論文の概要: Beyond Explanation: Evidentiary Rights for Algorithmic Accountability

• arxiv url: http://arxiv.org/abs/2603.22716v1
• Date: Tue, 24 Mar 2026 02:12:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.252058
• Title: Beyond Explanation: Evidentiary Rights for Algorithmic Accountability
• Title（参考訳）: 説明を越えて - アルゴリズムのアカウンタビリティに対する証拠的権利
• Authors: Matthew Stewart,
• Abstract要約: アルゴリズムのアカウンタビリティ奨学金は説明に重点を置いており、決定が下された理由を理解するのに役立っている。 我々は、この焦点が不十分であると主張する。明示的なアクセスのない説明は、有意義な競争を可能にしない。 手続き的要素の欠如として顕在的権利を提案し,反実的尋問権を開発する。
• 参考スコア（独自算出の注目度）: 0.3196233350675362
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Algorithmic accountability scholarship has focused heavily on explanation, helping affected parties understand why decisions were made. We argue this focus is insufficient. Explanation without evidentiary access does not enable meaningful contestation. A person told "your risk score was 0.73" understands the decision but cannot verify the score, test alternatives, or produce counter-evidence. We introduce a taxonomy of contestation failures, showing that most accountability interventions address only one failure mode (opacity) while leaving four others unaddressed. Drawing on analysis of 168 legal cases spanning algorithmic decision-making contexts, we find that contestation faces a two-gate structure: a procedural gate (evidentiary access) and a doctrinal gate (substantive liability rules). Among litigated cases, those without evidence access almost never succeed (9%); those with access succeed at rates approaching 97% in domains without liability shields. Where doctrinal immunities apply (e.g., Section 230), even full evidentiary scrutiny produces no liability. This association almost certainly reflects selection effects; our empirical contribution is diagnostic rather than causal. The data identify where contestation fails among observable cases, not whether providing access would change outcomes for currently-excluded cases. We propose evidentiary rights as the missing procedural component, and develop counterfactual interrogation rights that allow affected parties to probe decision systems with modified inputs and observe whether outcomes change, without requiring disclosure of model internals. This reframes algorithmic accountability from a transparency problem to a procedural rights problem.
• Abstract（参考訳）: アルゴリズムのアカウンタビリティの奨学金は説明に重点を置いており、決定が下された理由を理解するのに役立っている。 私たちはこの焦点が不十分であると主張している。 明示的なアクセスのない説明は有意義な競争を可能にしない。 リスクスコアは0.73」と言われた人は、その決定を理解するが、スコアを確認したり、代替品を試したり、逆の証拠を作ることはできない。 争う失敗の分類を導入し、ほとんどのアカウンタビリティ介入は1つの障害モード(オプタシティ)にのみ対応し、他の4つの障害モードは未対応であることを示した。 アルゴリズムによる意思決定の文脈にまたがる168件の判例の分析から,コンペティションは2つのゲート構造 – 手続きゲート(初期アクセス)とドクトリンゲート(実質責任規則) – に直面していることがわかった。 訴訟ケースの中で、証拠のないケースはほとんど成功しない(9%)。 教義の免疫が適用される場合(例:第230条)、完全な明らかな精査でさえ負債を生じない。 この関連はほとんど確実に選択効果を反映しており、我々の経験的貢献は因果関係ではなく診断である。 データは、現在除外されているケースに対して、アクセスを提供することで結果が変わるかどうかに関わらず、観測可能なケース間で競合が失敗する場所を特定する。 提案する手続き的要素の欠如として顕在的権利について提案し, モデル内部の開示を必要とせず, 影響を受ける当事者が入力を変更して意思決定システムを探索し, 結果が変化するかどうかを観察する, 対実的尋問権を開発する。 これにより、透明性問題から手続き的権利問題へのアルゴリズム的説明責任が再編成される。

関連論文リスト

• Alternative Fairness and Accuracy Optimization in Criminal Justice [0.0]
  我々は、標準群公正性への簡単な修正を開発する。 誤り率の差を小さく抑えつつ、重み付き誤差損失を最小限に抑える。 これにより、ソリューションの発見が容易になり、予測精度が向上し、エラーコストの倫理的選択が表面化します。
  論文  参考訳（メタデータ） (2025-11-06T16:24:43Z)
• Partial Identification Approach to Counterfactual Fairness Assessment [50.88100567472179]
  未知の対実的公正度尺度を高い信頼性で有界化するためのベイズ的アプローチを導入する。 以上の結果から、人種をアフリカ系アメリカ人に転換する際のCompASスコアに対する肯定的な(不快な)効果と、若年から高齢に移行する際の否定的な(直接的な因果関係)効果が明らかとなった。
  論文  参考訳（メタデータ） (2025-09-30T18:35:08Z)
• A Law Reasoning Benchmark for LLM with Tree-Organized Structures including Factum Probandum, Evidence and Experiences [76.73731245899454]
  本稿では,階層的なファクトラム,証拠,暗黙的な経験に富む透明な法理推論スキーマを提案する。 このスキーマにインスパイアされた課題は、テキストのケース記述を取り込み、最終決定を正当化する階層構造を出力する。 このベンチマークは、Intelligent Courtにおける透明で説明可能なAI支援法推論の道を開く」。
  論文  参考訳（メタデータ） (2025-03-02T10:26:54Z)
• Peer-induced Fairness: A Causal Approach for Algorithmic Fairness Auditing [0.0]
  欧州連合の人工知能法は2024年8月1日に施行された。 リスクの高いAIアプリケーションは、厳格な透明性と公正な基準に従わなければならない。 本稿では,対実的公正性とピア比較戦略の強みを組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2024-08-05T15:35:34Z)
• Auditing Fairness under Unobserved Confounding [56.61738581796362]
  意外なことに、リスクの高い人に対する治療率の有意義な限界を計算できることが示されています。 現実の多くの環境では、リスクの偏りのない見積を導き出すために、アロケーションの前にデータを持っているという事実を使用します。
  論文  参考訳（メタデータ） (2024-03-18T21:09:06Z)
• Causal Fairness for Outcome Control [68.12191782657437]
  本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。 本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。 次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
  論文  参考訳（メタデータ） (2023-06-08T09:31:18Z)

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。