Sharing Study Data by Blind People [14.625384963263327]
  13人の盲目の被験者がデータ収集活動に従事している2つの研究結果を示す。 リスク・ベネフィットのトレードオフを評価する際に、異なる要因が被験者の学習データ共有意欲にどのような影響を及ぼすかを確認する。 大多数は、技術改善のためにデータの共有をサポートしますが、商用利用、関連するメタデータ、およびデータの影響に関する透明性の欠如に対する懸念を表明しています。
  論文  参考訳（メタデータ） (2023-03-09T00:42:18Z)
• DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
  DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。 私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。 ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
  論文  参考訳（メタデータ） (2022-07-20T17:47:54Z)
• Data Representativeness in Accessibility Datasets: A Meta-Analysis [7.6597163467929805]
  障害のある人と高齢者が作成したデータセットをレビューする。 アクセシビリティデータセットは様々な年齢を表すが、性別と人種の差がある。 われわれの努力が、AIに注入されたシステムに、余分なコミュニティをもっと取り入れる可能性の空間を広げることを願っている。
  論文  参考訳（メタデータ） (2022-07-16T23:32:19Z)
• 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)
• Explainable Patterns: Going from Findings to Insights to Support Data Analytics Democratization [60.18814584837969]
  我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。 ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
  論文  参考訳（メタデータ） (2021-01-19T16:13:44Z)
• Data Leverage: A Framework for Empowering the Public in its Relationship with Technology Companies [13.174512123890015]
  多くの強力なコンピューティング技術は、一般からの暗黙的かつ明示的なデータコントリビューションに依存している。 この依存は、テクノロジー企業との関係において、公衆にとって潜在的にレバレッジの源であることを示唆している。 我々は,企業行動を変える新たな機会を浮き彫りにする,データレバレッジを理解するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-18T00:46:26Z)
• "What We Can't Measure, We Can't Understand": Challenges to Demographic Data Procurement in the Pursuit of Fairness [0.0]
  アルゴリズムフェアネスの実践者は、実際にはバイアスを検出する必要があると感じている人口統計データにアクセスできないことが多い。 このジレンマは,アルゴリズムフェアネスに隣接する38人の実践者や専門家との半構造化インタビューを通じて検討した。 参加者は、人口統計データの可用性と利用状況が地上でどのように見えるか、複雑な絵を描いた。
  論文  参考訳（メタデータ） (2020-10-30T21:06:41Z)

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。