論文の概要: Approaches to the Algorithmic Allocation of Public Resources: A Cross-disciplinary Review

• arxiv url: http://arxiv.org/abs/2310.06475v1
• Date: Tue, 10 Oct 2023 09:46:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-11 18:02:35.886493
• Title: Approaches to the Algorithmic Allocation of Public Resources: A Cross-disciplinary Review
• Title（参考訳）: 公共資源のアルゴリズム的配置へのアプローチ:学際的考察
• Authors: Saba Esnaashari, Jonathan Bright, John Francis, Youmna Hashem, Vincent Straub, Deborah Morgan
• Abstract要約: 我々は,アルゴリズム割り当ての異なる分野に対するアプローチを理解するために,クロスディシプリナ文献レビューを行った。 最適化目標、テクニック、解釈可能性、柔軟性、バイアス、倫理的考慮、パフォーマンスのレンズから75の論文を分析した。 最適化手法は待ち時間を減らし、成功率を最大50%向上させる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Allocation of scarce resources is a recurring challenge for the public sector: something that emerges in areas as diverse as healthcare, disaster recovery, and social welfare. The complexity of these policy domains and the need for meeting multiple and sometimes conflicting criteria has led to increased focus on the use of algorithms in this type of decision. However, little engagement between researchers across these domains has happened, meaning a lack of understanding of common problems and techniques for approaching them. Here, we performed a cross disciplinary literature review to understand approaches taken for different areas of algorithmic allocation including healthcare, organ transplantation, homelessness, disaster relief, and welfare. We initially identified 1070 papers by searching the literature, then six researchers went through them in two phases of screening resulting in 176 and 75 relevant papers respectively. We then analyzed the 75 papers from the lenses of optimization goals, techniques, interpretability, flexibility, bias, ethical considerations, and performance. We categorized approaches into human-oriented versus resource-oriented perspective, and individual versus aggregate and identified that 76% of the papers approached the problem from a human perspective and 60% from an aggregate level using optimization techniques. We found considerable potential for performance gains, with optimization techniques often decreasing waiting times and increasing success rate by as much as 50%. However, there was a lack of attention to responsible innovation: only around one third of the papers considered ethical issues in choosing the optimization goals while just a very few of them paid attention to the bias issues. Our work can serve as a guide for policy makers and researchers wanting to use an algorithm for addressing a resource allocation problem.
• Abstract（参考訳）: 不足する資源の配分は公共セクターにとって繰り返される課題であり、医療、災害復旧、社会福祉など多様な分野に現れている。 これらのポリシー領域の複雑さと、しばしば相反する基準を満たす必要性は、この種の決定におけるアルゴリズムの使用に焦点を合わせている。 しかし、これらの領域にまたがる研究者同士の関わりはほとんどなく、一般的な問題やアプローチする手法の理解の欠如を意味している。 本稿では,医療,臓器移植,ホームレス,災害救助,福祉など,アルゴリズム的アロケーションの異なる分野に対するアプローチを理解するために,学際横断的文献レビューを行った。 最初は文献を検索して1070件の論文を同定し、6人の研究者がそれぞれ176件と75件の関連論文をスクリーニングした。 次に、最適化目標、技術、解釈可能性、柔軟性、バイアス、倫理的考察、パフォーマンスのレンズから75の論文を分析した。 論文の76%が人間的視点からこの問題にアプローチし,60%は最適化手法を用いてアグリゲートレベルからアプローチした。 最適化技術は、しばしば待ち時間を短縮し、成功率を最大50%向上させます。 しかし、責任あるイノベーションに注意が払われていなかった: わずか3分の1の論文は、最適化目標の選択における倫理的問題を検討したが、ごくわずかしかバイアス問題に注意を払わなかった。 我々の研究は、資源配分問題に対処するアルゴリズムを使いたいと望む政策立案者や研究者のガイドとして機能する。

