論文の概要: Hidden Errors in Big Data: The Case of Property Records

• arxiv url: http://arxiv.org/abs/2607.28827v1
• Date: Thu, 30 Jul 2026 20:36:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.479743
• Title: Hidden Errors in Big Data: The Case of Property Records
• Title（参考訳）: ビッグデータに隠れたエラー:財産記録の事例
• Abstract要約: ILのクック郡で2つの著名なブローカーの資産データセットを監査する。 一致した販売の1-2%では、ブローカーが発行した販売価格は、真偽の販売価格と5%以上異なる。 ブローカー間では、誤レポートが極めて一貫性があることが示されています。
• 参考スコア（独自算出の注目度）: 7.339927315483204
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Big data are the foundation for an increasing share of academic research and AI models deployed in both the public and private sectors, prompting substantial growth over time in reliance on brokered datasets. Brokered property records, which are ubiquitous in studies of gentrification, inequality, and the property tax in the U.S. and serve as inputs to property valuation models, are one notable example. In this paper, we audit two prominent brokered property datasets, finding errors in these data which bias key measures of economic inequality. First, we document that for 1-2% of matched sales in Cook County, IL, from 2018-2021, broker-provided sale prices differ from ground truth sale prices by more than 5%. Moreover, missing data and conceptual differences in the reporting of deed and property characteristics lead to coverage errors ranging from 12 to 15% of transactions. Second, we show that misreporting is highly consistent between brokers: more often than not, brokers make identical reporting errors for the same transactions. Third, to illustrate the significance of these errors, we measure their impact on estimates of property tax regressivity, finding that they drive significant wedges between estimates depending on the data source. These findings generalize to two other large counties in the U.S., and highlight the crucial importance of open administrative data and transparency from brokers regarding data provenance and lineage.
• Abstract（参考訳）: ビッグデータは、パブリックセクターとプライベートセクターの両方で展開される学術研究とAIモデルのシェアの増加の基礎であり、ブローカー化されたデータセットに依存する時間とともに大幅に成長する。 ブロッカード・プロパティ・レコードは、ジェントリフィケーション、不平等、およびアメリカ合衆国における資産税の研究においてユビキタスであり、資産評価モデルへの入力として機能する。 本稿では、2つの著名なブローカー資産データセットを監査し、経済不平等の鍵となる指標を偏見するこれらのデータ中の誤りを検出する。 ひとつは、2018年から2021年にかけての、ILのクック郡におけるマッチした販売の1-2%において、ブローカーが提供する販売価格は、真偽の販売価格と5%以上異なる、ということです。 さらに、データ不足と特性特性の報告における概念的差異は、トランザクションの12～15%のカバレッジエラーを引き起こす。 第二に、ブローカ間での誤レポートは極めて一貫性があることを示します。 第三に、これらのエラーの重要性を説明するために、資産税の回帰率の推定への影響を計測し、データソースによっては、見積もり間で大きなくさびを生じさせることを見出した。 これらの発見は、アメリカ合衆国の他の2つの大きな郡に一般化され、オープンな行政データの重要性と、データの出所と系統に関するブローカーからの透明性を強調している。

関連論文リスト

• Tradeoffs are Domain Dependent: Improving Accuracy and Fairness in Property Tax Assessments [7.885461849343874]
  アルゴリズム的公正性の研究は、しばしば公正性と正確性の間のトレードオフを仮定する。しかしながら、このトレードオフは普遍的ではないかもしれない。 この仮定を米国資産税評価の文脈で検証する。
  論文  参考訳（メタデータ） (2026-05-14T16:20:32Z)
• Estimating Misreporting in the Presence of Genuine Modification: A Causal Perspective [11.438018798893113]
  リソースの割り当てを知らせるためにMLモデルを使用する場合、エージェントは、より良い結果を得るために、戦略的に機能を変更するインセンティブを持つ可能性がある。 そこで本研究では, エージェントがどの程度の頻度で誤レポートしているかを, 真に変化した特徴を識別し, 定量化するための因果的動機付け手法を提案する。
  論文  参考訳（メタデータ） (2025-05-29T19:06:30Z)
• Assessing Judging Bias in Large Reasoning Models: An Empirical Study [99.86300466350013]
  DeepSeek-R1やOpenAI-o1のような大きな推論モデル(LRM)は、顕著な推論能力を示している。 本稿では、主観的嗜好アライメントデータセットと客観的事実ベースデータセットの両方において、LLMとLRMの偏りを判定するベンチマークを示す。
  論文  参考訳（メタデータ） (2025-04-14T07:14:27Z)
• Thinking Racial Bias in Fair Forgery Detection: Models, Datasets and Evaluations [63.52709761339949]
  最初に、Fair Forgery Detection(FairFD)データセットと呼ばれる専用のデータセットをコントリビュートし、SOTA(Public State-of-the-art)メソッドの人種的偏見を証明する。 我々は、偽りの結果を避けることができる平均的メトリクスと実用正規化メトリクスを含む新しいメトリクスを設計する。 また,有効で堅牢な後処理技術であるBias Pruning with Fair Activations (BPFA)も提案する。
  論文  参考訳（メタデータ） (2024-07-19T14:53:18Z)
• The Impact of Differential Feature Under-reporting on Algorithmic Fairness [86.275300739926]
  解析的に抽出可能な差分特徴のアンダーレポーティングモデルを提案する。 そして、この種のデータバイアスがアルゴリズムの公正性に与える影響を特徴づける。 我々の結果は、実世界のデータ設定では、アンダーレポートが典型的に格差を増大させることを示している。
  論文  参考訳（メタデータ） (2024-01-16T19:16:22Z)
• A Bayesian Spatial Model to Correct Under-Reporting in Urban Crowdsourcing [1.850972250657274]
  意思決定者は、しばしば報告プロセスを通じてイベントの発生を観察する。 イベントが空間的に相関しているという事実を活用することで、この課題を克服する方法を示す。
  論文  参考訳（メタデータ） (2023-12-18T23:40:56Z)
• Quantifying Spatial Under-reporting Disparities in Resident Crowdsourcing [5.701305404173138]
  我々は,外部の地中構造データを用いることなく,報告遅延を識別する手法を開発した。 この方法は、ニューヨーク市で10万件以上、シカゴで90万件以上の報告に当てはめます。
  論文  参考訳（メタデータ） (2022-04-19T02:54:16Z)
• Competency Problems: On Finding and Removing Artifacts in Language Data [50.09608320112584]
  複雑な言語理解タスクでは、すべての単純な特徴相関が突発的であると論じる。 人間バイアスを考慮したコンピテンシー問題に対するデータ作成の難しさを理論的に分析します。
  論文  参考訳（メタデータ） (2021-04-17T21:34:10Z)
• Domain Adaptative Causality Encoder [52.779274858332656]
  我々は,適応因果同定と局所化の課題に対処するために,依存木の特徴と敵対学習を活用する。 我々は、テキストにあらゆる種類の因果関係を統合する新しい因果関係データセット、MedCausを提案する。
  論文  参考訳（メタデータ） (2020-11-27T04:14:55Z)
• On Disentangled Representations Learned From Correlated Data [59.41587388303554]
  相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。 本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。 また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-14T12:47:34Z)

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。