論文の概要: Equilibria, Efficiency, and Inequality in Network Formation for Hiring and Opportunity
- arxiv url: http://arxiv.org/abs/2402.13841v2
- Date: Thu, 27 Jun 2024 14:34:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-28 19:37:12.775727
- Title: Equilibria, Efficiency, and Inequality in Network Formation for Hiring and Opportunity
- Title（参考訳）: 雇用・機会のためのネットワーク形成における均衡・効率・不平等
- Authors: Cynthia Dwork, Chris Hays, Jon Kleinberg, Manish Raghavan,
- Abstract要約: 本稿では,そのようなネットワークの形成とネットワーク内の機会の移動に関するモデルを提案する。
個人は他者と戦略的に結びつき、機会を得られる確率を最大化する。
平衡において、個人は、それらに類似した利益をもたらす人々とのつながりを形成する。
- 参考スコア（独自算出の注目度）: 7.232232177308125
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Professional networks -- the social networks among people in a given line of work -- can serve as a conduit for job prospects and other opportunities. Here we propose a model for the formation of such networks and the transfer of opportunities within them. In our theoretical model, individuals strategically connect with others to maximize the probability that they receive opportunities from them. We explore how professional networks balance connectivity, where connections facilitate opportunity transfers to those who did not get them from outside sources, and congestion, where some individuals receive too many opportunities from their connections and waste some of them. We show that strategic individuals are over-connected at equilibrium relative to a social optimum, leading to a price of anarchy for which we derive nearly tight asymptotic bounds. We also show that, at equilibrium, individuals form connections to those who provide similar benefit to them as they provide to others. Thus, our model provides a microfoundation in professional networking contexts for the fundamental sociological principle of homophily, that "similarity breeds connection," which in our setting is realized as a form of status homophily based on alignment in individual benefit. We further explore how, even if individuals are a priori equally likely to receive opportunities from outside sources, equilibria can be unequal, and we provide nearly tight bounds on how unequal they can be. Finally, we explore the ability for online platforms to intervene to improve social welfare and show that natural heuristics may result in adverse effects at equilibrium. Our simple model allows for a surprisingly rich analysis of coordination problems in professional networks and suggests many directions for further exploration.
- Abstract（参考訳）: 特定の仕事の列にいる人たちのソーシャルネットワークであるプロフェッショナルネットワークは、仕事の見通しやその他の機会のコンジットとして機能する。
本稿では,そのようなネットワークの形成と,その内における機会の移動に関するモデルを提案する。
我々の理論モデルでは、個人は他者と戦略的に結びつき、機会を得られる確率を最大化する。
プロのネットワークがコネクティビティのバランスをとる方法を探るため、外部のソースからアクセスできない人たちへのコネクティビティの転送や、コネクティビティから多くの機会を受け取りすぎたり、その一部を無駄にしたりといった渋滞について検討する。
戦略的個人は、社会的最適性に対して均衡が過大に結びついており、ほぼ漸近的な境界を導き出すアナキシーの価格に繋がることを示す。
また、平衡においては、個人が他人に提供したのと同様の利益を提供する人々と結びつくことも示しています。
このように、我々のモデルは、ホモフィリの基本的社会学的原理である「類似性はつながりを生み出す」ために、プロのネットワークコンテキストにマイクロファウンデーションを提供し、これは、個人の利益のアライメントに基づくステータス・ホモフィリの一形態として実現される。
