論文の概要: Toward Mitigating Sex Bias in Pilot Trainees' Stress and Fatigue Modeling

• arxiv url: http://arxiv.org/abs/2409.10676v1
• Date: Mon, 16 Sep 2024 19:19:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-18 18:50:48.034272
• Title: Toward Mitigating Sex Bias in Pilot Trainees' Stress and Fatigue Modeling
• Title（参考訳）: パイロット研修生のストレスと疲労モデリングにおける性バイアスの緩和に向けて
• Authors: Rachel Pfeifer, Sudip Vhaduri, Mark Wilson, Julius Keller,
• Abstract要約: 約63%の男子パイロット研修生40名を含む69人の大学生のストレス・疲労感について検討した。 バイアス緩和を用いて、88.31%(デミノグラフィーパリティ差)と54.26%(等化オッズ差)の改善を実現した。
• 参考スコア（独自算出の注目度）: 0.5999777817331315
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While researchers have been trying to understand the stress and fatigue among pilots, especially pilot trainees, and to develop stress/fatigue models to automate the process of detecting stress/fatigue, they often do not consider biases such as sex in those models. However, in a critical profession like aviation, where the demographic distribution is disproportionately skewed to one sex, it is urgent to mitigate biases for fair and safe model predictions. In this work, we investigate the perceived stress/fatigue of 69 college students, including 40 pilot trainees with around 63% male. We construct models with decision trees first without bias mitigation and then with bias mitigation using a threshold optimizer with demographic parity and equalized odds constraints 30 times with random instances. Using bias mitigation, we achieve improvements of 88.31% (demographic parity difference) and 54.26% (equalized odds difference), which are also found to be statistically significant.
• Abstract（参考訳）: 研究者は、パイロット、特にパイロット訓練生のストレスや疲労を理解し、ストレスや疲労を検出するプロセスを自動化するためのストレス/疲労モデルを開発しようとしてきたが、これらのモデルではセックスのようなバイアスを考慮しないことが多い。 しかし、航空のような重要な職業では、人口分布が不均等に1つの性に歪められているため、公正で安全なモデル予測に対するバイアスを軽減することが急務である。 本研究では,約63%の男子パイロット研修生40名を含む69人の大学生のストレス・疲労感について検討した。 我々はまず, 偏差緩和のない決定木を用いたモデルを構築し, 次に, 人口統計値の閾値オプティマイザと, ランダムインスタンスの30倍の確率制約を用いた偏差緩和モデルを構築した。 バイアス緩和を用いて、88.31%(デミノグラフィーのパリティ差)と54.26%(等化オッズ差)の改善を実現し、統計学的に有意であることが判明した。

関連論文リスト

• Evaluating Bias and Fairness in Gender-Neutral Pretrained Vision-and-Language Models [23.65626682262062]
  我々は,3種類の視覚・言語モデルを用いた事前学習および微調整後のバイアス増幅の定量化を行う。 全体として、事前学習および微調整後のバイアス増幅は独立である。
  論文  参考訳（メタデータ） (2023-10-26T16:19:19Z)
• Fast Model Debias with Machine Unlearning [54.32026474971696]
  ディープニューラルネットワークは多くの現実世界のシナリオでバイアスのある振る舞いをする。 既存のデバイアス法は、バイアスラベルやモデル再トレーニングのコストが高い。 バイアスを特定し,評価し,除去するための効率的なアプローチを提供する高速モデル脱バイアスフレームワーク(FMD)を提案する。
  論文  参考訳（メタデータ） (2023-10-19T08:10:57Z)
• Identifying and examining machine learning biases on Adult dataset [0.7856362837294112]
  この研究は、エンサンブルラーニングによる機械学習モデルバイアスの低減を念頭に置いている。 我々の厳密な方法論は、様々なカテゴリー変数にまたがる偏見を包括的に評価し、最終的に顕著な男女属性偏見を明らかにします。 本研究は,データ駆動型社会における倫理的考察とハイブリッドモデルの実現を提唱する。
  論文  参考訳（メタデータ） (2023-10-13T19:41:47Z)
• Language Models Get a Gender Makeover: Mitigating Gender Bias with Few-Shot Data Interventions [50.67412723291881]
  事前訓練された大きな言語モデルに存在する社会的バイアスが重要な問題である。 我々は,事前学習モデルにおける性別バイアスを低減するために,データ介入戦略を強力かつ簡単な手法として提案する。
  論文  参考訳（メタデータ） (2023-06-07T16:50:03Z)
• Pseudo Bias-Balanced Learning for Debiased Chest X-ray Classification [57.53567756716656]
  本研究では, バイアスラベルを正確に把握せず, 脱バイアス胸部X線診断モデルの開発について検討した。 本稿では,まずサンプルごとのバイアスラベルをキャプチャし,予測する新しいアルゴリズム,擬似バイアスバランス学習を提案する。 提案手法は他の最先端手法よりも一貫した改善を実現した。
  論文  参考訳（メタデータ） (2022-03-18T11:02:18Z)
• 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)
• Balancing out Bias: Achieving Fairness Through Training Reweighting [58.201275105195485]
  自然言語処理におけるバイアスは、性別や人種などの著者の特徴を学習するモデルから生じる。 既存のバイアスの緩和と測定方法は、著者の人口統計学と言語変数の相関を直接考慮していない。 本稿では,インスタンス再重み付けを用いたバイアス対策法を提案する。
  論文  参考訳（メタデータ） (2021-09-16T23:40:28Z)
• Exploring Biases and Prejudice of Facial Synthesis via Semantic Latent Space [1.858151490268935]
  この研究は、生成モデルの振る舞いをバイアス化し、バイアスの原因を特定し、それらを取り除くことを目的としている。 予想通り、偏りのあるデータが顔のフロンダル化モデルの偏りのある予測を引き起こすと結論付けることができる。 その結果、50:50の割合の明らかな選択は、このデータセットが女性の顔に偏った振る舞いを減らすのに最適ではないことがわかった。
  論文  参考訳（メタデータ） (2021-08-23T16:09:18Z)
• Machine Learning Based Prediction of Future Stress Events in a Driving Scenario [1.2891210250935146]
  提案モデルでは,足と手にあるGalvanic Skin Response信号から抽出した特徴と,運転者の胸部からの呼吸・心電図信号から抽出した特徴を取り入れた。 その結果、モデルの性能は良好であり、車両のストレス防止システムの一部として使用できることが示唆された。
  論文  参考訳（メタデータ） (2021-06-08T20:12:38Z)
• Learning from others' mistakes: Avoiding dataset biases without modeling them [111.17078939377313]
  最先端自然言語処理(NLP)モデルは、意図したタスクをターゲットとする機能ではなく、データセットのバイアスや表面形状の相関をモデル化することを学ぶことが多い。 これまでの研究は、バイアスに関する知識が利用できる場合に、これらの問題を回避するための効果的な方法を示してきた。 本稿では,これらの問題点を無視する学習モデルについて述べる。
  論文  参考訳（メタデータ） (2020-12-02T16:10:54Z)

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。