論文の概要: Contributing to Accessibility Datasets: Reflections on Sharing Study Data by Blind People

• arxiv url: http://arxiv.org/abs/2303.04962v1
• Date: Thu, 9 Mar 2023 00:42:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-10 16:30:57.887577
• Title: Contributing to Accessibility Datasets: Reflections on Sharing Study Data by Blind People
• Title（参考訳）: アクセシビリティデータセットへの貢献:盲人による学習データの共有に関する考察
• Authors: Rie Kamikubo, Kyungjun Lee, Hernisa Kacorri
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 14.625384963263327
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To ensure that AI-infused systems work for disabled people, we need to bring accessibility datasets sourced from this community in the development lifecycle. However, there are many ethical and privacy concerns limiting greater data inclusion, making such datasets not readily available. We present a pair of studies where 13 blind participants engage in data capturing activities and reflect with and without probing on various factors that influence their decision to share their data via an AI dataset. We see how different factors influence blind participants' willingness to share study data as they assess risk-benefit tradeoffs. The majority support sharing of their data to improve technology but also express concerns over commercial use, associated metadata, and the lack of transparency about the impact of their data. These insights have implications for the development of responsible practices for stewarding accessibility datasets, and can contribute to broader discussions in this area.
• Abstract（参考訳）: aiを組み込んだシステムが障害者に確実に機能するためには、このコミュニティから得られたアクセシビリティデータセットを開発ライフサイクルに導入する必要があります。 しかし、多くの倫理的およびプライバシー上の懸念があるため、そのようなデータセットは容易に利用できない。 そこで本研究では,13名の盲目参加者がデータ収集活動に従事し,aiデータセットを介してデータを共有する決定に影響を及ぼすさまざまな要因を探索することなく反映する。 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に影響するかを確認する。 大多数は、技術を改善するためにデータの共有をサポートするが、商用利用、関連するメタデータ、データの影響に関する透明性の欠如に対する懸念も表現している。 これらの知見はアクセシビリティデータセットを管理するための責任あるプラクティスの開発に影響を及ぼし、この分野の幅広い議論に貢献することができる。

関連論文リスト

• AccessShare: Co-designing Data Access and Sharing with Blind People [13.405455952573005]
  盲人はしばしば、AIイノベーションのためのデータセットに画像データをコントリビュートするために呼ばれる。 しかし、投稿された画像の視覚検査はアクセスできない。 このギャップに対処するため、私たちは、スマートグラスを着用し、自宅にAIを注入したアプリケーションを使用して画像データを収集するシナリオに、10人の盲目の参加者を巻き込みます。
  論文  参考訳（メタデータ） (2024-07-27T23:39:58Z)
• Lazy Data Practices Harm Fairness Research [49.02318458244464]
  本稿では,公正な機械学習データセットを包括的に分析し,不反射的手法がアルゴリズム的公正度発見の到達度と信頼性をいかに妨げているかを示す。 本分析では,(1)データと評価における特定の保護属性の表現のテクスブフラック,(2)データ前処理におけるマイノリティの広汎なテキストbf,(3)フェアネス研究の一般化を脅かすテキストbfopaqueデータ処理の3つの分野について検討した。 この研究は、公正なMLにおけるデータプラクティスの批判的な再評価の必要性を強調し、データセットのソーシングと使用の両方を改善するための指針を提供する。
  論文  参考訳（メタデータ） (2024-04-26T09:51:24Z)
• Insights from an experiment crowdsourcing data from thousands of US Amazon users: The importance of transparency, money, and data use [6.794366017852433]
  本稿は、米国5000人以上のユーザーから5年間にわたる、アクセス不能なAmazon購入履歴をクラウドソーシングする革新的なアプローチを共有する。 我々は参加者の同意を優先し、実験的な研究デザインを含むデータ収集ツールを開発した。 実験結果(N=6325)は、金銭的インセンティブと透明性の両方がデータ共有を大幅に増加させることを示している。
  論文  参考訳（メタデータ） (2024-04-19T20:45:19Z)
• Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
  まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。 次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。 提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-11-22T22:15:17Z)
• Towards Generalizable Data Protection With Transferable Unlearnable Examples [50.628011208660645]
  本稿では、転送不可能な例を生成することによって、新しい一般化可能なデータ保護手法を提案する。 私たちの知る限りでは、これはデータ分散の観点からデータのプライバシを調べる最初のソリューションです。
  論文  参考訳（メタデータ） (2023-05-18T04:17:01Z)
• Exploring and Improving the Accessibility of Data Privacy-related Information for People Who Are Blind or Low-vision [22.66113008033347]
  視覚障害者のプライバシの態度と行動について検討する。 本研究は,21名の米国参加者を対象に,詳細なインタビューを行った。 この研究の目的は、よりアクセスしやすいプライバシーツールに対するユーザーグループのニーズをよりよく理解することである。
  論文  参考訳（メタデータ） (2022-08-21T20:54:40Z)
• 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)
• Lessons from the AdKDD'21 Privacy-Preserving ML Challenge [57.365745458033075]
  W3Cの顕著な提案では、過去のディスプレイの集計された、差別化されたプライベートなレポートを通じてのみ広告信号を共有することができる。 この提案を広く研究するために、AdKDD'21でオープンなプライバシ保護機械学習チャレンジが行われた。 重要な発見は、大量の集約されたデータの小さな集合が存在する場合の学習モデルは驚くほど効率的で安価であることである。
  論文  参考訳（メタデータ） (2022-01-31T11:09:59Z)
• Trustworthy Transparency by Design [57.67333075002697]
  本稿では,ユーザ信頼とエクスペリエンスに関する研究を取り入れた,ソフトウェア設計のための透明性フレームワークを提案する。 私たちのフレームワークは、その設計に透明性を取り入れたソフトウェアの開発を可能にします。
  論文  参考訳（メタデータ） (2021-03-19T12:34:01Z)
• 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)

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。