論文の概要: The Initial Screening Order Problem

• arxiv url: http://arxiv.org/abs/2307.15398v2
• Date: Wed, 24 Jan 2024 11:33:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-25 17:42:53.494020
• Title: The Initial Screening Order Problem
• Title（参考訳）: 初期スクリーニング順序問題
• Authors: Jose M. Alvarez and Antonio Mastropietro and Salvatore Ruggieri
• Abstract要約: 本研究は,採用や学術的受験などの候補検診プロセスにおける初期検診順序(ISO)の役割について検討する。 我々は2つの問題定式化を定義する: best-k$, where the screener choose the best candidate, good-k$, where the screener choose the first $k$ good-enough candidate。 分析の結果, グループレベルのフェアネスにもかかわらず, 人型スクリーニングの下のISOは個人のフェアネスを妨げていることが明らかとなった。
• 参考スコア（独自算出の注目度）: 22.596961524387233
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate the role of the initial screening order (ISO) in candidate screening processes, such as hiring and academic admissions. ISO refers to the order in which the screener sorts the candidate pool before the evaluation. It has been largely overlooked in the literature, despite its potential impact on the optimality and fairness of the chosen set, especially under a human screener. We define two problem formulations: best-$k$, where the screener chooses the $k$ best candidates, and good-$k$, where the screener chooses the first $k$ good-enough candidates. To study the impact of ISO, we introduce a human-like screener and compare to its algorithmic counterpart. The human-like screener is conceived to be inconsistent over time due to fatigue. Our analysis shows that the ISO under a human-like screener hinders individual fairness despite meeting group level fairness. This is due to the position bias, where a candidate's evaluation is affected by its position within ISO. We report extensive simulated experiments exploring the parameters of the problem formulations both for algorithmic and human-like screeners. This work is motivated by a real world candidate screening problem studied in collaboration with a large European company.
• Abstract（参考訳）: 本稿では,採用や学業入試等の候補者スクリーニングプロセスにおける初期スクリーニング命令(iso)の役割について検討する。 ISOは、審査者が評価の前に候補プールをソートする順序を指す。 文学では、選択されたセットの最適性と公正性、特にヒトスクリーニングの下での潜在的影響にもかかわらず、ほとんど見過ごされている。 我々は2つの問題定式化を定義する: best-k$, the screener choose the $k$ best candidate, and good-k$, where the screener choose the first $k$ good-enough candidate。 ISO の影響を調べるため,人間ライクなスクリーニングを導入し,アルゴリズムとの比較を行った。 人間のようなスクリーンは、疲労のために時間とともに一貫性がないと考えられている。 分析の結果, グループレベルのフェアネスにもかかわらず, 人型スクリーニングの下のISOは個人のフェアネスを妨げることがわかった。 これは、候補の評価がISO内の位置によって影響を受ける位置バイアスによるものである。 本報告では,問題定式化のパラメータを探索するシミュレーション実験について報告する。 この研究は、ヨーロッパの大企業と共同で研究されている現実世界の候補スクリーニング問題に動機づけられている。

