論文の概要: Fairness Across Fields: Comparing Software Engineering and Human Sciences Perspectives

• arxiv url: http://arxiv.org/abs/2603.27895v1
• Date: Sun, 29 Mar 2026 22:27:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.163913
• Title: Fairness Across Fields: Comparing Software Engineering and Human Sciences Perspectives
• Title（参考訳）: フェアネスの分野 - ソフトウェア工学と人間科学の視点の比較
• Authors: Lucas Valenca, Ronnie de Souza Santos,
• Abstract要約: 本研究は,人間の科学において,公平性がどのように概念化されているかを分析することによって,ソフトウェア工学的アプローチの公平性に対する限界に挑戦する。 ソフトウェア工学におけるアルゴリズムフェアネスに関する45の論文と人文科学からのフェアネスに関する25の論文の2つの二次研究を行った。
• 参考スコア（独自算出の注目度）: 2.470815298095903
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background. As digital technologies increasingly shape social domains such as healthcare, public safety, entertainment, and education, software engineering has engaged with ethical and political concerns primarily through the notion of algorithmic fairness. Aim. This study challenges the limits of software engineering approaches to fairness by analyzing how fairness is conceptualized in the human sciences. Methodology. We conducted two secondary studies, exploring 45 articles on algorithmic fairness in software engineering and 25 articles on fairness from the humanities, and compared their findings to assess cross-disciplinary insights for ethical technological development. Results. The analysis shows that software engineering predominantly defines fairness through formal and statistical notions focused on outcome distribution, whereas the humanities emphasize historically situated perspectives grounded in structural inequalities and power relations, with differences also evident in associated social benefits, proposed practices, and identified challenges. Conclusion. Perspectives from the human sciences can meaningfully contribute to software engineering by promoting situated understandings of fairness that move beyond technical approaches and better account for the societal impacts of technologies.
• Abstract（参考訳）: 背景。 デジタル技術が医療、公共の安全、エンターテイメント、教育といった社会的領域をますます形成していくにつれ、ソフトウェア工学はアルゴリズム的公正の概念を通じて倫理的、政治的関心事に従事してきた。 エイム。 本研究は,人間の科学において,公平性がどのように概念化されているかを分析することによって,ソフトウェア工学的アプローチの公平性に対する限界に挑戦する。 方法論。 ソフトウェア工学のアルゴリズム的公正性に関する45の論文と人文科学の公正性に関する25の論文の2つの二次研究を行い、それらの知見を比較し、倫理的技術開発のための学際的洞察を評価する。 結果。 この分析は、ソフトウェア工学が、結果分布に焦点をあてた形式的および統計的概念を通じて公正性を定義するのに対し、人文科学は歴史的に、構造的不平等と権力関係に基づく視点を強調しており、関連する社会的利益、提案されたプラクティス、特定課題にも相違が明らかであることを示している。 結論。 人間の科学からの視点は、技術的なアプローチを超えて、テクノロジーの社会的影響をよりよく説明する公平さの場所の理解を促進することによって、ソフトウェア工学に有意義な貢献をすることができる。

