論文の概要: Sociotechnical Audits: Broadening the Algorithm Auditing Lens to Investigate Targeted Advertising

• arxiv url: http://arxiv.org/abs/2308.15768v1
• Date: Wed, 30 Aug 2023 05:26:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-31 14:43:01.596965
• Title: Sociotechnical Audits: Broadening the Algorithm Auditing Lens to Investigate Targeted Advertising
• Title（参考訳）: 社会技術的監査 : ターゲット広告調査のためのレンズ監査アルゴリズムの拡充
• Authors: Michelle S. Lam, Ayush Pandit, Colin H. Kalicki, Rachit Gupta, Poonam Sahoo, Dana\"e Metaxa
• Abstract要約: 本稿では,アルゴリズムとユーザ間の相互作用に着目した社会工学的監査の概念を提案する。 我々は,同意・補償された参加者による縦断的社会技術監査を行うためのプラットフォームであるIntervenrを開発した。 われわれはIntervenrを2週間にわたるオンライン広告の社会技術監査で展開し、パーソナライズされた広告ターゲティングがユーザーにとってより効果的であるという中心的な前提を調査した。
• 参考スコア（独自算出の注目度）: 1.6422305456306596
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Algorithm audits are powerful tools for studying black-box systems. While very effective in examining technical components, the method stops short of a sociotechnical frame, which would also consider users as an integral and dynamic part of the system. Addressing this gap, we propose the concept of sociotechnical auditing: auditing methods that evaluate algorithmic systems at the sociotechnical level, focusing on the interplay between algorithms and users as each impacts the other. Just as algorithm audits probe an algorithm with varied inputs and observe outputs, a sociotechnical audit (STA) additionally probes users, exposing them to different algorithmic behavior and measuring resulting attitudes and behaviors. To instantiate this method, we develop Intervenr, a platform for conducting browser-based, longitudinal sociotechnical audits with consenting, compensated participants. Intervenr investigates the algorithmic content users encounter online and coordinates systematic client-side interventions to understand how users change in response. As a case study, we deploy Intervenr in a two-week sociotechnical audit of online advertising (N=244) to investigate the central premise that personalized ad targeting is more effective on users. In the first week, we collect all browser ads delivered to users, and in the second, we deploy an ablation-style intervention that disrupts normal targeting by randomly pairing participants and swapping all their ads. We collect user-oriented metrics (self-reported ad interest and feeling of representation) and advertiser-oriented metrics (ad views, clicks, and recognition) throughout, along with a total of over 500,000 ads. Our STA finds that targeted ads indeed perform better with users, but also that users begin to acclimate to different ads in only a week, casting doubt on the primacy of personalized ad targeting given the impact of repeated exposure.
• Abstract（参考訳）: アルゴリズム監査はブラックボックスシステムを研究するための強力なツールである。 技術的なコンポーネントを調べるのに非常に効果的だが、この方法は社会工学的な枠組みに留まらず、ユーザーをシステム統合的かつダイナミックな部分と見なす。 このギャップに対処するために,我々は,社会学的レベルでアルゴリズムシステムを評価する監査手法である社会技術的監査の概念を提案する。 アルゴリズム監査が様々な入力でアルゴリズムを探索し、出力を観察するのと同じように、社会技術監査(STA)はユーザーを調査し、異なるアルゴリズムの振る舞いに公開し、結果として生じる態度や行動を測定する。 この方法を実現するために,ブラウザベースの縦型社会技術的監査を行うプラットフォームであるintervenrを開発した。 intervenrはユーザーがオンラインで遭遇するアルゴリズムコンテンツを調査し、ユーザーがどう反応するかを理解するためにクライアント側の介入を体系的に調整する。 ケーススタディでは、Intervenrを2週間にわたるオンライン広告の社会技術監査(N=244)に展開し、パーソナライズされた広告ターゲティングがユーザにとってより効果的であるという中心的な前提について検討する。 最初の1週間は、ユーザに提供するすべてのブラウザ広告を収集し、2回目は、ランダムにペアリングし、すべての広告を交換することで、通常のターゲティングを阻害するアブレーションスタイルの介入を展開します。 ユーザ指向の指標(自己申告広告の興味と表現感)と広告主指向の指標(広告ビュー、クリック、認識)を、合計50万以上の広告とともに収集する。 当社のstaは、ターゲット広告が本当にユーザーに対して良好であることを発見したが、ユーザーは1週間で異なる広告に慣れ始め、繰り返し露出される影響からパーソナライズされた広告ターゲティングのプライマリ性に疑問を投げかけている。