さらに、たとえ個人が外部からの機会を平等に受け取ることができるような先駆者であったとしても、均衡は不平等になり得ること、そして、どのように不平等になるかについて、ほぼ厳密な境界線を提供するかについても検討する。
最後に、オンラインプラットフォームが社会福祉改善に介入する能力について検討し、自然ヒューリスティックスが均衡に悪影響を及ぼすことを示した。
我々の単純なモデルは、プロのネットワークにおける調整問題の驚くほど豊富な分析を可能にし、さらなる探索のための多くの方向を示唆する。
関連論文リスト
- Recommendation Fairness in Social Networks Over Time [20.27386486425493]
提案手法は,時間経過に伴う推薦公平性の進化と動的ネットワーク特性との関係について検討する。
提案手法によらず,推奨公正性は時間の経過とともに向上することが示唆された。
マイノリティ比とホモフィリー比の2つのネットワーク特性は、時間とともに公平性と安定した相関を示す。
論文 参考訳（メタデータ） (2024-02-05T19:03:23Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [55.65482030032804]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
提案手法は,軌道予測器が将来の状態を生成するために使用する関係の進化を捉えるために,動的に進化する関係グラフとハイパーグラフを推論する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z) - Characterizing Polarization in Social Networks using the Signed
Relational Latent Distance Model [0.0]
ソーシャルネットワークにおける主要な関心事は、「us-versus-them」という考え方を促進する分極とフィルターバブルの出現である。
我々は,Skellam分布を符号付きネットワークの確率関数として初めて利用した潜在符号付きリレーショナル遅延dIstance Model (SLIM)を提案する。
本モデルでは, 友情や敵意をよく予測する低次元的特徴を抽出し, 極端位置で定義された解釈可能な可視化を提供する。
論文 参考訳（メタデータ） (2023-01-23T16:01:26Z) - Social Diversity Reduces the Complexity and Cost of Fostering Fairness [63.70639083665108]
不完全な情報や公平性の柔軟な基準を前提とした干渉機構の効果について検討する。
多様性の役割を定量化し、情報収集の必要性を減らす方法を示す。
この結果から,多様性が変化し,公正性向上を目指す機関に新たなメカニズムが開放されることが示唆された。
論文 参考訳（メタデータ） (2022-11-18T21:58:35Z) - Stimulative Training of Residual Networks: A Social Psychology
Perspective of Loafing [86.69698062642055]
残余のネットワークは大きな成功を収め、今日のディープモデルでは欠かせないものになっている。
我々は,新たな社会的心理学的視点から,残余ネットワークのトレーニングプロセスを再検討することを目的としている。
残余ネットワークの性能を高めるための新たなトレーニング戦略を提案する。
論文 参考訳（メタデータ） (2022-10-09T03:15:51Z) - Finding General Equilibria in Many-Agent Economic Simulations Using Deep
Reinforcement Learning [72.23843557783533]
本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。
私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。
当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
論文 参考訳（メタデータ） (2022-01-03T17:00:17Z) - Statistical discrimination in learning agents [64.78141757063142]
統計的差別は、訓練人口のバイアスとエージェントアーキテクチャの両方の関数としてエージェントポリシーに現れる。
我々は、リカレントニューラルネットワークを使用するエージェントによる差別の低減と、トレーニング環境のバイアスの低減が示される。
論文 参考訳（メタデータ） (2021-10-21T18:28:57Z) - Analyzing Wikipedia Membership Dataset and PredictingUnconnected Nodes
in the Signed Networks [0.666659730119789]
本研究では、Precison-Recall曲線とROCの下の領域を用いて、ソーシャルネットワーク内の2人の非接続者間の関係を予測する方法について検討する。
ソーシャル・ネットワークを署名グラフとしてモデル化し、トライadicモデル、Latent Informationモデル、Sentimentモデルを比較し、ピア・ピア間の相互作用を予測する。
論文 参考訳（メタデータ） (2021-10-18T09:03:18Z) - On Measuring the Diversity of Organizational Networks [11.934832243093398]
多くの分野では、少数派集団の重度の過小表現がある。
このようなマッチングを見つけるための新しいアルゴリズムであるFairEA(Fair Employee Assignment)を提案する。
FairEAのアウトプットは、採用と割り当てのプラクティスを評価したい組織によってベンチマークとして使用できます。
論文 参考訳（メタデータ） (2021-05-14T16:20:44Z) - Cooperation and Reputation Dynamics with Reinforcement Learning [6.219565750197311]
私達は信頼および協同を確立する方法として評判がいかに使用されるか示します。
好ましくない平衡への収束を緩和する2つのメカニズムを提案する。
この結果が進化ゲーム理論の文献とどのように関係しているかを示す。
論文 参考訳（メタデータ） (2021-02-15T12:48:56Z)
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。