論文の概要: Popular Support for Balancing Equity and Efficiency in Resource Allocation: A Case Study in Online Advertising to Increase Welfare Program Awareness

• arxiv url: http://arxiv.org/abs/2304.08530v1
• Date: Mon, 17 Apr 2023 18:01:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-19 16:50:17.748054
• Title: Popular Support for Balancing Equity and Efficiency in Resource Allocation: A Case Study in Online Advertising to Increase Welfare Program Awareness
• Title（参考訳）: 資源配分におけるバランスの確保と効率性:福祉プログラムの意識向上を目的としたオンライン広告を事例として
• Authors: Allison Koenecke, Eric Giannella, Robb Willer, Sharad Goel
• Abstract要約: 広告が1ドルあたりの登録者数に最適化されている場合、不当に少数のスペイン人話者が登録していることを示している。 効率性に加えて、株式の評価にも広く支持されている。 これらの結果は、アルゴリズム資源割り当てで一般的な効率中心のパラダイムを再評価する近年の要求に反する。
• 参考スコア（独自算出の注目度）: 0.45880283710344055
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Algorithmically optimizing the provision of limited resources is commonplace across domains from healthcare to lending. Optimization can lead to efficient resource allocation, but, if deployed without additional scrutiny, can also exacerbate inequality. Little is known about popular preferences regarding acceptable efficiency-equity trade-offs, making it difficult to design algorithms that are responsive to community needs and desires. Here we examine this trade-off and concomitant preferences in the context of GetCalFresh, an online service that streamlines the application process for California's Supplementary Nutrition Assistance Program (SNAP, formerly known as food stamps). GetCalFresh runs online advertisements to raise awareness of their multilingual SNAP application service. We first demonstrate that when ads are optimized to garner the most enrollments per dollar, a disproportionately small number of Spanish speakers enroll due to relatively higher costs of non-English language advertising. Embedding these results in a survey (N = 1,532) of a diverse set of Americans, we find broad popular support for valuing equity in addition to efficiency: respondents generally preferred reducing total enrollments to facilitate increased enrollment of Spanish speakers. These results buttress recent calls to reevaluate the efficiency-centric paradigm popular in algorithmic resource allocation.
• Abstract（参考訳）: 限られたリソースの供給をアルゴリズム的に最適化することは、医療から融資まで、ドメイン間で共通している。 最適化は効率的なリソース割り当てにつながるが、追加の監視なしにデプロイすれば、不平等も悪化する。 許容できる効率と等価性のトレードオフに関する一般的な好みについてはほとんど知られていないため、コミュニティのニーズや欲求に反応するアルゴリズムを設計することは困難である。 本稿では、カリフォルニアの栄養補助プログラム(SNAP、以前はフードスタンプと呼ばれていた)の応用プロセスを効率化するオンラインサービスであるGetCalFreshの文脈で、このトレードオフとコンコニタントな嗜好について検討する。 GetCalFreshは、多言語SNAPアプリケーションサービスの認知を高めるために、オンライン広告を運営している。 まず、広告が1ドルあたりの登録数を最大限に増やすように最適化された場合、非英語の言語広告のコストが比較的高いため、不釣り合いに少数のスペイン語話者が登録されることを実証する。 これらの結果を多種多様なアメリカ人の調査(N = 1,532)に組み込むと、効率性に加えて株式を評価することに対する広く一般的な支持が得られます。 これらの結果は、アルゴリズム資源割り当てで一般的な効率中心のパラダイムを再評価する近年の要求に反する。

