論文の概要: Character comes from practice: longitudinal practice-based ethics
training in data science
- arxiv url: http://arxiv.org/abs/2401.04454v1
- Date: Tue, 9 Jan 2024 09:37:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-10 16:07:54.606677
- Title: Character comes from practice: longitudinal practice-based ethics
training in data science
- Title(参考訳): データサイエンスにおける縦断的実践に基づく倫理訓練
- Authors: Louise Bezuidenhout, Emanuele Ratti
- Abstract要約: RCRトレーニングの目的は、ある道徳的能力の育成を促進することである。
理想は美徳の育成であるが、RCRモジュールによって許される限られた空間は、表面能力の育成を促進できるだけである。
第3に、日々のデータサイエンス活動の技術的・社会的タスクを通じて、(プロト-)仮想的な買収が発生することを強調して、我々のアプローチを運用する。
- 参考スコア(独自算出の注目度): 0.5439020425818999
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this chapter, we propose a non-traditional RCR training in data science
that is grounded into a virtue theory framework. First, we delineate the
approach in more theoretical detail, by discussing how the goal of RCR training
is to foster the cultivation of certain moral abilities. We specify the nature
of these abilities: while the ideal is the cultivation of virtues, the limited
space allowed by RCR modules can only facilitate the cultivation of superficial
abilities or proto-virtues, which help students to familiarize with moral and
political issues in the data science environment. Third, we operationalize our
approach by stressing that (proto-)virtue acquisition (like skill acquisition)
occurs through the technical and social tasks of daily data science activities,
where these repetitive tasks provide the opportunities to develop
(proto-)virtue capacity and to support the development of ethically robust data
systems. Finally, we discuss a concrete example of how this approach has been
implemented. In particular, we describe how this method is applied to teach
data ethics to students participating in the CODATA-RDA Data Science Summer
Schools.
- Abstract(参考訳): 本章では、徳理論の枠組みを基礎としたデータサイエンスにおける非伝統的なRCRトレーニングを提案する。
まず、rcrトレーニングの目標は、特定のモラル能力の育成を促進することであると論じて、このアプローチをより理論的に詳細に記述する。
理想は美徳の育成であるが、rcrモジュールによって許される限られた空間は、表面能力やプロト・ヴァーチューの育成を助長するだけであり、これは学生がデータサイエンス環境における道徳的、政治的問題に親しむのに役立つ。
第3に,日常的なデータサイエンス活動の技術的・社会的課題を通じて(スキル獲得のように)環境獲得(proto-)が起こることを強調し,(proto-)virtue能力を開発し,倫理的に堅牢なデータシステムの開発を支援する機会を提供することにより,このアプローチを運用する。
最後に、このアプローチの実装方法の具体例について論じる。
特に,この手法を用いて,CODATA-RDAデータサイエンスサマースクールに参加する学生にデータ倫理を教える方法について述べる。
関連論文リスト
- FAIR Enough: How Can We Develop and Assess a FAIR-Compliant Dataset for
Large Language Models' Training? [3.2218683514739506]
我々は、FAIR原則を大規模言語モデルトレーニングプロセスに組み込む新しいフレームワークを紹介します。
このアプローチの重要な側面は、研究者や開発者が一貫してFAIRデータ原則を適用するのを支援するために設計された包括的なチェックリストである。
我々は、技術的に先進的で健全で社会的に責任のあるAIモデルを推進するための手段として、このフレームワークをコミュニティに提供します。
論文 参考訳(メタデータ) (2024-01-19T21:21:02Z) - Combatting Human Trafficking in the Cyberspace: A Natural Language
Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。
我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。
重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
論文 参考訳(メタデータ) (2023-11-22T02:45:01Z) - Towards a General Framework for Continual Learning with Pre-training [59.96040498079991]
本稿では,事前学習を用いた逐次到着タスクの連続学習のための一般的な枠組みを提案する。
我々はその目的を,タスク内予測,タスク同一性推論,タスク適応予測という3つの階層的構成要素に分解する。
本稿では,パラメータ効率細調整(PEFT)技術と表現統計量を用いて,これらのコンポーネントを明示的に最適化する革新的な手法を提案する。
論文 参考訳(メタデータ) (2023-10-21T02:03:38Z) - EALM: Introducing Multidimensional Ethical Alignment in Conversational
Information Retrieval [43.72331337131317]
我々は、倫理的アライメントを、効率的なデータスクリーニングのための初期倫理的判断段階と統合するワークフローを導入する。
本稿では,ETHICSベンチマークから適応したQA-ETHICSデータセットについて述べる。
さらに,二項および多ラベルの倫理的判断タスクにおいて,最高の性能を実現する新しい手法を提案する。
論文 参考訳(メタデータ) (2023-10-02T08:22:34Z) - Evaluating the structure of cognitive tasks with transfer learning [67.22168759751541]
本研究では,脳波復号処理における深層学習表現の伝達可能性について検討した。
最近リリースされた2つのEEGデータセット上で、最先端デコードモデルを用いて広範な実験を行う。
論文 参考訳(メタデータ) (2023-07-28T14:51:09Z) - Constrained Reinforcement Learning for Robotics via Scenario-Based
Programming [64.07167316957533]
DRLをベースとしたエージェントの性能を最適化し,その動作を保証することが重要である。
本稿では,ドメイン知識を制約付きDRLトレーニングループに組み込む新しい手法を提案する。
我々の実験は、専門家の知識を活用するために我々のアプローチを用いることで、エージェントの安全性と性能が劇的に向上することを示した。
論文 参考訳(メタデータ) (2022-06-20T07:19:38Z) - Model Positionality and Computational Reflexivity: Promoting Reflexivity
in Data Science [10.794642538442107]
データサイエンスの作業を理解するための枠組みを提供するために,位置性や反射性の概念をどのように適応させるかを説明する。
データサイエンスの仕事にこれらの概念を適用する上での課題について述べ,将来性のあるソリューションとしてアノテータのフィンガープリントと位置マイニングを提供する。
論文 参考訳(メタデータ) (2022-03-08T16:02:03Z) - Self-Supervised Representation Learning: Introduction, Advances and
Challenges [125.38214493654534]
自己教師付き表現学習手法は、大きな注釈付きデータセットを必要とせずに強力な機能学習を提供することを目的としている。
本稿では、この活気ある領域について、鍵となる概念、アプローチの4つの主要なファミリーと関連する技術の状態、そして、データの多様性に自己監督手法を適用する方法について紹介する。
論文 参考訳(メタデータ) (2021-10-18T13:51:22Z) - Opinionated practices for teaching reproducibility: motivation, guided
instruction and practice [0.0]
予測モデリングは、しばしばデータサイエンスの初心者にとって最も興味深いトピックの1つである。
学生は本質的にこのトピックを学ぶ動機がなく、学ぶのは容易ではない。
余分なモチベーション、指導、多くのプラクティスを提供することが、このトピックを効果的に教える鍵となります。
論文 参考訳(メタデータ) (2021-09-17T19:15:41Z) - Ethical behavior in humans and machines -- Evaluating training data
quality for beneficial machine learning [0.0]
本研究では、教師付き機械学習アプリケーションのためのデータ品質の新しい次元について述べる。
本研究の目的は、その行動の倫理的評価に基づいて、トレーニングデータをどのように選択できるかを説明することである。
論文 参考訳(メタデータ) (2020-08-26T09:48:38Z) - AWAC: Accelerating Online Reinforcement Learning with Offline Datasets [84.94748183816547]
提案手法は,従来の実演データとオンライン体験を組み合わせることで,スキルの素早い学習を可能にする。
以上の結果から,事前データを組み込むことで,ロボット工学を実践的な時間スケールまで学習するのに要する時間を短縮できることが示唆された。
論文 参考訳(メタデータ) (2020-06-16T17:54:41Z)
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。