論文の概要: Identifying Early Help Referrals For Local Authorities With Machine Learning And Bias Analysis

• arxiv url: http://arxiv.org/abs/2307.06871v1
• Date: Thu, 13 Jul 2023 16:19:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-14 13:59:12.356418
• Title: Identifying Early Help Referrals For Local Authorities With Machine Learning And Bias Analysis
• Title（参考訳）: 機械学習とバイアス分析による地方自治体の早期支援基準の特定
• Authors: Eufr\'asio de A. Lima Neto, Jonathan Bailiss, Axel Finke, Jo Miller, Georgina Cosma
• Abstract要約: イングランドの地方自治体は、若者の人生のどの時点でも提供できるアーリーヘルプサービスを提供している。 本稿では,早期ヘルプ評価と支援を行う必要のある家族を特定するための機械学習(ML)の利用について検討する。
• 参考スコア（独自算出の注目度）: 0.2939891130492345
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Local authorities in England, such as Leicestershire County Council (LCC), provide Early Help services that can be offered at any point in a young person's life when they experience difficulties that cannot be supported by universal services alone, such as schools. This paper investigates the utilisation of machine learning (ML) to assist experts in identifying families that may need to be referred for Early Help assessment and support. LCC provided an anonymised dataset comprising 14360 records of young people under the age of 18. The dataset was pre-processed, machine learning models were build, and experiments were conducted to validate and test the performance of the models. Bias mitigation techniques were applied to improve the fairness of these models. During testing, while the models demonstrated the capability to identify young people requiring intervention or early help, they also produced a significant number of false positives, especially when constructed with imbalanced data, incorrectly identifying individuals who most likely did not need an Early Help referral. This paper empirically explores the suitability of data-driven ML models for identifying young people who may require Early Help services and discusses their appropriateness and limitations for this task.
• Abstract（参考訳）: レスターシャー郡議会(英語版) (lcc) のようなイングランドの地方自治体は、学校のような普遍的なサービスだけではサポートできない困難を経験する若者の人生のどの時点でも提供できる早期支援サービスを提供している。 本稿では,早期ヘルプ評価と支援を行うために必要な家族を特定するための機械学習(ML)の利用について検討する。 LCCは18歳未満の若者14360人の匿名データセットを提供した。 データセットは前処理され、機械学習モデルが構築され、モデルのパフォーマンスを検証およびテストするために実験が行われた。 これらのモデルの公平性を改善するためにバイアス緩和技術を適用した。 テスト中、これらのモデルは介入や早期支援を必要とする若者を特定する能力を示したが、特に不均衡なデータで構築された場合、早期支援の参照を必要としない可能性のある個人を誤って識別する、かなりの数の偽陽性も生み出した。 本稿では,早期ヘルプサービスを必要とする若年者を特定するためのデータ駆動型MLモデルの適合性を実証的に検討し,その妥当性と限界について考察する。

