論文の概要: Learning Social Fairness Preferences from Non-Expert Stakeholder Opinions in Kidney Placement
- arxiv url: http://arxiv.org/abs/2404.03800v1
- Date: Thu, 4 Apr 2024 20:44:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-08 17:25:49.820228
- Title: Learning Social Fairness Preferences from Non-Expert Stakeholder Opinions in Kidney Placement
- Title（参考訳）: キッドニー・プレースメントにおける非専門家の意見から社会的公正度を学習する
- Authors: Mukund Telukunta, Sukruth Rao, Gabriella Stickney, Venkata Sriram Siddardh Nadendla, Casey Canfield,
- Abstract要約: 現代の腎臓の配置には、訓練データから受け継がれたバイアスによる社会的差別を示すいくつかのインテリジェントなレコメンデーションシステムが含まれている。
本報告では,腎-マッチペアにおける腎臓の受容率を予測する受入率予測器(ARP)を評価するために,新しいフェアネスフィードバックサーベイを設計する。
新たなロジットに基づくフェアネスフィードバックモデルを用いて,社会フィードバックの最小化に基づく,新たな社会的フェアネス選好学習アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern kidney placement incorporates several intelligent recommendation systems which exhibit social discrimination due to biases inherited from training data. Although initial attempts were made in the literature to study algorithmic fairness in kidney placement, these methods replace true outcomes with surgeons' decisions due to the long delays involved in recording such outcomes reliably. However, the replacement of true outcomes with surgeons' decisions disregards expert stakeholders' biases as well as social opinions of other stakeholders who do not possess medical expertise. This paper alleviates the latter concern and designs a novel fairness feedback survey to evaluate an acceptance rate predictor (ARP) that predicts a kidney's acceptance rate in a given kidney-match pair. The survey is launched on Prolific, a crowdsourcing platform, and public opinions are collected from 85 anonymous crowd participants. A novel social fairness preference learning algorithm is proposed based on minimizing social feedback regret computed using a novel logit-based fairness feedback model. The proposed model and learning algorithm are both validated using simulation experiments as well as Prolific data. Public preferences towards group fairness notions in the context of kidney placement have been estimated and discussed in detail. The specific ARP tested in the Prolific survey has been deemed fair by the participants.
- Abstract（参考訳）: 現代の腎臓の配置には、訓練データから受け継がれたバイアスによる社会的差別を示すいくつかのインテリジェントなレコメンデーションシステムが含まれている。
腎臓の配置におけるアルゴリズム的公正性を研究するために文献で最初の試みが行われたが、これらの手法は、そのような結果を確実に記録するのに長い遅れがあるため、外科医の判断に取って代わるものである。
しかし、外科医の判断による真の結果の置き換えは、専門知識を持たない他の利害関係者の社会的意見だけでなく、専門家の偏見を無視する。
本論文は後者の懸念を緩和し,腎-マッチペアにおける腎臓の受容率を予測する受容率予測器 (ARP) を評価するための新しい公正フィードバックサーベイを設計する。
調査はクラウドソーシングプラットフォームであるProlific上で開始され、85名の匿名の参加者から世論が集められている。
新たなロジットに基づくフェアネスフィードバックモデルを用いて,社会フィードバックの最小化に基づく,新たな社会的フェアネス選好学習アルゴリズムを提案する。
提案したモデルと学習アルゴリズムはシミュレーション実験とProlificデータを用いて検証する。
腎臓配置の文脈における群フェアネス概念に対する公衆の嗜好は推定され、詳細に議論されている。
Prolific Surveyでテストされた特定のARPは、参加者によって公平に評価されている。
関連論文リスト
