論文の概要: Leveraging LLMs for Privacy-Aware Predictions in Participatory Budgeting
- arxiv url: http://arxiv.org/abs/2508.06577v1
- Date: Thu, 07 Aug 2025 15:26:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 21:23:28.452067
- Title: Leveraging LLMs for Privacy-Aware Predictions in Participatory Budgeting
- Title（参考訳）: 参加予算におけるプライバシ・アウェア・予測のためのLCMの活用
- Authors: Juan Zambrano, Clément Contet, Jairo Gudiño, Felipe Garrido-Lucero, Umberto Grandi, Cesar A Hidalgo,
- Abstract要約: 参加予算は市民に公共投資プロジェクトの提案と投票を許可する。
その民主的な可能性にもかかわらず、PBイニシアチブは低い参加率に悩まされ、その可視性と正当性を制限している。
本稿では,PB提案の資金源となる可能性を予測するためのプライバシ保護手法を提案する。
- 参考スコア（独自算出の注目度）: 5.126601234881228
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Participatory Budgeting (PB) empowers citizens to propose and vote on public investment projects. Yet, despite its democratic potential, PB initiatives often suffer from low participation rates, limiting their visibility and perceived legitimacy. In this work, we aim to strengthen PB elections in two key ways: by supporting project proposers in crafting better proposals, and by helping PB organizers manage large volumes of submissions in a transparent manner. We propose a privacy-preserving approach to predict which PB proposals are likely to be funded, using only their textual descriptions and anonymous historical voting records -- without relying on voter demographics or personally identifiable information. We evaluate the performance of GPT 4 Turbo in forecasting proposal outcomes across varying contextual scenarios, observing that the LLM's prior knowledge needs to be complemented by past voting data to obtain predictions reflecting real-world PB voting behavior. Our findings highlight the potential of AI-driven tools to support PB processes by improving transparency, planning efficiency, and civic engagement.
- Abstract（参考訳）: PB(Participatory Budgeting)は、公共投資プロジェクトの提案と投票を市民に許可する。
しかし、その民主的な可能性にもかかわらず、PBイニシアチブは低い参加率に悩まされ、その可視性と正当性を制限している。
本研究は,プロジェクト提案者がよりよい提案を行うのを支援すること,PB主催者が大量の応募を透過的に管理すること,という2つの重要な方法でPB選挙を強化することを目的としている。
我々は、投票者の人口統計や個人を特定できる情報に頼ることなく、彼らのテキスト記述と匿名の歴史的な投票記録のみを使用して、どのPB提案に資金がかかるかを予測するプライバシー保護アプローチを提案する。
実世界のPB投票行動に反映した予測を得るためには,過去の投票データによってLCMの事前知識を補完する必要があることを観察し,様々なシナリオにおける提案結果の予測におけるGPT 4 Turboの性能を評価した。
我々の発見は、透明性、計画の効率、市民のエンゲージメントを改善することによって、PBプロセスをサポートするAI駆動ツールの可能性を強調した。
関連論文リスト
- Fair Compromises in Participatory Budgeting: a Multi-Agent Deep Reinforcement Learning Approach [0.8192907805418581]
投票の予算化は、選択肢の過負荷につながるプロジェクトについて、有権者が決定を下さなければならない」
意思決定支援に対するマルチエージェント強化学習アプローチは、投票の勝利率を増加させる投票戦略を特定することで、投票者にとって意思決定を容易にすることができる。
本稿では,多エージェント深部強化学習モデルを用いた意思決定支援のための,倫理的に整合した新しいアプローチを提案する。
論文 参考訳（メタデータ） (2025-07-23T11:46:13Z) - PBa-LLM: Privacy- and Bias-aware NLP using Named-Entity Recognition (NER) [45.870212237420226]
本研究では,Large Language Models(LLMs)のプライバシ保護トレーニングを容易にするために,NER(Named-Entity Recognition)の使用について検討する。
我々は,NER技術を用いて個人識別や地理的位置情報などのテキストデータ中の機密情報を匿名化するフレームワークを提案する。
この研究は2つの言語モデル(BERTとRoBERTa)と6つの匿名化アルゴリズム(Presidio、FLAIR、BERT、および異なるバージョンのGPT)を24,000の候補プロファイルのデータベースに適用した。
論文 参考訳（メタデータ） (2025-06-30T14:42:49Z) - ElectionSim: Massive Population Election Simulation Powered by Large Language Model Driven Agents [70.17229548653852]
我々は,大規模言語モデルに基づく革新的な選挙シミュレーションフレームワークであるElectronSimを紹介する。
ソーシャルメディアプラットフォームからサンプリングした100万レベルの投票者プールを提示し、正確な個人シミュレーションを支援する。
PPEは、米国大統領選挙シナリオ下での我々の枠組みの性能を評価するための、世論調査に基づく大統領選挙ベンチマークである。
論文 参考訳（メタデータ） (2024-10-28T05:25:50Z) - Improving City Life via Legitimate and Participatory Policy-making: A
Data-driven Approach in Switzerland [2.5234156040689237]
本稿では,スイスのアララウ市における1,204人の市民のケーススタディに焦点を当てた。
意思決定の正当性に影響を与える洞察力のある指標を含む調査データを分析する。
論文 参考訳（メタデータ） (2023-06-23T13:38:39Z) - Sequential Information Design: Markov Persuasion Process and Its
Efficient Reinforcement Learning [156.5667417159582]
本稿では,逐次情報設計の新たなモデル,すなわちマルコフ説得過程(MPP)を提案する。
MPPのプランニングは、ミオピックレシーバーに同時に説得されるシグナルポリシーを見つけ、送信者の最適な長期累積ユーティリティを誘導する、というユニークな課題に直面している。
我々は,楽観主義と悲観主義の両原理の新たな組み合わせを特徴とする,実証可能な効率のよい非回帰学習アルゴリズム,Optimism-Pessimism Principle for Persuasion Process (OP4) を設計する。
論文 参考訳（メタデータ） (2022-02-22T05:41:43Z) - Citizen Participation and Machine Learning for a Better Democracy [22.682698778214434]
民主的な意思決定プロセスにおける市民参加の障壁に対処することを目的としたプロジェクトの進捗状況を報告します。
主な目的は、自然言語処理(NLP)と機械学習の応用が、デジタル市民参加プラットフォームにおける市民の経験を改善することができるかどうかを探ることである。
論文 参考訳（メタデータ） (2021-02-28T13:30:07Z)
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。