論文の概要: Risk, Data, Alignment: Making Credit Scoring Work in Kenya

• arxiv url: http://arxiv.org/abs/2602.01824v1
• Date: Mon, 02 Feb 2026 08:57:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.020136
• Title: Risk, Data, Alignment: Making Credit Scoring Work in Kenya
• Title（参考訳）: リスク、データ、アライメント:ケニアでクレディ・スコーリングを行う
• Authors: Daniel Mwesigwa, Steven J. Jackson, Christopher Csikszentmihalyi,
• Abstract要約: ケニア・ナイロビにおけるデジタル融資におけるデータサイエンスの社会工学的・制度的な取り組みについて検討した。 本研究は,実践者が技術的な回避策と法的回避策を用いて代替データを構築する方法を示すものである。 アルゴリズムによるクレジットスコアリングは、現在進行中のアライメント作業によって達成される、と我々は主張する。
• 参考スコア（独自算出の注目度）: 9.378148467935805
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Credit scoring is an increasingly central and contested domain of data and AI governance, frequently framed as a neutral and objective method of assessing risk across diverse economic and political contexts. Based on a nine-month ethnography of credit scoring practices in Nairobi, Kenya, we examined the sociotechnical and institutional work of data science in digital lending. While established regional telcos and banks are leveraging proprietary data to develop digital loan products, algorithmic credit scoring is being transformed by new actors, techniques, and shifting regulations. Our findings show how practitioners construct alternative data using technical and legal workarounds, formulate risk through multiple interpretations, and negotiate model performance via technical and political means. We argue that algorithmic credit scoring is accomplished through the ongoing work of alignment that stabilizes risk under conditions of persistent uncertainty, taking epistemic, modeling, and contextual forms. Extending work on alignment in HCI, we show how it operates as a two-way translation, where models are made "safe for worlds" while those worlds are reshaped to be "safe for models."
• Abstract（参考訳）: 信用スコアリング(Credit score)は、データとAIガバナンスの、ますます中心的で議論の的になっている領域であり、様々な経済的、政治的文脈におけるリスクを評価する中立的で客観的な方法としてしばしば考えられている。 ケニア・ナイロビにおける信用評価実践の9ヶ月のエスノグラフィーに基づいて,デジタル融資におけるデータサイエンスの社会技術・制度的活動について検討した。 確立した地域の電話会社や銀行は、独自のデータを活用してデジタルローン製品を開発している一方、アルゴリズムによる信用スコアリングは、新しいアクター、技術、シフト規則によって変化している。 本研究は、実践者が技術的・法的回避策を用いて代替データを構築し、複数の解釈によるリスクを定式化し、技術的・政治的手段によるモデルパフォーマンスの交渉を行う方法を示す。 アルゴリズムによる信用スコアリングは、持続的不確実性の条件下でリスクを安定化するアライメントの継続的な作業を通じて達成され、てんかん、モデリング、文脈の形式をとる。 HCIにおけるアライメントの作業を拡張して、モデルが"世界にとって安全な"一方で、それらの世界は"モデルにとって安全な"ように再形成される、双方向の翻訳として機能することを示す。

関連論文リスト

• Opportunities in AI/ML for the Rubin LSST Dark Energy Science Collaboration [63.61423859450929]
  この白書は、DESCの主要な宇宙探査と横断的分析を通して、AI/MLの現在の状況を調査している。 本研究では,大規模ベイズ推定,物理インフォームド手法,検証フレームワーク,発見のための能動的学習など,主要な方法論研究の優先事項を明らかにする。
  論文  参考訳（メタデータ） (2026-01-20T18:46:42Z)
• Agentic AI for Autonomous, Explainable, and Real-Time Credit Risk Decision-Making [0.0]
  本稿では、エージェントAIフレームワーク、つまりAIエージェントが人間の観察者に依存しない動的信用の世界を見るシステムを提案する。 この研究は、学習を強化するマルチエージェントシステム、自然言語推論、説明可能なAIモジュール、リアルタイムデータ吸収パイプラインを導入している。 結論からは、意思決定のスピード、透明性、応答性が、従来の信用スコアモデルよりも優れていることが分かる。
  論文  参考訳（メタデータ） (2025-12-22T23:30:38Z)
• Integrative Analysis of Risk Management Methodologies in Data Science Projects [0.0]
  本研究の目的は,データサイエンスプロジェクトに適用される主要なリスク管理手法の比較分析を行うことである。 本研究は、データサイエンスに特化したフレームワークと同様に、広く採用されているリスク管理標準ISO 31000、PMBOK Risk Management、NIST RMFについて検討する。 従来のアプローチは新興リスクのカバー範囲が限られているのに対して、現代のモデルでは多次元構造が提案されている。
  論文  参考訳（メタデータ） (2025-12-02T13:06:52Z)
• Rethinking Data Protection in the (Generative) Artificial Intelligence Era [138.07763415496288]
  現代の(生産的な)AIモデルやシステムに生じる多様な保護ニーズを捉える4段階の分類法を提案する。 当社のフレームワークは、データユーティリティとコントロールのトレードオフに関する構造化された理解を提供し、AIパイプライン全体にわたっています。
  論文  参考訳（メタデータ） (2025-07-03T02:45:51Z)
• A machine learning workflow to address credit default prediction [0.44943951389724796]
  信用デフォルト予測(CDP)は個人や企業の信用力を評価する上で重要な役割を果たす。 CDPを改善するためのワークフローベースのアプローチを提案する。これは、借り手が信用義務を負う確率を評価するタスクを指す。
  論文  参考訳（メタデータ） (2024-03-06T15:30:41Z)
• Auditing and Generating Synthetic Data with Controllable Trust Trade-offs [54.262044436203965]
  合成データセットとAIモデルを包括的に評価する総合監査フレームワークを導入する。 バイアスや差別の防止、ソースデータへの忠実性の確保、実用性、堅牢性、プライバシ保護などに焦点を当てている。 多様なユースケースにまたがる様々な生成モデルを監査することにより,フレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2023-04-21T09:03:18Z)
• Explaining Credit Risk Scoring through Feature Contribution Alignment with Expert Risk Analysts [1.7778609937758323]
  私たちは企業の信用スコアにフォーカスし、さまざまな機械学習モデルをベンチマークします。 目標は、企業が一定の期間内に金融問題を経験しているかどうかを予測するモデルを構築することです。 我々は、信用リスクの専門家とモデル機能属性説明との相違を強調した専門家による機能関連スコアを提供することで、光を当てる。
  論文  参考訳（メタデータ） (2021-03-15T12:59:15Z)
• Explanations of Machine Learning predictions: a mandatory step for its application to Operational Processes [61.20223338508952]
  信用リスクモデリングは重要な役割を果たす。 近年,機械学習や深層学習の手法が採用されている。 この分野における説明可能性問題に LIME 手法を適用することを提案する。
  論文  参考訳（メタデータ） (2020-12-30T10:27:59Z)
• Trust in Data Science: Collaboration, Translation, and Accountability in Corporate Data Science Projects [6.730787776951012]
  応用データサイエンスにおける4つの一般的な緊張関係について述べる: (un)equivocal number, (counter)intuitive knowledge, (in)credible data, (in)scrutable model。 組織的アクターが、懐疑主義、評価、信頼性の実践を通じて、乱雑で不確実な分析条件下で信頼を確立し、再交渉する方法を示す。 我々は,CSCW内外におけるデータサイエンス研究と実践における知見の意味を論じることによって,結論を導いた。
  論文  参考訳（メタデータ） (2020-02-09T15:50:50Z)

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。