論文の概要: "Sch\"one neue Lieferkettenwelt": Workers' Voice und Arbeitsstandards in Zeiten algorithmischer Vorhersage

• arxiv url: http://arxiv.org/abs/2305.11981v1
• Date: Fri, 19 May 2023 20:01:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-24 01:36:56.929289
• Title: "Sch\"one neue Lieferkettenwelt": Workers' Voice und Arbeitsstandards in Zeiten algorithmischer Vorhersage
• Title（参考訳）: sch\"one neue lieferkettenwelt"--西天アルゴリズムにおける労働者の声とアーベイト標準
• Authors: Lukas Daniel Klausner, Maximilian Heimst\"adt, Leonhard Dobusch
• Abstract要約: 我々は、主要な企業がこれらの課題に対処するために使用している新しいアプローチについて議論する。 アルゴリズム予測のための技術的・文化的条件について述べる。 我々は、どのようにして、どのようにして、どのようにして、アルゴリズムによる予測が使えるかのシナリオを開発する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The complexity and increasingly tight coupling of supply chains poses a major logistical challenge for leading companies. Another challenge is that leading companies -- under pressure from consumers, a critical public and legislative measures such as supply chain laws -- have to take more responsibility than before for their suppliers' labour standards. In this paper, we discuss a new approach that leading companies are using to try to address these challenges: algorithmic prediction of business risks, but also environmental and social risks. We describe the technical and cultural conditions for algorithmic prediction and explain how -- from the perspective of leading companies -- it helps to address both challenges. We then develop scenarios on how and with what kind of social consequences algorithmic prediction can be used by leading companies. From the scenarios, we derive policy options for different stakeholder groups to help develop algorithmic prediction towards improving labour standards and worker voice. -- Die Komplexit\"at und zunehmend enge Kopplung vieler Lieferketten stellt eine gro{\ss}e logistische Herausforderung f\"ur Leitunternehmen dar. Eine weitere Herausforderung besteht darin, dass Leitunternehmen -- gedr\"angt durch Konsument:innen, eine kritische \"Offentlichkeit und gesetzgeberische Ma{\ss}nahmen wie die Lieferkettengesetze -- st\"arker als bisher Verantwortung f\"ur Arbeitsstandards in ihren Zulieferbetrieben \"ubernehmen m\"ussen. In diesem Beitrag diskutieren wir einen neuen Ansatz, mit dem Leitunternehmen versuchen, diese Herausforderungen zu bearbeiten: die algorithmische Vorhersage von betriebswirtschaftlichen, aber auch \"okologischen und sozialen Risiken. Wir beschreiben die technischen und kulturellen Bedingungen f\"ur algorithmische Vorhersage und erkl\"aren, wie diese -- aus Perspektive von Leitunternehmen -- bei der Bearbeitung beider Herausforderungen hilft. Anschlie{\ss}end entwickeln wir Szenarien, wie und mit welchen sozialen Konsequenzen algorithmische Vorhersage durch Leitunternehmen eingesetzt werden kann. Aus den Szenarien leiten wir Handlungsoptionen f\"ur verschiedene Stakeholder-Gruppen ab, die dabei helfen sollen, algorithmische Vorhersage im Sinne einer Verbesserung von Arbeitsstandards und Workers' Voice weiterzuentwickeln.
• Abstract（参考訳）: サプライチェーンの複雑さとますます密接な結合は、主要な企業にとって大きな課題となる。 もう1つの課題は、消費者からの圧力の下、サプライチェーン法などの重要な公的および立法的な措置が、サプライヤの労働基準よりも多くの責任を負わなければならないことだ。 本稿では,企業がこれらの課題に対処するために利用する新たなアプローチについて論じる。ビジネスリスクのアルゴリズム予測だけでなく,環境・社会リスクの予測である。 アルゴリズム予測の技術的・文化的条件を説明し、先進的な企業の観点から、両課題にどのように対処するかを説明します。 次に、主要な企業がどのような社会的影響をアルゴリズムで予測できるかというシナリオを開発します。 シナリオから、異なる利害関係者グループの政策オプションを導き、労働基準や労働者の声を改善するためのアルゴリズムによる予測を開発する。 Die Komplexit\"at und zunehmend enge Kopplung vieler Lieferketten stellt eine gro{\ss}e logistische Herausforderung f\"ur Leitunternehmen dar。 Eine weitere Herausforderung besteht darin, dass Leitunternehmen -- gedr\"angt durch Konsument:innen, eine kritische \"Offentlichkeit und gesetzgeberische Ma{\ss}nahmen wie die Lieferkettengesetze -- st\"arker als bisher Verantwortung f\"ur Arbeits standards in ihren Zulieferbetrieben \"ubernehmen m\"ussen 英語: diesem Beitrag diskutieren wir einen neuen Ansatz, mit dem Leitunternehmen versuchen, diese Herausforderungen zu bearbeiten: die algorithmische Vorhersage von betriebswirtschaftlichen, aber auch \"okologischen und sozialen Risiken。 テクニッヒェンとクルチュルレンのベディングングンゲン f\"ur algorithmische vorhersage und erkl\"aren, wie diese— aus perspektive von leitunternehmen— bei der bearbeitung beider herausforderungen hilft アンシュリー・ハイス(anschlie{\ss}end entwickeln wir szenarien, wie und mit welchen sozialen konsequenzen algorithmische vorhersage durch leitunternehmen eingesetzt werden kann Aus den Szenarien leiten wir Handlungsoptionen f\"ur verschiedene Stakeholder-Gruppen ab, die dabei helfen sollen, Algorithmische Vorhersage im Sinne einer Verbesserung von Arbeitsstandards und Workers' Voice weiterzuentwickeln

