論文の概要: Toward AI Matching Policies in Homeless Services: A Qualitative Study with Policymakers
- arxiv url: http://arxiv.org/abs/2508.07129v1
- Date: Sun, 10 Aug 2025 00:33:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 21:23:28.717019
- Title: Toward AI Matching Policies in Homeless Services: A Qualitative Study with Policymakers
- Title（参考訳）: ホームレスサービスにおけるAIマッチング政策に向けて:政策立案者との質的研究
- Authors: Caroline M. Johnston, Olga Koumoundouros, Angel Hsing-Chi Hwang, Laura Onasch-Vera, Eric Rice, Phebe Vayanos,
- Abstract要約: ロサンゼルスの政策立案者は、AIを住宅資源マッチングプロセスに組み込むという考えにオープンかどうかを検討する。
我々の質的な分析は、様々な複雑な要因に気付いても、政策立案者はAIマッチングツールのアイデアを歓迎することを示している。
- 参考スコア（独自算出の注目度）: 10.288369812464895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial intelligence researchers have proposed various data-driven algorithms to improve the processes that match individuals experiencing homelessness to scarce housing resources. It remains unclear whether and how these algorithms are received or adopted by practitioners and what their corresponding consequences are. Through semi-structured interviews with 13 policymakers in homeless services in Los Angeles, we investigate whether such change-makers are open to the idea of integrating AI into the housing resource matching process, identifying where they see potential gains and drawbacks from such a system in issues of efficiency, fairness, and transparency. Our qualitative analysis indicates that, even when aware of various complicating factors, policymakers welcome the idea of an AI matching tool if thoughtfully designed and used in tandem with human decision-makers. Though there is no consensus as to the exact design of such an AI system, insights from policymakers raise open questions and design considerations that can be enlightening for future researchers and practitioners who aim to build responsible algorithmic systems to support decision-making in low-resource scenarios.
- Abstract（参考訳）: 人工知能の研究者たちは、ホームレスを経験する個人と住宅資源の不足にマッチするプロセスを改善するために、さまざまなデータ駆動アルゴリズムを提案している。
これらのアルゴリズムが実践者によって受け入れられるか、どのように採用されるのか、そしてそれらがどのような結果をもたらすのかは、まだ不明である。
ロサンゼルスのホームレスサービスにおける13人の政策立案者への半構造化されたインタビューを通じて、このような変更案が住宅資源マッチングプロセスにAIを統合するというアイデアにオープンかどうかを調査し、効率性、公正性、透明性といった問題において、そのようなシステムから潜在的な利益と欠点がどこにあるかを特定する。
我々の質的な分析は、様々な複雑な要因に気付いても、政策立案者は、人間の意思決定者と慎重に設計され、併用されたAIマッチングツールのアイデアを歓迎することを示している。
このようなAIシステムの正確な設計に関する合意はないが、政策立案者による洞察は、低リソースのシナリオで意思決定をサポートする責任あるアルゴリズムシステムを構築することを目指す将来の研究者や実践者にとって啓蒙すべきオープンな質問や設計上の考察を提起する。
関連論文リスト
- AI Automatons: AI Systems Intended to Imitate Humans [54.19152688545896]
人々の行動、仕事、能力、類似性、または人間性を模倣するように設計されたAIシステムが増加している。
このようなAIシステムの研究、設計、展開、可用性は、幅広い法的、倫理的、その他の社会的影響に対する懸念を喚起している。
論文 参考訳（メタデータ） (2025-03-04T03:55:38Z) - Beyond Algorithmic Fairness: A Guide to Develop and Deploy Ethical AI-Enabled Decision-Support Tools [0.0]
人工知能(AI)と最適化の統合は、エンジニアリングシステムの効率性、信頼性、レジリエンスを向上させるための大きな約束を持っている。
本稿では,AIと最適化の交差点にアルゴリズムを配置する際に必要となる倫理的考察を明らかにする。
本論文は,ルールの規範的セットを提供するのではなく,研究者間のリフレクションと意識を高めることを目的としている。
論文 参考訳（メタデータ） (2024-09-17T18:37:53Z) - Combining AI Control Systems and Human Decision Support via Robustness and Criticality [53.10194953873209]
我々は、逆説(AE)の方法論を最先端の強化学習フレームワークに拡張する。
学習したAI制御システムは、敵のタンパリングに対する堅牢性を示す。
トレーニング/学習フレームワークでは、この技術は人間のインタラクションを通じてAIの決定と説明の両方を改善することができる。
論文 参考訳（メタデータ） (2024-07-03T15:38:57Z) - Negotiating the Shared Agency between Humans & AI in the Recommender System [1.4249472316161877]
本研究では,ユーザエージェンシーの強化を目的とした二重制御機構を提案する。
透明性とコントロールのレベルがユーザエクスペリエンスに与える影響を評価した。
論文 参考訳（メタデータ） (2024-03-23T19:23:08Z) - On the meaning of uncertainty for ethical AI: philosophy and practice [10.591284030838146]
これは、数学的推論に倫理的考察をもたらす重要な方法であると主張する。
我々は、2021年12月のOmicron型COVID-19の拡散について、英国政府に助言するために使用される競合モデルの文脈内でこれらのアイデアを実証する。
論文 参考訳（メタデータ） (2023-09-11T15:13:36Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z) - Inverse Online Learning: Understanding Non-Stationary and Reactionary
Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。
一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。
本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。
UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文 参考訳（メタデータ） (2022-03-14T17:40:42Z) - Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。
我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
論文 参考訳（メタデータ） (2020-04-15T15:58:05Z)
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。