論文の概要: Mutual Benefit: The Case for Sharing Autonomous Vehicle Data with the Public
- arxiv url: http://arxiv.org/abs/2409.01342v1
- Date: Mon, 2 Sep 2024 15:54:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 06:25:12.745502
- Title: Mutual Benefit: The Case for Sharing Autonomous Vehicle Data with the Public
- Title（参考訳）: Mutual Benefit: 公の場での自動運転車データの共有
- Authors: David Goedicke, Natalie Chyi, Alexandra Bremers, Stacey Li, James Grimmelmann, Wendy Ju,
- Abstract要約: 我々は、このデータの一部が、実験中のコミュニティに対する補償と統制の形で信頼されたエンティティを通じて共有することで、一般大衆により明確な利益をもたらすべきだという規範的考えを論じる。
- 参考スコア（独自算出の注目度）: 45.26729657448177
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous driving is a widely researched technology that is frequently tested on public roads. The data generated from these tests represent an essential competitive element for the respective companies moving this technology forward. In this paper, we argue for the normative idea that a part of this data should more explicitly benefit the general public by sharing it through a trusted entity as a form of compensation and control for the communities that are being experimented upon. To support this argument, we highlight what data is available to be shared, make the ethical case for sharing autonomous vehicle data, present case studies in how AV data is currently shared, draw from existing data-sharing platforms from similar transportation industries to make recommendations on how data should be shared and conclude with arguments as to why such data-sharing should be encouraged.
- Abstract（参考訳）: 自動運転は、公道で頻繁にテストされる、広く研究されている技術である。
これらのテストから生成されたデータは、この技術を前進させる各企業にとって重要な競争要素である。
本稿では、このデータの一部が、信頼された団体を通じて、実験中のコミュニティに対する補償と統制の形で共有することで、一般市民により明確な利益をもたらすべきだという規範的考え方を論じる。
この議論を支持するために、どのようなデータを共有することができるか、自動運転車のデータを共有する倫理的ケース、現在AVデータの共有方法に関するケーススタディ、類似の交通業界から既存のデータ共有プラットフォームを引き合いに出し、どのようにデータを共有するべきかを推奨し、なぜそのようなデータ共有を奨励すべきかという議論を締めくくる。
関連論文リスト
- Privacy-Preserving Data Linkage Across Private and Public Datasets for Collaborative Agriculture Research [1.6000462052866455]
デジタル農業は、価格の悪さ、価格差別、保険コストの高騰、資源の操作といったプライバシー上の懸念を提起する。
本研究では,デジタル農業における安全なデータ共有を実現するとともに,これらのリスクに対処するプライバシ保護フレームワークを提案する。
我々のフレームワークは、プライバシーを保護しながら包括的なデータ分析を可能にする。
論文 参考訳（メタデータ） (2024-09-09T21:07:13Z) - How to Drill Into Silos: Creating a Free-to-Use Dataset of Data Subject Access Packages [0.0]
欧州連合(EU)の一般データ保護規則は、個人データへのアクセス権を強化した。
コントローラが提供する被写体アクセス要求パッケージ(SARP)を実際に使用する可能性は非常に制限されている。
このデータセットは一般に提供され、将来、SARPの実用化に向けた新しいアプローチの研究および比較の出発点として機能する。
論文 参考訳（メタデータ） (2024-07-05T12:39:51Z) - Insights from an experiment crowdsourcing data from thousands of US Amazon users: The importance of transparency, money, and data use [6.794366017852433]
本稿は、米国5000人以上のユーザーから5年間にわたる、アクセス不能なAmazon購入履歴をクラウドソーシングする革新的なアプローチを共有する。
我々は参加者の同意を優先し、実験的な研究デザインを含むデータ収集ツールを開発した。
実験結果(N=6325)は、金銭的インセンティブと透明性の両方がデータ共有を大幅に増加させることを示している。
論文 参考訳（メタデータ） (2024-04-19T20:45:19Z) - SoK: The Gap Between Data Rights Ideals and Reality [46.14715472341707]
権利に基づくプライバシー法は、個人が自分のデータよりも効果的に権限を与えるのか?
本稿では,実証研究,ニュース記事,ブログ記事をレビューすることで,これらのアプローチを精査する。
論文 参考訳（メタデータ） (2023-12-03T21:52:51Z) - Incentivized Communication for Federated Bandits [67.4682056391551]
我々は,サーバがインセンティブを提供することでクライアントにデータを共有する動機付けを行う,フェデレートされた盗賊に対するインセンティブ付きコミュニケーション問題を導入する。
本稿では,実証可能な通信とインセンティブコスト保証により,ほぼ最適の後悔を実現する,最初のインセンティブ付き通信プロトコルであるInc-FedUCBを提案する。
論文 参考訳（メタデータ） (2023-09-21T00:59:20Z) - Contributing to Accessibility Datasets: Reflections on Sharing Study
Data by Blind People [14.625384963263327]
13人の盲目の被験者がデータ収集活動に従事している2つの研究結果を示す。
リスク・ベネフィットのトレードオフを評価する際に、異なる要因が被験者の学習データ共有意欲にどのような影響を及ぼすかを確認する。
大多数は、技術改善のためにデータの共有をサポートしますが、商用利用、関連するメタデータ、およびデータの影響に関する透明性の欠如に対する懸念を表明しています。
論文 参考訳（メタデータ） (2023-03-09T00:42:18Z) - Synthetic Data: Methods, Use Cases, and Risks [11.413309528464632]
研究コミュニティと業界の両方で勢いを増す可能性のある選択肢は、代わりに合成データを共有することだ。
我々は、合成データについて穏やかに紹介し、そのユースケース、未適応のプライバシー問題、そしてその固有の制限を効果的なプライバシー強化技術として論じます。
論文 参考訳（メタデータ） (2023-03-01T16:35:33Z) - Data Sharing Markets [95.13209326119153]
我々は、各エージェントがデータの買い手および売り手の両方になり得る設定について検討する。
両データ交換(データ付きトレーディングデータ)と一方データ交換(お金付きトレーディングデータ)の2つの事例を考察する。
論文 参考訳（メタデータ） (2021-07-19T06:00:34Z) - Representative & Fair Synthetic Data [68.8204255655161]
公平性制約を自己監督学習プロセスに組み込むためのフレームワークを提示する。
私たちはuci成人国勢調査データセットの代表者および公正版を作成します。
我々は、代表的かつ公正な合成データを将来有望なビルディングブロックとみなし、歴史的世界ではなく、私たちが生きようとしている世界についてアルゴリズムを教える。
論文 参考訳（メタデータ） (2021-04-07T09:19:46Z) - Beyond privacy regulations: an ethical approach to data usage in
transportation [64.86110095869176]
本稿では,フェデレート機械学習を交通分野に適用する方法について述べる。
フェデレートラーニングは、ユーザのプライバシを尊重しつつ、プライバシに敏感なデータを処理可能にする方法だと考えています。
論文 参考訳（メタデータ） (2020-04-01T15:10:12Z)
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。