関連論文リスト

• Evaluating the Fairness of Discriminative Foundation Models in Computer Vision [51.176061115977774]
  本稿では,CLIP (Contrastive Language-Pretraining) などの差別基盤モデルのバイアス評価のための新しい分類法を提案する。 そして、これらのモデルにおけるバイアスを緩和するための既存の手法を分類学に関して体系的に評価する。 具体的には,ゼロショット分類,画像検索,画像キャプションなど,OpenAIのCLIPとOpenCLIPモデルをキーアプリケーションとして評価する。
  論文  参考訳（メタデータ） (2023-10-18T10:32:39Z)
• PSDiff: Diffusion Model for Person Search with Iterative and Collaborative Refinement [59.6260680005195]
  本稿では,拡散モデルであるPSDiffに基づく新しいPerson Searchフレームワークを提案する。 PSDiffは、ノイズの多いボックスとReID埋め込みから地上の真実へのデュアルデノケーションプロセスとして検索する人を定式化する。 新しいパラダイムに従って、我々は、反復的かつ協調的な方法で検出とReIDサブタスクを最適化する新しいコラボレーティブ・デノナイジング・レイヤ(CDL)を設計する。
  論文  参考訳（メタデータ） (2023-09-20T08:16:39Z)
• Proxy-based Zero-Shot Entity Linking by Effective Candidate Retrieval [3.1498833540989413]
  本稿では, 逆正則化器とプロキシベースのメトリック学習損失のペアリングが, 候補探索段階における強負サンプリングの効率的な代替手段となることを示す。 特に、リコール@1メートル法で競合性能を示すため、高価な候補ランキングのステップを除外するオプションを提供する。
  論文  参考訳（メタデータ） (2023-01-30T22:43:21Z)
• Personality Detection of Applicants And Employees Using K-mode Algorithm And Ocean Model [0.0]
  応募者の性格タイプを特定するモデルが作成され、雇用主は、人の表情を調べ、スピーチのイントネーションを調べ、再開することで、適格な候補者を見つけることができる。 各質問に対する従業員の態度と行動が調査され、分析されている。 K-Modesクラスタリングは、仕事のプレッシャー、労働環境、同僚との関係など、従業員の幸福度を予測するために使用される。
  論文  参考訳（メタデータ） (2022-12-27T11:00:58Z)
• OIMNet++: Prototypical Normalization and Localization-aware Learning for Person Search [34.460973847554364]
  我々は,人物検索,すなわち,生のシーン画像から人物をローカライズし,再同定するタスクに対処する。 近年のアプローチは、人探索の先駆的な研究であるOIMNetに基づいて構築され、共同人物表現を学習し、検出と人の再識別の両方を行う。 ProtoNormと呼ばれる新しい正規化レイヤを導入し、人身認証の長期分布を考慮しつつ、歩行者の提案から特徴を校正する。
  論文  参考訳（メタデータ） (2022-07-21T06:34:03Z)
• Choosing an algorithmic fairness metric for an online marketplace: Detecting and quantifying algorithmic bias on LinkedIn [0.21756081703275995]
  等資格候補に対する等機会の公平性の概念から、アルゴリズム的公正度計量を導出する。 提案手法は、LinkedInが使用している2つのアルゴリズムの性別に関するアルゴリズムバイアスを計測し、定量化する。
  論文  参考訳（メタデータ） (2022-02-15T10:33:30Z)
• UniCon: Unified Context Network for Robust Active Speaker Detection [111.90529347692723]
  我々は、堅牢なアクティブ話者検出(ASD)のための新しい効率的なフレームワークUnified Context Network(UniCon)を導入する。 私たちのソリューションは、複数の種類のコンテキスト情報を共同でモデリングすることに焦点を当てた、新しく統合されたフレームワークです。 異なる設定下で、いくつかの挑戦的なASDベンチマークで徹底的なアブレーション研究が実施されている。
  論文  参考訳（メタデータ） (2021-08-05T13:25:44Z)
• MS-Ranker: Accumulating Evidence from Potentially Correct Candidates for Answer Selection [59.95429407899612]
  そこで我々は,MS-Ranker という,新しい強化学習に基づくマルチステップランキングモデルを提案する。 我々は、候補の潜在的な正しさを明示的に考慮し、ゲーティング機構で証拠を更新する。 我々のモデルは、外部リソースに依存しない既存の手法を著しく上回ります。
  論文  参考訳（メタデータ） (2020-10-10T10:36:58Z)
• Exploration in two-stage recommender systems [79.50534282841618]
  2段階のレコメンデータシステムは、スケーラビリティと保守性のために業界で広く採用されている。 このセットアップの鍵となる課題は、各ステージの最適性能が最適なグローバルパフォーマンスを暗示していないことである。 そこで本研究では,ランクとノミネーター間の探索戦略を同期させる手法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T16:52:51Z)
• Intersectional Affirmative Action Policies for Top-k Candidates Selection [3.4961413413444817]
  本研究では,トップk候補を応募者のプールから選抜する問題について検討する。 我々は,一部の候補者が歴史的かつ現在の不利を経験している状況を考える。 そこで本研究では,OECD国における学力評価と学士号取得のデータセットを用いて,この問題を解き,解析し,評価する2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-29T12:27:18Z)
• Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking Fairness and Algorithm Utility [54.179859639868646]
  Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。 学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。 本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-15T10:08:39Z)

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。