論文の概要: TAPS Responsibility Matrix: A tool for responsible data science by
design
- arxiv url: http://arxiv.org/abs/2302.01041v1
- Date: Thu, 2 Feb 2023 12:09:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-03 14:11:00.224870
- Title: TAPS Responsibility Matrix: A tool for responsible data science by
design
- Title(参考訳): TAPS Responsibility Matrix: 設計による責任あるデータサイエンスのためのツール
- Authors: Visara Urovi, Remzi Celebi, Chang Sun, Linda Rieswijk, Michael Erard,
Arif Yilmaz, Kody Moodley, Parveen Kumar and Michel Dumontier
- Abstract要約: データサイエンスプロジェクトの社会的、法的、倫理的側面を探求する枠組みとして、透明性、説明責任、プライバシー、社会責任マトリックス(TAPS-RM)について述べる。
TAPS-RMの開発モデルと、オープンデータのためのよく知られたイニシアチブをマッピングする。
TAPS-RMはデータサイエンスプロジェクトレベルでの責任を反映するツールであり、設計による責任あるデータサイエンスの推進に利用することができると結論付けている。
- 参考スコア(独自算出の注目度): 2.2973034509761816
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data science is an interdisciplinary research area where scientists are
typically working with data coming from different fields. When using and
analyzing data, the scientists implicitly agree to follow standards,
procedures, and rules set in these fields. However, guidance on the
responsibilities of the data scientists and the other involved actors in a data
science project is typically missing. While literature shows that novel
frameworks and tools are being proposed in support of open-science, data reuse,
and research data management, there are currently no frameworks that can fully
express responsibilities of a data science project. In this paper, we describe
the Transparency, Accountability, Privacy, and Societal Responsibility Matrix
(TAPS-RM) as framework to explore social, legal, and ethical aspects of data
science projects. TAPS-RM acts as a tool to provide users with a holistic view
of their project beyond key outcomes and clarifies the responsibilities of
actors. We map the developed model of TAPS-RM with well-known initiatives for
open data (such as FACT, FAIR and Datasheets for datasets). We conclude that
TAPS-RM is a tool to reflect on responsibilities at a data science project
level and can be used to advance responsible data science by design.
- Abstract(参考訳): データサイエンスは学際的な研究分野であり、科学者は典型的に異なる分野から来るデータを扱う。
データを使用、分析する際には、これらの分野で設定された標準、手順、規則に従うことに暗黙的に同意する。
しかし、データサイエンティストとデータサイエンスプロジェクトに関わる他のアクターの責任に関するガイダンスは、一般的に欠落している。
文献によると、オープンサイエンス、データ再利用、研究データ管理をサポートする新しいフレームワークやツールが提案されているが、現在、データサイエンスプロジェクトの責任を完全に表現できるフレームワークは存在しない。
本稿では,データサイエンスプロジェクトの社会的,法的,倫理的側面を探求する枠組みとして,透明性,説明責任,プライバシー,社会責任マトリックス(TAPS-RM)について述べる。
TAPS-RMは、主要な成果以上のプロジェクトの全体像をユーザに提供し、アクターの責任を明らかにするツールとして機能する。
taps-rmの開発モデルをオープンデータ(fact、fair、datasheets for datasetsなど)のためによく知られたイニシアティブとマップします。
TAPS-RMはデータサイエンスプロジェクトのレベルで責任を反映するツールであり、設計による責任あるデータサイエンスの推進に使用できると結論付けている。
関連論文リスト
- On Responsible Machine Learning Datasets with Fairness, Privacy, and
Regulatory Norms [58.93352076927003]
AI技術の信頼性に関する深刻な懸念があった。
機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。
本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-24T14:01:53Z) - 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) - The Semantic Scholar Open Data Platform [79.4493235243312]
セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。
我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。
このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
論文 参考訳(メタデータ) (2023-01-24T17:13:08Z) - Modeling Information Change in Science Communication with Semantically
Matched Paraphrases [50.67030449927206]
SPICEDは、情報変化の度合いに注釈を付けた科学的な発見の最初のパラフレーズデータセットである。
SPICEDには、ニュース記事、ソーシャルメディアの議論、オリジナル論文の全文から抽出された6000の科学的発見ペアが含まれている。
SPICEDで訓練されたモデルは、実世界の科学的主張の事実チェックのための証拠検索において下流のパフォーマンスを改善する。
論文 参考訳(メタデータ) (2022-10-24T07:44:38Z) - Citation Trajectory Prediction via Publication Influence Representation
Using Temporal Knowledge Graph [52.07771598974385]
既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。
本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。
APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
論文 参考訳(メタデータ) (2022-10-02T07:43:26Z) - The Problem of Zombie Datasets:A Framework For Deprecating Datasets [55.878249096379804]
我々は、ImageNet、8000 Million Tiny Images、MS-Celeb-1M、Duke MTMC、Brainwash、HRT Transgenderなど、いくつかの著名なデータセットの公開後処理について検討する。
本稿では,リスクの考慮,影響の緩和,アピール機構,タイムライン,非推奨プロトコル,公開チェックなどを含むデータセットの非推奨化フレームワークを提案する。
論文 参考訳(メタデータ) (2021-10-18T20:13:51Z) - Data Science Methodologies: Current Challenges and Future Approaches [0.0]
ビジョンの欠如と明確な目標、技術的な問題への偏り、アドホックプロジェクトの成熟度が低いことが、これらの課題のひとつです。
チーム、プロジェクト、データ、情報管理の完全なガイドラインを提供する方法論はほとんどない。
総合的な視点でデータサイエンスプロジェクトを管理するための方法論が持つべき一般的な特徴を含む概念的枠組みを提案する。
論文 参考訳(メタデータ) (2021-06-14T10:34:50Z) - Towards Accountability for Machine Learning Datasets: Practices from
Software Engineering and Infrastructure [9.825840279544465]
機械学習を強化するデータセットは、しばしば使われ、共有され、再使用される。
本稿では、意思決定と説明責任をサポートするデータセット開発透明性のための厳格なフレームワークを紹介する。
論文 参考訳(メタデータ) (2020-10-23T01:57:42Z) - Computational Skills by Stealth in Secondary School Data Science [16.960800464621993]
本稿では,学生によるデータサイエンスへの最初の露出における計算スキルのステルス開発について論じる。
このアプローチの目的は、データ駆動学習者になる際に、興味やコーディングの自己効力によらず、学生を支援することである。
論文 参考訳(メタデータ) (2020-10-08T09:11:51Z) - Trust in Data Science: Collaboration, Translation, and Accountability in
Corporate Data Science Projects [6.730787776951012]
応用データサイエンスにおける4つの一般的な緊張関係について述べる: (un)equivocal number, (counter)intuitive knowledge, (in)credible data, (in)scrutable model。
組織的アクターが、懐疑主義、評価、信頼性の実践を通じて、乱雑で不確実な分析条件下で信頼を確立し、再交渉する方法を示す。
我々は,CSCW内外におけるデータサイエンス研究と実践における知見の意味を論じることによって,結論を導いた。
論文 参考訳(メタデータ) (2020-02-09T15:50:50Z)
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。