論文の概要: Causal Decomposition Analysis with Synergistic Interventions: A Triply-Robust Machine Learning Approach to Addressing Multiple Dimensions of Social Disparities

• arxiv url: http://arxiv.org/abs/2506.18994v1
• Date: Mon, 23 Jun 2025 18:00:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.327107
• Title: Causal Decomposition Analysis with Synergistic Interventions: A Triply-Robust Machine Learning Approach to Addressing Multiple Dimensions of Social Disparities
• Title（参考訳）: 相乗的介入による因果分解分析:社会格差の多次元対応のためのトリプライ・ロバスト機械学習アプローチ
• Authors: Soojin Park, Su Yeon Kim, Xinyao Zheng, Chioun Lee,
• Abstract要約: 複数の因果分解因子を同時に対象とする因果分解解析法を開発した。 本手法を高等学校縦断学習生のコホートに適用する。 高い成績の学校に通う学生の割合を平等にし、人種集団間でアルジェブラIの入学率を9年生に等しくすることで、これらの格差を減らしうるかを検討する。
• 参考スコア（独自算出の注目度）: 1.6586885757497203
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Educational disparities are rooted in and perpetuate social inequalities across multiple dimensions such as race, socioeconomic status, and geography. To reduce disparities, most intervention strategies focus on a single domain and frequently evaluate their effectiveness by using causal decomposition analysis. However, a growing body of research suggests that single-domain interventions may be insufficient for individuals marginalized on multiple fronts. While interventions across multiple domains are increasingly proposed, there is limited guidance on appropriate methods for evaluating their effectiveness. To address this gap, we develop an extended causal decomposition analysis that simultaneously targets multiple causally ordered intervening factors, allowing for the assessment of their synergistic effects. These scenarios often involve challenges related to model misspecification due to complex interactions among group categories, intervening factors, and their confounders with the outcome. To mitigate these challenges, we introduce a triply robust estimator that leverages machine learning techniques to address potential model misspecification. We apply our method to a cohort of students from the High School Longitudinal Study, focusing on math achievement disparities between Black, Hispanic, and White high schoolers. Specifically, we examine how two sequential interventions - equalizing the proportion of students who attend high-performing schools and equalizing enrollment in Algebra I by 9th grade across racial groups - may reduce these disparities.
• Abstract（参考訳）: 教育格差は、人種、社会経済的地位、地理など、多次元にわたる社会的不平等に根ざし、永続している。 格差を減らすために、ほとんどの介入戦略は単一のドメインに焦点を当て、因果分解分析を用いてその効果を頻繁に評価する。 しかし、成長する研究機関は、単一ドメインの介入が複数の領域で疎外される個人には不十分である可能性を示唆している。 複数のドメインにまたがる介入がますます提案されているが、有効性を評価するための適切な方法に関するガイダンスは限られている。 このギャップに対処するために,複数の因果分解因子を同時に標的とした拡張因果分解解析を開発し,その相乗効果を評価する。 これらのシナリオは、グループカテゴリ間の複雑な相互作用、介入要因、および結果との共創者によるモデルのミスセグメンテーションに関連する課題を伴うことが多い。 これらの課題を軽減するために、機械学習技術を活用して潜在的なモデルの誤特定に対処する三重頑健な推定器を導入する。 我々は,黒・ヒスパニック・白高生間の数学的達成格差に着目し,高校縦断学習の学生のコホートに本手法を適用した。 具体的には、ハイパフォーマンスな学校に通う学生の割合を平等にし、人種集団間でアルジェブラIの入学率を9年生に等しくすることで、これらの格差を減らしうるかを検討する。

関連論文リスト

• A Theoretical Model for Grit in Pursuing Ambitious Ends [48.43624563381919]
  我々は、多武装バンディットフレームワークの改善において、安定した選択とリスクのある選択の意思決定のモデルを提供する。 我々は、グリットの増加や金融安全ネットの提供など、様々な介入の影響について検討する。
  論文  参考訳（メタデータ） (2025-03-04T19:17:42Z)
• Dehumanizing Machines: Mitigating Anthropomorphic Behaviors in Text Generation Systems [55.99010491370177]
  このようなシステムアウトプットにどのように介入すれば人為的行動が緩和され、その付随する有害な結果が未検討のままである。 我々は,先行研究とクラウドソーシング研究の両方に根ざした介入の目録をまとめ,参加者がシステムアウトプットを編集し,人間らしくないようにした。 また,考えられる介入の景観を特徴づけ,異なる種類の介入の区別を明確化し,異なる介入の有効性を評価するための理論的基盤を提供するための概念的枠組みも開発している。
  論文  参考訳（メタデータ） (2025-02-19T18:06:37Z)
• Reconciling Heterogeneous Effects in Causal Inference [44.99833362998488]
  本稿では、機械学習におけるモデル乗法にReconcileアルゴリズムを適用し、因果推論における異種効果を再現する。 本研究の結果は,医療,保険,住宅などの高額な事業において,公正な成果の確保に有意な意味を持っている。
  論文  参考訳（メタデータ） (2024-06-05T18:43:46Z)
• 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)
• Decentralized Adversarial Training over Graphs [44.03711922549992]
  近年、敵攻撃に対する機械学習モデルの脆弱性が注目されている。 マルチエージェントシステムのための分散逆数フレームワークを開発する。
  論文  参考訳（メタデータ） (2023-03-23T15:05:16Z)
• Causal Triplet: An Open Challenge for Intervention-centric Causal Representation Learning [98.78136504619539]
  Causal Tripletは、視覚的に複雑なシーンを特徴とする因果表現学習ベンチマークである。 この結果から,不整合表現やオブジェクト中心表現の知識によって構築されたモデルが,分散表現よりもはるかに優れていることを示す。
  論文  参考訳（メタデータ） (2023-01-12T17:43:38Z)
• Sociodemographic inequalities in student achievement: An intersectional multilevel analysis of individual heterogeneity and discriminatory accuracy (MAIHDA) with application to students in London, England [0.0]
  本研究は,イギリス・ロンドンに在住する2人の学生を対象に,学生の達成度における社会デマロジカルな不平等について検討した。 対話的な効果ではなく,主に添加物によって構成される達成度において,実質的な成層レベルの変動がみられた。 政策立案者は、余剰学生の増員にもっと注意を払うべきだと結論付けている。
  論文  参考訳（メタデータ） (2022-11-10T16:16:52Z)
• Matching a Desired Causal State via Shift Interventions [13.89612747723388]
  我々は,能動的学習を通じて,システムの望ましい平均値と一致するシフト介入を特定することの問題点を考察する。 目的と正確に一致することが保証される2つのアクティブな学習戦略を提案する。 我々の戦略は、これまで検討されたアプローチよりも指数関数的に少ない介入を必要とする可能性がある。
  論文  参考訳（メタデータ） (2021-07-05T08:11:36Z)

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。