論文の概要: Data for Inclusion: The Redistributive Power of Data Economics

• arxiv url: http://arxiv.org/abs/2510.16009v1
• Date: Tue, 14 Oct 2025 22:32:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:38.769365
• Title: Data for Inclusion: The Redistributive Power of Data Economics
• Title（参考訳）: 包摂的データ:データ経済学の再分配力
• Authors: Diego Vallarino,
• Abstract要約: 本稿では、財政的に排除された経済において、肯定的な信用情報へのアクセス拡大による再分配的・効率的影響を評価する。 ウルグアイの2021年の世帯調査のマイクロデータを用いて、3つのデータレシエーションをシミュレートする。 以上の結果から、より広範なデータ共有の実現は、財政コストを大幅に削減し、金利分散を圧縮し、信用負担のギニ係数を低下させることが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper evaluates the redistributive and efficiency impacts of expanding access to positive credit information in a financially excluded economy. Using microdata from Uruguay's 2021 household survey, we simulate three data regimes negative only, partial positive (Score+), and synthetic full visibility and assess their effects on access to credit, interest burden, and inequality. Our findings reveal that enabling broader data sharing substantially reduces financial costs, compresses interest rate dispersion, and lowers the Gini coefficient of credit burden. While partial visibility benefits a subset of the population, full synthetic access delivers the most equitable and efficient outcomes. The analysis positions credit data as a non-rival public asset with transformative implications for financial inclusion and poverty reduction.
• Abstract（参考訳）: 本稿では、財政的に排除された経済において、肯定的な信用情報へのアクセス拡大による再分配的・効率的影響を評価する。 ウルグアイの2021年の世帯調査から得られたマイクロデータを用いて、3つのデータ体制をシミュレートし、負のみ、部分的正(スコア+)、合成完全可視性、信用、利子負担、不平等に対するそれらの影響を評価した。 以上の結果から、より広範なデータ共有の実現は、財政コストを大幅に削減し、金利分散を圧縮し、信用負担のギニ係数を低下させることが明らかとなった。 部分的な可視性は人口のサブセットの恩恵を受けるが、完全な合成アクセスは最も公平で効率的な結果をもたらす。 この分析は、信用データを、財政的包摂と貧困削減に変革をもたらす非軍事的公共資産として位置づけている。

関連論文リスト

• Beyond Internal Data: Bounding and Estimating Fairness from Incomplete Data [26.037607208689977]
  貸付、雇用、医療といった高度な領域では、AIシステムの公平性を保証することが重要である。 業界設定では、法とプライバシーに関する懸念は、集団格差を評価するために必要な人口統計データの収集を制限する。 我々の研究は、そのような利用可能な別のデータを活用して、完全なデータがアクセスできないときにモデルフェアネスを見積もることを目指している。
  論文  参考訳（メタデータ） (2025-08-18T15:57:30Z)
• Mechanisms for Data Sharing in Collaborative Causal Inference (Extended Version) [2.709511652792003]
  本稿では,共通学習課題に対する各当事者のデータ貢献度を評価するための評価手法を提案する。 データの品質に応じてエージェントを公平に報酬するために、あるいはすべてのエージェントのデータコントリビューションを最大化するために利用することができる。
  論文  参考訳（メタデータ） (2024-07-04T14:32:32Z)
• Lazy Data Practices Harm Fairness Research [49.02318458244464]
  本稿では,公正な機械学習データセットを包括的に分析し,不反射的手法がアルゴリズム的公正度発見の到達度と信頼性をいかに妨げているかを示す。 本分析では,(1)データと評価における特定の保護属性の表現のテクスブフラック,(2)データ前処理におけるマイノリティの広汎なテキストbf,(3)フェアネス研究の一般化を脅かすテキストbfopaqueデータ処理の3つの分野について検討した。 この研究は、公正なMLにおけるデータプラクティスの批判的な再評価の必要性を強調し、データセットのソーシングと使用の両方を改善するための指針を提供する。
  論文  参考訳（メタデータ） (2024-04-26T09:51:24Z)
• Automated Testing of Spatially-Dependent Environmental Hypotheses through Active Transfer Learning [2.601262068492271]
  本研究は,多タスクガウス過程と情報に基づく目的関数による伝達学習と能動的学習を組み合わせたものである。 提案手法の性能を合成データに対して評価し,複数の仮説を正しく評価した。 この手法は、中間的あるいは強い相関を示す仮説を同定し、活用することができ、最初の7つのサンプルの中で1.4--3.4の係数で予測誤差を減少させることができる。
  論文  参考訳（メタデータ） (2024-02-28T05:49:08Z)
• Mechanisms that Incentivize Data Sharing in Federated Learning [90.74337749137432]
  我々は、データ共有の利点が完全に損なわれているような、ナイーブなスキームが破滅的なフリーライディングのレベルにどのように結びつくかを示す。 次に,各エージェントが生成するデータ量を最大化する精度形成機構を導入する。
  論文  参考訳（メタデータ） (2022-07-10T22:36:52Z)
• Evaluating the Fairness Impact of Differentially Private Synthetic Data [0.9297355862757838]
  差分プライベート(DP)合成データは、機密情報を含むデータの有効性を最大化するための有望なアプローチである。 これらのモデルのうち3つのモデルが下流のバイナリ分類タスクにおいてフェアネスの結果を劣化させる場合が多いことを示す実験結果を示す。 マルチラベルアンダーサンプ法を用いて事前処理したデータに対する学習用シンセサイザーは、精度を低下させることなく、より公正な結果を促進することができる。
  論文  参考訳（メタデータ） (2022-05-09T14:25:24Z)
• Spending Privacy Budget Fairly and Wisely [7.975975942400017]
  差分プライベート(DP)合成データ生成は、データへのアクセスを改善するための実用的な方法である。 DP固有の問題のひとつは、"プライバシ予算"が一般的に、データセットの機能間で均等に"発効"していることだ。 我々は,DPデータに基づいてトレーニングされたモデルの予測精度を最大化するために,プライバシー予算を「賢明に」配布するアンサンブル手法を開発した。
  論文  参考訳（メタデータ） (2022-04-27T13:13:56Z)
• Data Sharing Markets [95.13209326119153]
  我々は、各エージェントがデータの買い手および売り手の両方になり得る設定について検討する。 両データ交換(データ付きトレーディングデータ)と一方データ交換(お金付きトレーディングデータ)の2つの事例を考察する。
  論文  参考訳（メタデータ） (2021-07-19T06:00:34Z)
• Fairness, Welfare, and Equity in Personalized Pricing [88.9134799076718]
  顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。 選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
  論文  参考訳（メタデータ） (2020-12-21T01:01:56Z)
• Supercharging Imbalanced Data Learning With Energy-based Contrastive Representation Transfer [72.5190560787569]
  コンピュータビジョンにおいて、長い尾のデータセットからの学習は、特に自然画像データセットの繰り返しのテーマである。 本稿では,データ生成機構がラベル条件と特徴分布の間で不変であるメタ分散シナリオを提案する。 これにより、因果データインフレーションの手順を利用してマイノリティクラスの表現を拡大できる。
  論文  参考訳（メタデータ） (2020-11-25T00:13:11Z)

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。