関連論文リスト

• Technological Excellence Requires Human and Social Context [0.12470603961665389]
  我々は、技術的厳密さと倫理的堅牢性、社会的知性、長期的妥当性を組み合わせた卓越性に関するより広範な理解を提案する。 本稿では,人文科学と社会科学が総合的な研究実践として扱われる5つの相互接続領域について考察する。
  論文  参考訳（メタデータ） (2026-03-11T11:12:59Z)
• Empathy in Software Engineering Education: Evidence, Practices, and Opportunities [2.198430261120653]
  本研究は,ソフトウェア工学教育において共感がどのように使われているか,教えられ,議論されてきたかを検討する。 2001年から2025年にかけて,6つのデータベースを網羅的に検索し,43の初等研究を分析した。 その結果,ソフトウェア工学は共感を構造的,設計的,測定可能なプラクティスに翻訳するのに対し,共感は社会的責任に結びつく倫理的,反省的な能力であることがわかった。
  論文  参考訳（メタデータ） (2026-03-08T02:32:26Z)
• A Collectivist, Economic Perspective on AI [60.917028769172795]
  情報技術は、データ収集と機械学習が人類の世界にかつてないほど影響を与えている革命の真っ最中にある。 この見解は、人間が社会的な動物であり、私たちの知性の多くは社会的・文化的起源であるという事実を無視している。 進路は単なるデータと計算ではなく、アルゴリズム設計のレベルでの計算と推論の概念と経済と社会の概念の徹底的な融合である。
  論文  参考訳（メタデータ） (2025-07-08T03:07:43Z)
• Effort-aware Fairness: Incorporating a Philosophy-informed, Human-centered Notion of Effort into Algorithmic Fairness Metrics [44.14690069232159]
  Effort-aware Fairness (EaF) の概念化と評価のための哲学インフォームドアプローチを提案する。 私たちの作業は、AIモデル監査官が改善に多大な努力を払ってきたが、制御外の体系的な不利益に悩まされている個人に対して、不公平な判断を明らかにし、修正する可能性を秘めることができるかもしれません。
  論文  参考訳（メタデータ） (2025-05-25T21:07:13Z)
• Twenty Years of Personality Computing: Threats, Challenges and Future Directions [76.46813522861632]
  パーソナリティ・コンピューティング(Personality Computing)は、パーソナリティ心理学とコンピュータ科学の交差点にある分野である。 本稿では、その分野の概要を述べ、鍵となる方法論を探求し、課題と脅威について論じ、パーソナリティ・コンピューティング・テクノロジーの開発・展開における今後の方向性について概説する。
  論文  参考訳（メタデータ） (2025-03-03T22:03:48Z)
• Open Problems in Mechanistic Interpretability [61.44773053835185]
  機械的解釈可能性(Mechanistic Interpretability)は、ニューラルネットワークの能力の根底にある計算メカニズムを理解することを目的としている。 これらの目標に向けての最近の進歩にもかかわらず、解を必要とする分野には多くの未解決問題が存在する。
  論文  参考訳（メタデータ） (2025-01-27T20:57:18Z)
• Affective Computing Has Changed: The Foundation Model Disruption [47.88090382507161]
  我々は、Affective Computingの分野におけるファンデーションモデルの力に対する意識を高めることを目的としている。 我々は視覚、言語学、音声(音響)に焦点をあてて、マルチモーダルな感情データを合成して分析する。 本研究領域における基礎モデルの利用に関する倫理的問題や規制的側面などの基本的問題について論じる。
  論文  参考訳（メタデータ） (2024-09-13T15:20:18Z)
• The Fairness Field Guide: Perspectives from Social and Formal Sciences [16.53498469585148]
  公正な機械学習と哲学、社会学、法学との相互作用を説明する文献が欠如している。 我々はいくつかの統計学および因果関係に基づく公正な機械学習手法の数学的およびアルゴリズム的背景について述べる。 我々は、社会学的・哲学的な観点から、公正な機械学習への現在のアプローチに対する批判をいくつか探求する。
  論文  参考訳（メタデータ） (2022-01-13T21:30:03Z)
• A Sociotechnical View of Algorithmic Fairness [16.184328505946763]
  アルゴリズムの公正さは、自動意思決定におけるシステム的差別を緩和する新しい技術として位置づけられている。 公平性は本質的に社会的概念であり、それゆえにアルゴリズム的公正性のための技術は社会技術的レンズを通してアプローチされるべきである、と我々は主張する。
  論文  参考訳（メタデータ） (2021-09-27T21:17:16Z)
• No computation without representation: Avoiding data and algorithm biases through diversity [11.12971845021808]
  学術的および専門的なコンピューティング分野における多様性の欠如と、データセットで発生するバイアスのタイプと幅の関連性を引き合いに出す。 これらの教訓を利用して、コンピューティングコミュニティが多様性を高めるための具体的なステップを提供するレコメンデーションを開発する。
  論文  参考訳（メタデータ） (2020-02-26T23:07:39Z)

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。