関連論文リスト

• Challenges and Best Practices in Corporate AI Governance:Lessons from the Biopharmaceutical Industry [0.0]
  我々は、AIガバナンスを運用しようとする組織が直面する課題について議論する。 これらには、AIガバナンスの物質的スコープをどのように定義するかに関する質問が含まれている。 私たちは、一般的なベストプラクティスでAIガバナンスフレームワークを設計、実装する責任を持つプロジェクトマネージャ、AI実践者、データプライバシオフィサーを提供したいと思っています。
  論文  参考訳（メタデータ） (2024-07-07T12:01:42Z)
• Contractual Reinforcement Learning: Pulling Arms with Invisible Hands [68.77645200579181]
  本稿では,契約設計によるオンライン学習問題において,利害関係者の経済的利益を整合させる理論的枠組みを提案する。 計画問題に対して、遠目エージェントに対する最適契約を決定するための効率的な動的プログラミングアルゴリズムを設計する。 学習問題に対して,契約の堅牢な設計から探索と搾取のバランスに至るまでの課題を解き放つために,非回帰学習アルゴリズムの汎用設計を導入する。
  論文  参考訳（メタデータ） (2024-07-01T16:53:00Z)
• Actions Speak What You Want: Provably Sample-Efficient Reinforcement Learning of the Quantal Stackelberg Equilibrium from Strategic Feedbacks [94.07688076435818]
  本研究では,量子スタックルバーグ平衡(QSE)学習のための強化学習を,リーダ・フォロワー構造を持つエピソディックマルコフゲームで研究する。 このアルゴリズムは, (i) 最大推定による量子応答モデル学習と (ii) リーダーの意思決定問題を解決するためのモデルフリーまたはモデルベースRLに基づく。
  論文  参考訳（メタデータ） (2023-07-26T10:24:17Z)
• Trustworthy, responsible, ethical AI in manufacturing and supply chains: synthesis and emerging research questions [59.34177693293227]
  製造の文脈において、責任、倫理、信頼できるAIの適用性について検討する。 次に、機械学習ライフサイクルのより広範な適応を使用して、実証的な例を用いて、各ステップが与えられたAIの信頼性に関する懸念にどのように影響するかを議論します。
  論文  参考訳（メタデータ） (2023-05-19T10:43:06Z)
• Understanding accountability in algorithmic supply chains [7.971065005161566]
  アルゴリズムのアカウンタビリティに関する学術的および政策的な提案は、しばしば、社会技術的文脈においてアルゴリズムシステムを理解しようとする。 さらに、アルゴリズムシステムは、複数のアクターからなるサプライチェーン内で生成、デプロイ、使用されていく。 アルゴリズムのアカウンタビリティに関する議論では、サプライチェーンと、それがアルゴリズムシステムのガバナンスとカウンタビリティにもたらす困難さを考慮しなければなりません。
  論文  参考訳（メタデータ） (2023-04-28T10:43:39Z)
• Minimalistic Predictions to Schedule Jobs with Online Precedence Constraints [117.8317521974783]
  オンライン優先制約による非サーボ的スケジューリングについて検討する。 アルゴリズムは、任意のジョブ依存に偏りがなく、前任者がすべて完了した場合に限り、ジョブについて学習する。
  論文  参考訳（メタデータ） (2023-01-30T13:17:15Z)
• Playing hide and seek: tackling in-store picking operations while improving customer experience [0.0]
  動的店内ピッカー問題ルーティング(diPRP)と呼ばれる新しい問題を定式化する。 この関連する問題 — diPRP — では、ピッカーが顧客の遭遇を最小限に抑えながら、オンライン注文を選択しようとします。 私たちの研究は、オフラインの顧客体験を危険にさらすことなく、小売店がオンライン注文の店内購入を拡大できることを示唆している。
  論文  参考訳（メタデータ） (2023-01-05T16:35:17Z)
• Extending Open Bandit Pipeline to Simulate Industry Challenges [6.626004627015272]
  バンディットアルゴリズムは、事前にラベル付けされたデータが利用できない場合に機械学習(ML)システムをトレーニングするために、電子商取引業界でよく使用される。 しかし、業界設定は、実際にバンディットアルゴリズムを実装することの難しさを生んでいる。 我々は,ブッキング.comの実践者がバンディットアルゴリズムを適用する際に直面する,政治外の最適化,遅延報酬,コンセプトドリフト,報酬設計,ビジネスルール制約の課題について詳述する。
  論文  参考訳（メタデータ） (2022-09-09T07:02:30Z)
• Optimal Robustness-Consistency Trade-offs for Learning-Augmented Online Algorithms [85.97516436641533]
  機械学習予測を取り入れたオンラインアルゴリズムの性能向上の課題について検討する。 目標は、一貫性と堅牢性の両方を備えたアルゴリズムを設計することだ。 機械学習予測を用いた競合解析のための非自明な下界の最初のセットを提供する。
  論文  参考訳（メタデータ） (2020-10-22T04:51:01Z)
• Policy Gradient for Continuing Tasks in Non-stationary Markov Decision Processes [112.38662246621969]
  強化学習は、マルコフ決定プロセスにおいて期待される累積報酬を最大化するポリシーを見つけることの問題を考える。 我々は、ポリシーを更新するために上昇方向として使用する値関数の偏りのないナビゲーション勾配を計算する。 ポリシー勾配型アルゴリズムの大きな欠点は、定常性の仮定が課せられない限り、それらがエピソジックなタスクに限定されていることである。
  論文  参考訳（メタデータ） (2020-10-16T15:15:42Z)

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。