論文の概要: Rethinking Optimization: A Systems-Based Approach to Social Externalities

• arxiv url: http://arxiv.org/abs/2506.12825v1
• Date: Sun, 15 Jun 2025 12:14:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:46.984351
• Title: Rethinking Optimization: A Systems-Based Approach to Social Externalities
• Title（参考訳）: 最適化を再考する: システムに基づく社会的外部性へのアプローチ
• Authors: Pegah Nokhiz, Aravinda Kanchana Ruwanpathirana, Helen Nissenbaum,
• Abstract要約: まずは利害関係者、彼らの目標、そして予期せぬ結果を引き起こすサブパープラクティスのタイプを特徴づけることが重要です。 本稿では,これらの課題に対処するために,システム思考と外部性という経済概念を組み合わせた枠組みを提案する。
• 参考スコア（独自算出の注目度）: 4.189306857837369
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optimization is widely used for decision making across various domains, valued for its ability to improve efficiency. However, poor implementation practices can lead to unintended consequences, particularly in socioeconomic contexts where externalities (costs or benefits to third parties outside the optimization process) are significant. To propose solutions, it is crucial to first characterize involved stakeholders, their goals, and the types of subpar practices causing unforeseen outcomes. This task is complex because affected stakeholders often fall outside the direct focus of optimization processes. Also, incorporating these externalities into optimization requires going beyond traditional economic frameworks, which often focus on describing externalities but fail to address their normative implications or interconnected nature, and feedback loops. This paper suggests a framework that combines systems thinking with the economic concept of externalities to tackle these challenges. This approach aims to characterize what went wrong, who was affected, and how (or where) to include them in the optimization process. Economic externalities, along with their established quantification methods, assist in identifying "who was affected and how" through stakeholder characterization. Meanwhile, systems thinking (an analytical approach to comprehending relationships in complex systems) provides a holistic, normative perspective. Systems thinking contributes to an understanding of interconnections among externalities, feedback loops, and determining "when" to incorporate them in the optimization. Together, these approaches create a comprehensive framework for addressing optimization's unintended consequences, balancing descriptive accuracy with normative objectives. Using this, we examine three common types of subpar practices: ignorance, error, and prioritization of short-term goals.
• Abstract（参考訳）: 最適化は様々な領域における意思決定に広く使われており、効率を向上させる能力が評価されている。 しかし、特に、外部性(最適化プロセス以外のサードパーティにとってのコストや利益)が重要である社会経済的文脈において、実装プラクティスが貧弱なことは意図しない結果をもたらす可能性がある。 解決策を提案するためには、まず利害関係者、彼らの目標、そして予期せぬ結果を引き起こすサブパープラクティスのタイプを特徴づけることが重要です。 影響のあるステークホルダは、しばしば最適化プロセスの直接の焦点外になるため、このタスクは複雑です。 また、これらの外部性を最適化に組み込むには、外部性を記述することに集中するが、それらの規範的含意や相互接続性、フィードバックループに対処することができない、従来の経済フレームワークを超える必要がある。 本稿では,これらの課題に対処するために,システム思考と外部性という経済概念を組み合わせた枠組みを提案する。 このアプローチは、何が問題になったのか、誰が影響を受けたのか、最適化プロセスにどのように組み込むか(あるいはどこに)を特徴付けることを目的としています。 経済の外部性は、その確立された定量化手法とともに、ステークホルダーのキャラクタリゼーションを通じて「誰が影響を受け、どのようにしたか」を特定するのに役立っている。 一方、システム思考(複雑なシステムにおける関係を理解するための分析的アプローチ)は、全体論的で規範的な視点を提供する。 システム思考は、外部性間の相互関係の理解、フィードバックループ、最適化にそれらを組み込む「いつ」を決定するのに寄与する。 これらのアプローチは、最適化の意図しない結果に対処し、記述的精度と規範的目的とのバランスをとるための包括的なフレームワークを作成する。 これを用いて,短期目標の無知,誤り,優先化という,3種類のサブパープラクティスについて検討する。

関連論文リスト

• Structural Interventions and the Dynamics of Inequality [0.0]
  技術的ソリューションは、社会的変化を起こすために、外部のコンテキスト対応の介入と組み合わせなければならないことを示す。 この研究は、構造的不等式が、一見バイアスのない決定機構によって永続することができる方法を強調している。
  論文  参考訳（メタデータ） (2024-06-03T13:44:38Z)
• Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
  実際には、因果研究者は先験を念頭において1つの結果を持っていない。 政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。 本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
  論文  参考訳（メタデータ） (2024-04-29T08:16:30Z)
• Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
  予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。 我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。 本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
  論文  参考訳（メタデータ） (2023-11-13T13:19:34Z)
• A Survey of Contextual Optimization Methods for Decision Making under Uncertainty [47.73071218563257]
  この記事では、データからポリシーを学ぶための3つの主要なフレームワークを特定し、その強みと限界について論じる。 統一的な表記と用語の下で既存のモデルとメソッドを示し、これらを3つの主要なフレームワークに従って分類する。
  論文  参考訳（メタデータ） (2023-06-17T15:21:02Z)
• Causal Fairness for Outcome Control [68.12191782657437]
  本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。 本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。 次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
  論文  参考訳（メタデータ） (2023-06-08T09:31:18Z)
• Optimization's Neglected Normative Commitments [3.3388234549922027]
  潜在的に高い意思決定にアプローチするために使用されるパラダイムは、現実世界を決定(s)、目的(s)、制約(s)の集合に抽象化することに依存している。 本稿では,最適化に必須の規範的選択と仮定について述べる。 その後、無視される可能性のある6つの緊急問題を特定する。
  論文  参考訳（メタデータ） (2023-05-27T12:43:15Z)
• Cost-Sensitive Portfolio Selection via Deep Reinforcement Learning [100.73223416589596]
  深層強化学習を用いたコスト依存型ポートフォリオ選択手法を提案する。 具体的には、価格系列パターンと資産相関の両方を抽出するために、新しい2ストリームポートフォリオポリシーネットワークを考案した。 蓄積したリターンを最大化し、強化学習によるコストの両立を抑えるため、新たなコスト感受性報酬関数が開発された。
  論文  参考訳（メタデータ） (2020-03-06T06:28:17Z)

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。