- Debias-CLR: A Contrastive Learning Based Debiasing Method for Algorithmic Fairness in Healthcare Applications [0.17624347338410748]
異なる治療と戦うために,暗黙の処理内脱バイアス法を提案した。
心不全患者の臨床記録と診断基準,治療報告,生理的活力について検討した。
Debias-CLRは、性別や民族を嫌う場合に、SC-WEAT(Single-Category Word Embedding Association Test)の効果を減少させることができた。
論文 参考訳（メタデータ） (2024-11-15T19:32:01Z) - A Data Envelopment Analysis Approach for Assessing Fairness in Resource Allocation: Application to Kidney Exchange Programs [3.130722489512822]
本稿では,データ包絡分析(Data Envelopment Analysis, DEA)を利用した公正度評価手法を提案する。
我々は、ウェイトリスト期間、キドニードナープロファイルスコアによるアクセスフェアネス、グラフトライフスパンによるアウトカムフェアネスを分析した。
本研究は,複雑な資源配分システムにおける公平性を評価するための厳密な枠組みを提供する。
論文 参考訳（メタデータ） (2024-09-18T15:17:43Z) - Biasing & Debiasing based Approach Towards Fair Knowledge Transfer for Equitable Skin Analysis [16.638722872021095]
学生ネットワークに公平な知識を伝達する2バイアスの教師のアプローチを提案する。
本手法は,学生ネットワークに存在するバイアスを,予測精度を損なうことなく軽減する。
論文 参考訳（メタデータ） (2024-05-16T17:02:23Z) - Penalties and Rewards for Fair Learning in Paired Kidney Exchange
Programs [4.963350442999301]
腎臓交換プログラム(英: kidney exchange program)または腎臓対寄付プログラム(英: kidney paired donation program)は、反復的、ダイナミックな取引と割り当てのメカニズムであると見なすことができる。
カナダ・キドニー・ペアド・寄付計画(Canadian Kidney Paired Donation Program)のフルスケールシミュレーションを用いて,この仮説を確認した。
腎臓交換プログラムの性能を決定する上で最も重要な要因は、患者とドナーのペアに対する正の重み付け(逆戻り)を司法的に割り当てることではない。
論文 参考訳（メタデータ） (2023-09-23T16:25:49Z) - Improved Policy Evaluation for Randomized Trials of Algorithmic Resource
Allocation [54.72195809248172]
提案する新しい概念を応用した新しい推定器を提案する。
我々は,このような推定器が,サンプル手段に基づく一般的な推定器よりも精度が高いことを理論的に証明した。
論文 参考訳（メタデータ） (2023-02-06T05:17:22Z) - Cross Pairwise Ranking for Unbiased Item Recommendation [57.71258289870123]
我々はCPR(Cross Pairwise Ranking)という新しい学習パラダイムを開発する。
CPRは、露出メカニズムを知らずに不偏の推奨を達成する。
理論的には、この方法が学習に対するユーザ/イテムの適合性の影響を相殺することを証明する。
論文 参考訳（メタデータ） (2022-04-26T09:20:27Z) - Causal Inference Struggles with Agency on Online Platforms [32.81856583026165]
ユーザの自己選択から導かれる観察研究の有効性を評価することを目的として,Twitter上で4つの大規模内部スタディ比較を行った。
この結果から,ユーザの自己選択から導かれる観察研究は,オンラインプラットフォーム上でのランダム化実験の代替手段として不十分であることが示唆された。
論文 参考訳（メタデータ） (2021-07-19T16:14:00Z) - Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。
医療対話生成のためのエンドツーエンドの変分推論手法を提案する。
行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
論文 参考訳（メタデータ） (2021-05-13T04:14:35Z) - Estimating and Improving Fairness with Adversarial Learning [65.99330614802388]
本研究では,深層学習に基づく医療画像解析システムにおけるバイアスの同時緩和と検出を目的としたマルチタスク・トレーニング戦略を提案する。
具体的には,バイアスに対する識別モジュールと,ベース分類モデルにおける不公平性を予測するクリティカルモジュールを追加することを提案する。
大規模で利用可能な皮膚病変データセットのフレームワークを評価します。
論文 参考訳（メタデータ） (2021-03-07T03:10:32Z) - Adapting a Kidney Exchange Algorithm to Align with Human Values [59.395925461012126]
腎臓交換における個人プロファイルの重み付けをエンドツーエンドに推定する手法を提案する。
これらの重量を腎臓交換市場浄化アルゴリズムでどのように使うかを示す。
論文 参考訳（メタデータ） (2020-05-19T21:00:29Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z)
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。