論文の概要: Fairness-First Design Thinking for Software Architecture

• arxiv url: http://arxiv.org/abs/2604.18055v1
• Date: Mon, 20 Apr 2026 10:24:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.807801
• Title: Fairness-First Design Thinking for Software Architecture
• Title（参考訳）: ソフトウェアアーキテクチャのためのフェアネスファーストデザイン思考
• Authors: Iffat Fatima, Markus Funke, Patricia Lago,
• Abstract要約: ソフトウェアアーキテクチャ(SA)設計における公平性への対処を支援するために、フェアネスファーストデザイン思考(DT)アプローチを導入します。 本研究は, (i) SA に対する DT アプローチ, (ii) 問題空間と解空間の公平性に対する DT アプローチの影響,および (iii) 教育に対する DT アプローチを提案する。
• 参考スコア（独自算出の注目度）: 3.6032688627643084
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Fairness issues often remain hidden in digital systems, making them difficult to detect and even more difficult to address. In this study, we introduce a fairness-first Design Thinking (DT) approach to support addressing fairness concerns in software architecture (SA) design. We implemented our approach in a graduate-level course where students executed all steps of our DT approach as part of an assignment. We analyzed the assignment data to reflect on the implications for applying the DT approach in SA and teaching the DT approach in SA education. As a result of this study, we provide (i) a DT approach for SA, (ii) implications of the DT approach on handling fairness in both problem and solution spaces, and (iii) implications for education. Our reflections highlight that fairness theory and context identification are essential for a holistic, fairness-first design. We propose the use of composite views to address cross-cutting concerns such as fairness. In the future, we will update the course material to provide end-to-end fairness traceability in SA, helping students to understand how fairness concerns can be translated into actionable design decisions.
• Abstract（参考訳）: 公平性の問題はしばしばデジタルシステムに隠されているため、検出が難しく、さらに対処が難しい。 本研究では,ソフトウェアアーキテクチャ (SA) 設計における公平性への対処を支援するためのフェアネスファースト・デザイン・シンキング (DT) アプローチを提案する。 課題の1つとして,学生がDTアプローチのすべてのステップを実行した大学院レベルのコースに,我々のアプローチを実装した。 課題データを分析して,SAにおけるDTアプローチの適用と,SA教育におけるDTアプローチの教育の意義を考察した。 この研究の結果、我々は i) SA に対する DT アプローチ (II)問題空間と解空間の公平性に対するDTアプローチの影響、及び (三)教育に関すること。 我々の考察は、公平性理論とコンテキスト識別が全体論的で公平性第一の設計に不可欠であることを強調している。 本稿では,公平性などの横断的関心事に対処するための複合ビューを提案する。 将来的には,授業資料を更新して,学生がフェアネスに関する懸念を実践可能な設計判断にどのように翻訳できるかを理解できるようにする。

関連論文リスト

• Understanding Catastrophic Interference: On the Identifibility of Latent Representations [67.05452287233122]
  破滅的な干渉、あるいは破滅的な忘れ(Caastrophic forgetting)は、機械学習の根本的な課題である。 本稿では,破滅的干渉を識別問題として定式化する新しい理論枠組みを提案する。 我々のアプローチは、合成データセットとベンチマークデータセットの両方で理論的保証と実用的なパフォーマンスの改善を提供する。
  論文  参考訳（メタデータ） (2025-09-27T00:53:32Z)
• Interrogating LLM design under a fair learning doctrine [20.39965179564421]
  トレーニング決定がモデルの記憶に重大な影響を及ぼすかどうかを測定することで「フェアラーニング」という概念を運用する。 フェアラーニングのための法的な標準を提案し、記憶分析をこの標準に結びつける。
  論文  参考訳（メタデータ） (2025-02-22T16:41:11Z)
• FairAIED: Navigating Fairness, Bias, and Ethics in Educational AI Applications [8.443431821420537]
  教育におけるAIの統合は、学習経験をパーソナライズし、教育実践を変革する大きな可能性を秘めている。 研究者がこれらのバイアスを理解して緩和しようとすると、教育AIの公平性を調べる研究が増えている。 この調査は、教育AIにおけるアルゴリズムフェアネスの総合的な体系的なレビューを提供する。
  論文  参考訳（メタデータ） (2024-07-26T13:59:20Z)
• AI Fairness in Practice [0.46671368497079174]
  フェアネスの概念が何を意味するのか、どのように実践されるべきなのか、社会全体に幅広い見解がある。 このワークブックは、AIフェアネスを理解するためのコンテキストベースのアプローチが、プロジェクトチームにとって、不公平な偏見と差別がAIプロジェクトワークフロー全体にわたって生み出す多くの方法を特定し、緩和し、管理する上で、どのように役立つかを説明している。
  論文  参考訳（メタデータ） (2024-02-19T23:02:56Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• Conditional Supervised Contrastive Learning for Fair Text Classification [59.813422435604025]
  対照的な学習を通してテキスト分類のための等化オッズとして知られる公平性の概念を満たす学習公正表現について研究する。 具体的には、まず、公正性制約のある学習表現と条件付き教師付きコントラスト目的との間の関係を理論的に分析する。
  論文  参考訳（メタデータ） (2022-05-23T17:38:30Z)
• BERT-ASC: Auxiliary-Sentence Construction for Implicit Aspect Learning in Sentiment Analysis [4.522719296659495]
  本稿ではアスペクト分類とアスペクトベース感情サブタスクに対処する統合フレームワークを提案する。 コーパスのセマンティック情報を用いて暗黙的側面のための補助文を構築する機構を導入する。 次に、BERTはアスペクト自体ではなく、この補助文に応答してアスペクト固有の表現を学ぶことを推奨する。
  論文  参考訳（メタデータ） (2022-03-22T13:12:27Z)
• On Learning and Testing of Counterfactual Fairness through Data Preprocessing [27.674565351048077]
  機械学習は実生活における意思決定においてますます重要になっているが、人々は不適切な使用によってもたらされる倫理的問題を懸念している。 最近の研究は、機械学習の公正性に関する議論を因果的枠組みに持ち込み、対実的公正性の概念を精査している。 偏りのあるトレーニングデータから対実的に公正な決定を学習するために,dAta前処理(FLAP)アルゴリズムを用いてフェアラーニングを開発する。
  論文  参考訳（メタデータ） (2022-02-25T00:21:46Z)
• Adversarial Self-Supervised Learning for Semi-Supervised 3D Action Recognition [123.62183172631443]
  本稿では,SSLと半教師付きスキームを緊密に結合する新しいフレームワークであるAdversarial Self-Supervised Learning (ASSL)を紹介する。 具体的には,3次元動作認識のための学習表現の識別能力を向上させる効果的なSSL方式を設計する。
  論文  参考訳（メタデータ） (2020-07-12T08:01:06Z)

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。