関連論文リスト

• Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
  本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。 9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
  論文  参考訳（メタデータ） (2024-10-03T13:02:07Z)
• Measuring Strategization in Recommendation: Users Adapt Their Behavior to Shape Future Content [66.71102704873185]
  実験と調査を行うことで,ユーザストラテジゼーションの試行を行う。 参加者の居住時間や「いいね!」の使用など,結果指標間での戦略化の強い証拠を見出す。 この結果から,プラットフォームはアルゴリズムがユーザの行動に与える影響を無視できないことが示唆された。
  論文  参考訳（メタデータ） (2024-05-09T07:36:08Z)
• Can Probabilistic Feedback Drive User Impacts in Online Platforms? [26.052963782865294]
  コンテンツレコメンデーションシステムのネガティブなユーザへの影響に関する一般的な説明は、プラットフォームの目的とユーザ福祉の相違である。 本研究は,ユーザに対する意図しない影響の潜在的な原因は,プラットフォーム目標の不一致だけではないことを示す。 これらのユーザーへの影響の源泉は、異なるコンテンツが観測可能なユーザー反応(フィードバック情報)を異なるレートで生成する可能性があることである。
  論文  参考訳（メタデータ） (2024-01-10T18:12:31Z)
• Online Decision Mediation [72.80902932543474]
  意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。 臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
  論文  参考訳（メタデータ） (2023-10-28T05:59:43Z)
• Sequence-aware item recommendations for multiply repeated user-item interactions [0.0]
  項目推薦のタスクにおいて時間次元を誘導するレコメンデータシステムを設計する。 推薦を行うために、各ユーザに対するアイテムインタラクションのシーケンスを検討する。 本手法は,小売環境におけるユーザとユーザ間のインタラクションを高精度に予測する試みである。
  論文  参考訳（メタデータ） (2023-04-02T17:06:07Z)
• Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
  本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。 本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
  論文  参考訳（メタデータ） (2022-06-27T08:16:59Z)
• Incentivizing Combinatorial Bandit Exploration [87.08827496301839]
  自己関心のあるユーザに対してレコメンデーションシステムでアクションを推奨するバンディットアルゴリズムを考える。 ユーザーは他のアクションを自由に選択でき、アルゴリズムの推奨に従うためにインセンティブを得る必要がある。 ユーザは悪用を好むが、アルゴリズムは、前のユーザから収集した情報を活用することで、探索にインセンティブを与えることができる。
  論文  参考訳（メタデータ） (2022-06-01T13:46:25Z)
• On the Convergence of Clustered Federated Learning [57.934295064030636]
  統合学習システムでは、例えばモバイルデバイスや組織参加者といったクライアントは通常、個人の好みや行動パターンが異なる。 本稿では,クライアントグループと各クライアントを統一最適化フレームワークで活用する,新しい重み付きクライアントベースクラスタリングFLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-02-13T02:39:19Z)
• Everyday algorithm auditing: Understanding the power of everyday users in surfacing harmful algorithmic behaviors [8.360589318502816]
  本稿では,日常的なアルゴリズム監査の概念について検討し,問題のあるマシンの動作を検出し,理解し,疑問を呈するプロセスを提案する。 日常のユーザは、より集中的に組織された監査形態による検知を不要にする問題のあるマシン行動に直面するのに強力である、と我々は主張する。
  論文  参考訳（メタデータ） (2021-05-06T21:50:47Z)
• Examining the Impact of Algorithm Awareness on Wikidata's Recommender System Recoin [12.167153941840958]
  Wikidata のガジェットである Recoin のレコメンデータシステムとして MTurk を用いた 105 人の参加者によるオンライン実験を行った。 私たちの発見は、インタラクティブな再設計において、アルゴリズムシステムにおける理解と信頼の正の相関を含む。 以上の結果から,アルゴリズム認識の実証研究において,理解,公正性,正確性,信頼の尺度がまだ徹底していないことが示唆された。
  論文  参考訳（メタデータ） (2020-09-18T20:06:53Z)

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。