関連論文リスト

• 15 Years of Algorithmic Fairness -- Scoping Review of Interdisciplinary Developments in the Field [0.0]
  本稿では,過去15年間のアルゴリズムフェアネス研究のスコーピングレビューについて述べる。 あらゆる記事は、コンピュータ科学と法学の分野から来ており、集団に差別的影響を与える可能性のあるAIアルゴリズムに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-23T07:50:01Z)
• Responsible AI Considerations in Text Summarization Research: A Review of Current Practices [89.85174013619883]
  私たちは、責任あるAIコミュニティがほとんど見落としている共通のNLPタスクである、テキスト要約に重点を置いています。 我々は,2020-2022年に出版されたACLアンソロジーから333の要約論文の多段階的質的分析を行った。 私たちは、どの、どの、どの責任あるAI問題がカバーされているか、どの関係するステークホルダーが考慮されているか、そして、述べられた研究目標と実現された研究目標のミスマッチに焦点を合わせます。
  論文  参考訳（メタデータ） (2023-11-18T15:35:36Z)
• Fairness and Bias in Algorithmic Hiring: a Multidisciplinary Survey [43.463169774689646]
  この調査は、システム、バイアス、尺度、緩和戦略、データセット、およびアルゴリズム雇用と公正性の法的側面のバランスよく統合されたカバレッジを持つ実践者や研究者を対象としている。 私たちの仕事は、現在の機会と制限を強調し、すべての利害関係者に対する共有メリットを保証するために、将来の作業に対する推奨を提供することによって、この技術のコンテキスト化された理解とガバナンスを支援します。
  論文  参考訳（メタデータ） (2023-09-25T08:04:18Z)
• Why is the winner the best? [78.74409216961632]
  IEEE I SBI 2021 と MICCAI 2021 の範囲で実施した80のコンペすべてを対象に,マルチセンターで実施した。 勝者となるソリューションとしては、マルチタスク学習(63%)、マルチステージパイプライン(61%)、拡大(100%)、画像前処理(97%)、データキュレーション(79%)、後処理(66%)などがある。 高ランクのチームでは、メソッド設計におけるメトリクスの反映と、障害ケースの分析と処理に焦点を当てた2つの中核的な開発戦略が目立った。
  論文  参考訳（メタデータ） (2023-03-30T21:41:42Z)
• A Gold Standard Dataset for the Reviewer Assignment Problem [117.59690218507565]
  類似度スコア(Similarity score)とは、論文のレビューにおいて、レビュアーの専門知識を数値で見積もるものである。 私たちのデータセットは、58人の研究者による477の自己申告された専門知識スコアで構成されています。 2つの論文をレビュアーに関連付けるタスクは、簡単なケースでは12%～30%、ハードケースでは36%～43%である。
  論文  参考訳（メタデータ） (2023-03-23T16:15:03Z)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
  データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。 研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。 公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。 残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
  論文  参考訳（メタデータ） (2022-02-03T17:25:46Z)
• Weight-Sharing Neural Architecture Search: A Battle to Shrink the Optimization Gap [90.93522795555724]
  ニューラルアーキテクチャサーチ(NAS)は、学術と産業の両方で注目を集めている。 重み共有手法は、多くのアーキテクチャが同一のスーパーネットワークで重みを共有している。 本稿では,NAS,特に重み付け手法に関する文献レビューを行う。
  論文  参考訳（メタデータ） (2020-08-04T11:57:03Z)
• How to Evaluate Solutions in Pareto-based Search-Based Software Engineering? A Critical Review and Methodological Guidance [9.040916182677963]
  本稿では,検索ベースSEにおける多目的最適化の品質評価について検討する。 SBSEにおける品質評価指標/手法と一般的な状況の詳細な分析を行う。 異なるSBSEシナリオにおける評価手法の選択と利用のための方法論的ガイダンスをコーデレートする。
  論文  参考訳（メタデータ） (2020-02-20T22:12:13Z)

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。