関連論文リスト

• Exploration of Adolescent Depression Risk Prediction Based on Census Surveys and General Life Issues [7.774933303698165]
  青年期におけるうつ病の頻度は着実に増加している。 尺度や面接に依存する従来の診断方法は、特に若者のうつ病を検出するには不十分である。 本研究では,高度不均衡な高次元データを管理する手法と,データ構造特性に合わせた適応予測手法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T09:14:25Z)
• Not Just Training, Also Testing: High School Youths' Perspective-Taking through Peer Testing Machine Learning-Powered Applications [0.0]
  機械学習アプリケーションのテストは、アプリケーションの作者が障害やエッジケースを特定し、対処するのに役立ちます。 我々は、11人の高校生が物理コンピューティングプロジェクトを作った2週間のワークショップで収集したワークシート、オーディオ、ビデオの録音テストを分析した。 その結果、ピアテストの若者は、トレーニングデータセットのサイズ、トレーニングデータの多様性、クラスの設計、トレーニングデータを生成するコンテキストに反映していることがわかった。
  論文  参考訳（メタデータ） (2023-11-21T17:15:43Z)
• Beyond Fairness: Age-Harmless Parkinson's Detection via Voice [32.18414430326228]
  パーキンソン病(PD)は発声障害や発声障害として現れる。 ディープラーニングモデルは、現在、さまざまな年齢の発症に関する公平性の問題を抱えている。 本研究では,GradCAMに基づく特徴マスキングとアンサンブルモデルを組み合わせた新しいデバイアス手法を提案する。
  論文  参考訳（メタデータ） (2023-09-23T07:23:44Z)
• Angler: Helping Machine Translation Practitioners Prioritize Model Improvements [21.873094411355254]
  機械学習の実践者は、エラーの性質、スコープ、およびユーザへの影響を推定するために、小さなターゲットテストセットを構築していることがわかった。 私たちはこの洞察を、機械翻訳モデルを用いたケーススタディで構築し、インタラクティブなビジュアル分析ツールであるAnglerを開発した。 7つの機械翻訳の専門家によるユーザスタディでは、入力空間が無限の場合の優先順位付けのプラクティスを理解するために、Anglerを使用しました。
  論文  参考訳（メタデータ） (2023-04-12T16:43:39Z)
• SF-PATE: Scalable, Fair, and Private Aggregation of Teacher Ensembles [50.90773979394264]
  本稿では、個人の機密情報のプライバシーを保護しつつ、差別的でない予測者の学習を可能にするモデルについて検討する。 提案モデルの主な特徴は、プライバシ保護とフェアモデルを作成するために、オフ・ザ・セルフと非プライベートフェアモデルの採用を可能にすることである。
  論文  参考訳（メタデータ） (2022-04-11T14:42:54Z)
• LAE : Long-tailed Age Estimation [52.5745217752147]
  まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。 標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。 本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-25T09:05:44Z)
• Exploring Bayesian Deep Learning for Urgent Instructor Intervention Need in MOOC Forums [58.221459787471254]
  大規模なオープンオンラインコース(MOOC)は、その柔軟性のおかげで、eラーニングの一般的な選択肢となっている。 多くの学習者とその多様な背景から、リアルタイムサポートの提供は課税されている。 MOOCインストラクターの大量の投稿と高い作業負荷により、インストラクターが介入を必要とするすべての学習者を識別できる可能性は低いです。 本稿では,モンテカルロドロップアウトと変分推論という2つの手法を用いて,学習者によるテキスト投稿のベイジアン深層学習を初めて検討する。
  論文  参考訳（メタデータ） (2021-04-26T15:12:13Z)
• Individual Explanations in Machine Learning Models: A Survey for Practitioners [69.02688684221265]
  社会的関連性の高い領域の決定に影響を与える洗練された統計モデルの使用が増加しています。 多くの政府、機関、企業は、アウトプットが人間の解釈可能な方法で説明しにくいため、採用に消極的です。 近年,機械学習モデルに解釈可能な説明を提供する方法として,学術文献が多数提案されている。
  論文  参考訳（メタデータ） (2021-04-09T01:46:34Z)
• Early Autism Spectrum Disorders Diagnosis Using Eye-Tracking Technology [62.997667081978825]
  資金不足、資格のある専門家の欠如、そして修正方法に対する信頼度の低いことが、AMDのリアルタイム診断に影響を及ぼす主要な問題である。 我々のチームは、子どもの視線活動の情報に基づいて、ALDの確率を予測するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-08-21T20:22:55Z)
• A Smartphone-based System for Real-time Early Childhood Caries Diagnosis [76.71303610807156]
  6歳未満の小児では, 乳児期チャイナリー (ECC) が最も多いが, 予防可能な慢性疾患である。 本研究では,キャビティ検出のための多段階深層学習システムを提案する。 我々は、ディープラーニングシステムを、早期からECCを診断し、トレーニングされていないユーザにリアルタイムな結果を提供する、使い易いモバイルアプリケーションに統合する。
  論文  参考訳（メタデータ） (2020-08-17T21:11:19Z)

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。