関連論文リスト

• Auditing for Racial Discrimination in the Delivery of Education Ads [50.37313459134418]
  本稿では,教育機会のための広告配信において,人種的偏見を評価できる新たな第三者監査手法を提案する。 メタのアルゴリズムによる教育機会の広告配信における人種差別の証拠を見つけ、法的および倫理的懸念を訴える。
  論文  参考訳（メタデータ） (2024-06-02T02:00:55Z)
• Improving Point-based Crowd Counting and Localization Based on Auxiliary Point Guidance [59.71186244597394]
  本稿では,提案手法における提案対象マッチングの安定化に有効な手法を提案する。 本稿では,提案手法の選択と最適化のために,Auxiliary Point Guidance (APG)を提案する。 また,多様な群集シナリオにおける適応的特徴抽出を可能にするために,IFI(Implicit Feature Interpolation)を開発した。
  論文  参考訳（メタデータ） (2024-05-17T07:23:27Z)
• Efficient Public Health Intervention Planning Using Decomposition-Based Decision-Focused Learning [33.14258196945301]
  介入計画の高速化のために、レスレスマルチアーマッドバンド(RMAB)の構造を利用する方法を示す。 私たちはインドのNGOであるARMMANの実際のデータを使って、我々のアプローチが最先端のアプローチよりも最大2桁高速であることを示す。
  論文  参考訳（メタデータ） (2024-03-08T21:31:00Z)
• A Cost-Aware Mechanism for Optimized Resource Provisioning in Cloud Computing [6.369406986434764]
  我々は,要求のコスト削減を保証する新しい学習ベースの資源供給手法を提案してきた。 我々の手法は要求のほとんどを効率的に適応させ、さらに結果のパフォーマンスは設計目標に合致する。
  論文  参考訳（メタデータ） (2023-09-20T13:27:30Z)
• Analyzing and Reducing the Performance Gap in Cross-Lingual Transfer with Fine-tuning Slow and Fast [50.19681990847589]
  既存の研究では、1つの(ソース)言語で微調整された多言語事前学習言語モデルが、非ソース言語の下流タスクでもうまく機能していることが示されている。 本稿では、微調整プロセスを分析し、パフォーマンスギャップがいつ変化するかを分析し、ネットワークの重みが全体のパフォーマンスに最も影響するかを特定する。
  論文  参考訳（メタデータ） (2023-05-19T06:04:21Z)
• GAC: A Deep Reinforcement Learning Model Toward User Incentivization in Unknown Social Networks [3.3946853660795884]
  本稿では,GAC(Geometric Actor-Critic)と呼ばれるエンドツーエンドの強化学習に基づくフレームワークを提案する。 提案したGACの性能を評価するために,実世界の3つのソーシャルネットワークデータセットを用いた。
  論文  参考訳（メタデータ） (2022-03-17T19:41:49Z)
• Two-sided fairness in rankings via Lorenz dominance [20.875347023588652]
  我々は,レコメンデーションシステムにおいて,ユーザと商品生産者の両方に対して公平なランキングを生成することの問題点を考察する。 我々はローレンツ効率の基準を用いて公正性の概念を定式化する。 公平性制約に基づく既存のアプローチとは異なり、我々のアプローチは常に公平なランキングを生成する。
  論文  参考訳（メタデータ） (2021-10-28T17:56:32Z)
• Contingency-Aware Influence Maximization: A Reinforcement Learning Approach [52.109536198330126]
  インフルエンス(IM)問題は、インフルエンスの普及を最大化する、ソーシャルネットワーク内のシードノードのサブセットを見つけることを目的としている。 本研究では、招待されたノードがシードであるかどうかが不確実なIM問題(contingency-aware IM)に焦点をあてる。 最初の成功にもかかわらず、より多くのコミュニティへのソリューションの推進における大きな実践上の障害は、欲張りのアルゴリズムの巨大な実行時である。
  論文  参考訳（メタデータ） (2021-06-13T16:42:22Z)
• Unsupervised Cross-Lingual Speech Emotion Recognition Using DomainAdversarial Neural Network [48.1535353007371]
  SER(Cross-domain Speech Emotion Recog-nition)は、ソースとターゲットドメイン間の分散シフトによる課題である。 本論文では,この分散シフトを緩和するためのDANN(Domain Adversarial Neural Network)ベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-21T08:21:11Z)
• Dynamic Knapsack Optimization Towards Efficient Multi-Channel Sequential Advertising [52.3825928886714]
  我々は、動的knapsack問題として、シーケンシャルな広告戦略最適化を定式化する。 理論的に保証された二段階最適化フレームワークを提案し、元の最適化空間の解空間を大幅に削減する。 強化学習の探索効率を向上させるため,効果的な行動空間削減手法も考案した。
  論文  参考訳（メタデータ） (2020-06-29T18:50:35Z)

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。