論文の概要: A Human-Centered Review of Algorithms in Decision-Making in Higher Education

• arxiv url: http://arxiv.org/abs/2302.05839v1
• Date: Sun, 12 Feb 2023 02:30:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-14 18:16:45.832896
• Title: A Human-Centered Review of Algorithms in Decision-Making in Higher Education
• Title（参考訳）: 高等教育における意思決定アルゴリズムの人間中心レビュー
• Authors: Kelly McConvey, Shion Guha, Anastasia Kuzminykh
• Abstract要約: 我々は、高等教育における意思決定のためのアルゴリズムを提案する幅広い論文のコーパスをレビューした。 その結果,モデルが深層学習に傾きつつあり,学生の個人データや保護属性の利用が増加していることがわかった。 解釈可能性と説明可能性の低下にもかかわらず、現在の開発は主に人間中心のレンズを組み込むことができない。
• 参考スコア（独自算出の注目度）: 16.578096382702597
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of algorithms for decision-making in higher education is steadily growing, promising cost-savings to institutions and personalized service for students but also raising ethical challenges around surveillance, fairness, and interpretation of data. To address the lack of systematic understanding of how these algorithms are currently designed, we reviewed an extensive corpus of papers proposing algorithms for decision-making in higher education. We categorized them based on input data, computational method, and target outcome, and then investigated the interrelations of these factors with the application of human-centered lenses: theoretical, participatory, or speculative design. We found that the models are trending towards deep learning, and increased use of student personal data and protected attributes, with the target scope expanding towards automated decisions. However, despite the associated decrease in interpretability and explainability, current development predominantly fails to incorporate human-centered lenses. We discuss the challenges with these trends and advocate for a human-centered approach.
• Abstract（参考訳）: 高等教育における意思決定のためのアルゴリズムの利用は着実に増加しており、機関にコスト削減を約束し、学生向けにパーソナライズされたサービスを提供している。 これらのアルゴリズムが現在どのように設計されているかという体系的な理解の欠如に対処するため、高等教育における意思決定のためのアルゴリズムを提案する論文の広範なコーパスをレビューした。 入力データ,計算方法,対象とする結果に基づいて分類し,これらの要因を理論的,参加的,投機的デザインといった人間中心レンズの応用による相互関係について検討した。 その結果,モデルが深層学習に傾き,学生の個人データや保護属性の利用が増加し,対象範囲が自動意思決定へと拡大していることがわかった。 しかし、解釈性や説明性が低下しているにもかかわらず、現在の発展は主に人間中心レンズを組み込むことに失敗している。 これらの傾向と課題を議論し,人間中心のアプローチを提唱する。

関連論文リスト

• Benchmarking Vision Language Model Unlearning via Fictitious Facial Identity Dataset [94.13848736705575]
  我々は、未学習アルゴリズムの有効性を頑健に評価するために設計された新しいVLMアンラーニングベンチマークであるFacial Identity Unlearning Benchmark (FIUBench)を紹介する。 情報ソースとその露出レベルを正確に制御する2段階評価パイプラインを適用した。 FIUBench 内の 4 つのベースライン VLM アンラーニングアルゴリズムの評価により,すべての手法がアンラーニング性能に制限されていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-11-05T23:26:10Z)
• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• Human-Centric Multimodal Machine Learning: Recent Advances and Testbed on AI-based Recruitment [66.91538273487379]
  人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。 i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。 異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
  論文  参考訳（メタデータ） (2023-02-13T16:44:44Z)
• Proactive and Reactive Engagement of Artificial Intelligence Methods for Education: A Review [2.2843885788439793]
  我々は,人工知能,機械学習,深層学習が,学生,教育者,行政スタッフを支援するためにどのように利用されているかを検討する。 教育過程におけるAI駆動手法の関与について考察する。
  論文  参考訳（メタデータ） (2023-01-23T02:47:36Z)
• Interpreting Neural Policies with Disentangled Tree Representations [58.769048492254555]
  本稿では,コンパクトなニューラルポリシーの解釈可能性について,不整合表現レンズを用いて検討する。 決定木を利用して,ロボット学習における絡み合いの要因を抽出する。 学習したニューラルダイナミクスの絡み合いを計測する解釈可能性指標を導入する。
  論文  参考訳（メタデータ） (2022-10-13T01:10:41Z)
• A Validity Perspective on Evaluating the Justified Use of Data-driven Decision-making Algorithms [14.96024118861361]
  予測アルゴリズムの正当性を損なうような問題定式化やデータ問題における再検討問題に対して,妥当性のレンズを適用した。 これらの妥当性の考察が,予測タスクの正当性やデータの適合性に関する考察を促進・文書化することを目的とした,一連のハイレベルな質問にどのように掘り下げられるかを示す。
  論文  参考訳（メタデータ） (2022-06-30T02:22:31Z)
• A Human-Centric Perspective on Fairness and Transparency in Algorithmic Decision-Making [0.0]
  自動意思決定システム(ADS)は、連続的な意思決定にますます利用されている。 非透明なシステムは、健全性の評価と校正が難しいため、不公平な結果をもたらす傾向にある。 私は博士論文を通じて以下の3つの主要な貢献をしたいと考えています。
  論文  参考訳（メタデータ） (2022-04-29T18:31:04Z)
• Evaluation Methods and Measures for Causal Learning Algorithms [33.07234268724662]
  我々は2つの基本的な因果推論タスクと因果認識機械学習タスクに焦点を当てる。 この調査は、公開可能なベンチマークの開発と、観察データによる因果学習評価のためのコンセンサス標準の策定の緊急性に先んじることを目指している。
  論文  参考訳（メタデータ） (2022-02-07T00:24:34Z)
• Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
  パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。 近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
  論文  参考訳（メタデータ） (2021-01-19T12:23:32Z)
• FairCVtest Demo: Understanding Bias in Multimodal Learning with a Testbed in Fair Automatic Recruitment [79.23531577235887]
  このデモは、非構造化データから機密情報を抽出する採用ツールの背後にある人工知能(AI)の能力を示しています。 また、このデモには差別認識学習のための新しいアルゴリズムが含まれており、マルチモーダルAIフレームワークの機密情報を排除している。
  論文  参考訳（メタデータ） (2020-09-12T17:45:09Z)

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。