論文の概要: AI for Scaling Legal Reform: Mapping and Redacting Racial Covenants in Santa Clara County

• arxiv url: http://arxiv.org/abs/2503.03888v2
• Date: Fri, 07 Mar 2025 02:21:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 15:39:39.479375
• Title: AI for Scaling Legal Reform: Mapping and Redacting Racial Covenants in Santa Clara County
• Title（参考訳）: サンタクララ郡における法改革のスケールアップのためのAI: 人種関係のマッピングと再現
• Authors: Faiz Surani, Mirac Suzgun, Vyoma Raman, Christopher D. Manning, Peter Henderson, Daniel E. Ho,
• Abstract要約: 本稿では,サンタクララ郡事務官事務所との連携を通じて,このプレス問題に対処する新しいアプローチを提案する。 本システムでは,手作業の作業時間を86,500時間削減し,市販のクローズドモデルに匹敵するコストの2%以下と見積もっている。
• 参考スコア（独自算出の注目度）: 35.874673342417914
• License:
• Abstract: Legal reform can be challenging in light of the volume, complexity, and interdependence of laws, codes, and records. One salient example of this challenge is the effort to restrict and remove racially restrictive covenants, clauses in property deeds that historically barred individuals of specific races from purchasing homes. Despite the Supreme Court holding such racial covenants unenforceable in 1948, they persist in property records across the United States. Many jurisdictions have moved to identify and strike these provisions, including California, which mandated in 2021 that all counties implement such a process. Yet the scale can be overwhelming, with Santa Clara County (SCC) alone having over 24 million property deed documents, making purely manual review infeasible. We present a novel approach to addressing this pressing issue, developed through a partnership with the SCC Clerk-Recorder's Office. First, we leverage an open large language model, finetuned to detect racial covenants with high precision and recall. We estimate that this system reduces manual efforts by 86,500 person hours and costs less than 2% of the cost for a comparable off-the-shelf closed model. Second, we illustrate the County's integration of this model into responsible operational practice, including legal review and the creation of a historical registry, and release our model to assist the hundreds of jurisdictions engaged in similar efforts. Finally, our results reveal distinct periods of utilization of racial covenants, sharp geographic clustering, and the disproportionate role of a small number of developers in maintaining housing discrimination. We estimate that by 1950, one in four properties across the County were subject to racial covenants.
• Abstract（参考訳）: 法制改革は、法律、法典、記録の量、複雑さ、相互依存を考慮し、困難である。 この挑戦の顕著な例の1つは、人種的に制限されたコベナントを制限・排除する努力であり、歴史的に特定の人種の個人が家を購入することを禁止した財産行為の条項である。 1948年、最高裁判所はそのような人種的結束を強制できないとしたが、アメリカ合衆国全土の財産記録に残っていた。 カリフォルニア州は2021年に全ての郡でそのようなプロセスを実施する義務を負っていた。 しかし、サンタクララ郡(SCC)だけで2400万件以上の文書があり、純粋に手作業によるレビューは不可能だ。 本稿では,SCC Clerk-Recorder's Officeとのパートナーシップを通じて,このプレス問題に対処する新しいアプローチを提案する。 まず、オープンな大規模言語モデルを利用して、精度の高い人種的コベナントを検知し、リコールする。 本システムでは,手作業の作業時間を86,500時間削減し,市販のクローズドモデルに匹敵するコストの2%以下と見積もっている。 第2に、このモデルを法的な審査や歴史登録の作成を含む責任ある業務実践に統合し、同様の取り組みに従事している数百の管轄区域を支援するために、我々のモデルを解放する。 最後に, 人種的コベナントの利用期間, 鋭い地理的クラスタリング, 少数の開発者の居住差別維持における不均衡な役割を明らかにした。 1950年までに、郡内の4分の1の土地が人種的包摂の対象になったと見積もっている。

