論文の概要: Religious Affiliation in the Twenty-First Century: A Machine Learning
Perspective on the World Value Survey
- arxiv url: http://arxiv.org/abs/2310.10874v1
- Date: Mon, 16 Oct 2023 23:01:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 18:36:23.790234
- Title: Religious Affiliation in the Twenty-First Century: A Machine Learning
Perspective on the World Value Survey
- Title（参考訳）: 21世紀における宗教関係--世界価値調査における機械学習の視点から
- Authors: Elaheh Jafarigol, William Keely, Tess Hartog, Tom Welborn, Peyman
Hekmatpour, Theodore B. Trafalis
- Abstract要約: 本稿では,世界価値調査によって収集されたデータを定量的に分析する。
本研究の目的は、信頼度の重要な要因を特定し、調査の回答者を宗教的・非宗教的に分類することである。
変数重要度分析の結果は、ほとんどの国で年齢と所得が最も重要な変数であることを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper is a quantitative analysis of the data collected globally by the
World Value Survey. The data is used to study the trajectories of change in
individuals' religious beliefs, values, and behaviors in societies. Utilizing
random forest, we aim to identify the key factors of religiosity and classify
respondents of the survey as religious and non religious using country level
data. We use resampling techniques to balance the data and improve imbalanced
learning performance metrics. The results of the variable importance analysis
suggest that Age and Income are the most important variables in the majority of
countries. The results are discussed with fundamental sociological theories
regarding religion and human behavior. This study is an application of machine
learning in identifying the underlying patterns in the data of 30 countries
participating in the World Value Survey. The results from variable importance
analysis and classification of imbalanced data provide valuable insights
beneficial to theoreticians and researchers of social sciences.
- Abstract（参考訳）: 本稿では,世界値調査によって収集されたデータを定量的に分析する。
このデータは、社会における個人の宗教的信念、価値観、行動の変化の軌跡を研究するために用いられる。
本研究は,無作為林の利用により,信頼度の主要な要因を特定し,国レベルのデータを用いて宗教的・非宗教的に分類することを目的とする。
データのバランスを保ち、不均衡な学習パフォーマンスメトリクスを改善するために、再サンプリング技術を使用します。
変動重要度分析の結果は、ほとんどの国で年齢と所得が最も重要な変数であることを示している。
結果は、宗教と人間の行動に関する基本的な社会学的理論と議論される。
本研究は,世界価値調査に参加する30カ国のデータに基盤となるパターンを特定するための機械学習の応用である。
不均衡データの可変重要度分析と分類の結果は、理論家や社会科学研究者にとって有益な洞察を与える。
関連論文リスト
- Data-Centric AI in the Age of Large Language Models [51.20451986068925]
本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。
本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。
データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
論文 参考訳（メタデータ） (2024-06-20T16:34:07Z) - Bridging the Gap: Protocol Towards Fair and Consistent Affect Analysis [24.737468736951374]
日々の生活における機械学習アルゴリズムの統合の増加は、その展開における公平性と公平性の重要性を浮き彫りにしている。
既存のデータベースと方法論は均一性に欠けており、バイアスのある評価につながっている。
この研究は、6つの感情的なデータベースを分析し、属性を注釈付けし、データベース分割のための共通のプロトコルを提案することで、これらの問題に対処する。
論文 参考訳（メタデータ） (2024-05-10T22:40:01Z) - Discipline and Label: A WEIRD Genealogy and Social Theory of Data
Annotation [11.48611587310938]
データアノテーションは、マシンラーニングやAIとは相変わらず無関係だ。
近年の実証研究は、公正性に対するレーダ多様性の重要性、モデル性能、ラベルに対するアノテータの主観性の役割を強調している。
本稿では,その心理的・知覚的側面から,データアノテーションの批判的系譜を概説する。
論文 参考訳（メタデータ） (2024-02-09T22:21:55Z) - Improving Fairness in Large-Scale Object Recognition by CrowdSourced
Demographic Information [7.968124582214686]
機械学習データセットでオブジェクトをかなり表現することは、特定の文化に対するバイアスの少ないモデルにつながるだろう。
コントリビュータの人口構成をクラウドソーシングした,シンプルで汎用的なアプローチを提案する。
既存のデータセットと比較して、より公平な世界カバレッジをもたらす分析結果を提示します。
論文 参考訳（メタデータ） (2022-06-02T22:55:10Z) - Understanding peacefulness through the world news [1.6975704972827304]
我々は,GDELT(Global Data on Events, Location, and Tone)デジタルニュースデータベースから抽出した情報を利用して,GPI(Global Peace Index)を通して平和性を捉える。
予測機械学習モデルを用いることで,GDELTからのニュースメディアの注目度を,GPIを月次レベルで測定するためのプロキシとして利用できることを示す。
論文 参考訳（メタデータ） (2021-06-01T08:24:57Z) - Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units
and a Unified Framework [83.21732533130846]
Aff-Wild と Aff-Wild2 の2つである。
これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。
インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
論文 参考訳（メタデータ） (2021-03-29T17:36:20Z) - Through the Data Management Lens: Experimental Analysis and Evaluation
of Fair Classification [75.49600684537117]
データ管理研究は、データとアルゴリズムの公平性に関連するトピックに対する存在感と関心が高まっている。
我々は,その正しさ,公平性,効率性,スケーラビリティ,安定性よりも,13の公正な分類アプローチと追加の変種を幅広く分析している。
我々の分析は、異なるメトリクスとハイレベルなアプローチ特性がパフォーマンスの異なる側面に与える影響に関する新しい洞察を強調します。
論文 参考訳（メタデータ） (2021-01-18T22:55:40Z) - A Survey on Data Pricing: from Economics to Data Science [61.72030615854597]
データ価格の背景にある様々なモチベーションを調べ、データ価格の経済性を理解する。
デジタル製品とデータ製品の両方について論じる。
我々は、今後の仕事の一連の課題と方向性を考えます。
論文 参考訳（メタデータ） (2020-09-09T19:31:38Z) - REVISE: A Tool for Measuring and Mitigating Bias in Visual Datasets [64.76453161039973]
REVISE(Revealing VIsual biaSEs)は、視覚的データセットの調査を支援するツールである。
1)オブジェクトベース,(2)個人ベース,(3)地理ベースという3つの次元に沿った潜在的なバイアスを呈示する。
論文 参考訳（メタデータ） (2020-04-16T23:54:37Z) - A Philosophy of Data [91.3755431537592]
我々は、統計計算に必要な基本特性から統計データの定義まで研究する。
我々は、有用なデータの必要性は、プロパティを根本的にユニークか等しく理解することを規則化する必要があると論じている。
データとデータ技術への依存度が高まるにつれて、この2つの特徴は現実の集合概念に影響を与えます。
論文 参考訳（メタデータ） (2020-04-15T14:47:24Z) - Ontologies in CLARIAH: Towards Interoperability in History, Language and
Media [0.05277024349608833]
デジタル人文科学の最も重要な目標の1つは、研究者に新しい研究質問のためのデータとツールを提供することである。
FAIRの原則は、データが必要な状態として、これらのフレームワークを提供する。 Findable は、さまざまなソースに散らばっているため、しばしば参照可能 アクセス可能 いくつかはオフラインやペイウォールの後方にあるかもしれない 相互運用可能 標準的な知識表現フォーマットを使用して、共有される。
オランダの国立プロジェクト CLARIAH に開発・統合されたツールについて述べる。
論文 参考訳（メタデータ） (2020-04-06T17:38:47Z)
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。