関連論文リスト

• Understanding and Mitigating the Impacts of Differentially Private Census Data on State Level Redistricting [4.589972411795548]
  データ利用者は、2020年のDASで差分プライバシーを採用したことで動揺した。 我々は、プライバシー保護ノイズの影響について、データユーザーが懸念する可能性のある2つの再制限設定について検討する。 ノイズを考慮しなければ、アナリストが誤った結論を出す可能性があることを観察する。
  論文  参考訳（メタデータ） (2024-09-10T18:11:54Z)
• Estimating Racial Disparities When Race is Not Observed [3.0931877196387196]
  本稿では,人種間の格差を推定する新しいモデルについて,人種の指標変数として姓を用いて紹介する。 ノースカロライナの投票者ファイルに基づく検証調査では、BISG+BIRDiEは政党登録における人種的違いを推定した場合、エラーを最大84%削減している。 提案手法を適用し,米国内国歳入庁の個人レベルの税率データを用いて住宅ローン利子控除の恩恵を受ける者の人種差を推定する。
  論文  参考訳（メタデータ） (2023-03-05T04:46:16Z)
• Estimating Geographic Spillover Effects of COVID-19 Policies From Large-Scale Mobility Networks [54.90772000796717]
  郡レベルの政策は地域間の柔軟性を提供するが、地理的な流出がある場合には効果が低下する可能性がある。 我々は、数十億のタイムスタンプを持つ移動ネットワークを用いて、流出量を推定する。 郡レベルの制限は、モビリティを減らすための州全体の制限と同等に有効である。
  論文  参考訳（メタデータ） (2022-12-12T20:16:54Z)
• On Disentangled and Locally Fair Representations [95.6635227371479]
  人種や性別などのセンシティブなグループに対して公平な方法で分類を行うという課題について検討する。 局所的公正表現を学習し、学習された表現の下で、各サンプルの近傍は感度特性の観点からバランスをとる。
  論文  参考訳（メタデータ） (2022-05-05T14:26:50Z)
• Spatial-Temporal Hypergraph Self-Supervised Learning for Crime Prediction [60.508960752148454]
  本研究では,犯罪予測におけるラベル不足問題に対処する空間的ハイパーグラフ自己監視学習フレームワークを提案する。 都市空間全体における犯罪の地域的依存性をエンコードするクロスリージョンハイパーグラフ構造学習を提案する。 また,2段階の自己指導型学習パラダイムを設計し,局所的・世界的空間的犯罪パターンを共同で捉えるだけでなく,地域的自己差別の強化による疎犯罪表現を補う。
  論文  参考訳（メタデータ） (2022-04-18T23:46:01Z)
• Mathematically Quantifying Non-responsiveness of the 2021 Georgia Congressional Districting Plan [3.097163558730473]
  並列テンパリング法とReComを併用したメトロポリケートサンプリング手法を応用した。 ジョージア州における地区計画の最初の事例研究を通じて、これらの改善を開拓する。 我々の分析では、ジョージア州の選挙は、この制定された計画の下で、確実に9人の共和党員と5人の民主党員を選出すると予想している。
  論文  参考訳（メタデータ） (2022-03-13T02:58:32Z)
• Neighborhood Contrastive Learning for Novel Class Discovery [79.14767688903028]
  我々は,クラスタリング性能に重要な識別表現を学習するために,Neighborhood Contrastive Learningという新しいフレームワークを構築した。 これらの2つの成分がクラスタリング性能に大きく寄与し、我々のモデルが最先端の手法よりも大きなマージンで優れていることを実験的に実証した。
  論文  参考訳（メタデータ） (2021-06-20T17:34:55Z)
• Colorado in Context: Congressional Redistricting and Competing Fairness Criteria in Colorado [0.0]
  我々は、合理的な再分権計画の大きなランダムサンプルを生成し、2018年の州全体の選挙でのリターンを用いて、各地区の党派バランスを決定する。 本研究では, 党派的な成果, 分割される郡数, 計画における競争地区数との関係について検討する。
  論文  参考訳（メタデータ） (2020-11-11T20:05:50Z)
• Magnify Your Population: Statistical Downscaling to Augment the Spatial Resolution of Socioeconomic Census Data [48.7576911714538]
  重要社会経済的属性の詳細な推定を導出する新しい統計的ダウンスケーリング手法を提案する。 選択された社会経済変数ごとに、ランダムフォレストモデルが元の国勢調査単位に基づいて訓練され、その後、微細なグリッド化された予測を生成するために使用される。 本研究では,この手法を米国の国勢調査データに適用し,ブロック群レベルで選択された社会経済変数を,300の空間分解能のグリッドにダウンスケールする。
  論文  参考訳（メタデータ） (2020-06-23T16:52:18Z)
• The Essential Role of Empirical Validation in Legislative Redistricting Simulation [0.0]
  提案手法は,計画の再分割を効率的に行うことのできる計算手法である。 このアルゴリズムは,数百の地理的単位を持つ状態に拡張可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-17T20:51:43Z)

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。