論文の概要: Bridging Formal and Perceived Fairness: Development of an Interdisciplinary Framework in Algorithmic Decision-Making
- arxiv url: http://arxiv.org/abs/2609.03853v1
- Date: Thu, 03 Sep 2026 13:45:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.092531
- Title: Bridging Formal and Perceived Fairness: Development of an Interdisciplinary Framework in Algorithmic Decision-Making
- Title（参考訳）: ブリッジング形式と知覚フェアネス:アルゴリズム決定過程における学際的枠組みの開発
- Abstract要約: 本稿では,コンピュータサイエンスのアプローチを規範的,社会科学のフェアネスのアプローチで形式的アルゴリズムフェアネスにブリッジする作業中の概念的枠組みを提案する。
本研究の目的は,計算公正度監査とユーザ中心評価を統合する評価手法を提供することである。
- 参考スコア（独自算出の注目度）: 4.0890152430062185
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While fairness has become a central concern in research on algorithmic systems, the field remains predominantly shaped by Computer Science, resulting in a strong emphasis on formal fairness metrics and bias mitigation strategies. Nevertheless, this focus may obscure a fundamental challenge: fairness is not merely a technical property, but a subjective, context-sensitive human judgment shaped by cognitive heuristics, mental models, normative expectations, and sociotechnical factors. Crucially, users' perceptions of fairness may diverge substantially from the fairness criteria an algorithm formally satisfies; a system may meet predefined technical fairness requirements yet still be perceived as unjust by decision-affected stakeholders. In such cases, the system fails on a fundamental dimension: it will not be trusted, accepted, or considered legitimate. Taking a user-centered design perspective, this paper presents a work-in-progress conceptual framework that bridges Computer Science approaches to formal algorithmic fairness with normative and Social Science fairness approaches regarding perceived fairness, trust, and technology acceptance, embedding both within the sociotechnical conditions that shape human judgment. Through (1) theoretical literature synthesis, (2) interdisciplinary workshops, and (3) stakeholder interviews, the project aims to inform evaluation approaches that integrate computational fairness audits with user-centered assessments and guide the design of fairness-aware, human-centered algorithmic systems that support informed, well-calibrated fairness judgments by those affected.
- Abstract（参考訳）: 公正さはアルゴリズムシステムの研究において中心的な関心事となっているが、この分野はコンピュータ科学によって主に形作られており、形式的公正度測定とバイアス軽減戦略に強く重点を置いている。
公平性は単なる技術的特性ではなく、認知的ヒューリスティックス、精神モデル、規範的期待、社会技術的要因によって形成される主観的で文脈に敏感な人間の判断である。
重要なことに、利用者の公正に対する認識は、アルゴリズムが公式に満足する公正性基準と大きく異なっており、システムは事前に定義された技術的公正性要件を満たすことができるが、決定に影響を及ぼした利害関係者によって不当であると認識されている。
そのような場合、システムは基本的な次元で失敗する。
本稿では, ユーザ中心の設計の観点から, 人間の判断を形作る社会工学的条件の両面に埋め込まれた, コンピュータサイエンスのアプローチを, 規範的, 社会科学のフェアネスのアプローチと, 規範的, 社会的科学のフェアネスのアプローチに橋渡しする作業中の概念的枠組みを提案する。
1) 理論的文献合成,(2) 学際ワークショップ,(3) ステークホルダへのインタビューを通じて, 計算公正度監査をユーザ中心の評価と統合する評価アプローチを通知し, 影響を受ける者による情報的, 適切な公正度判定を支援する人中心型アルゴリズムシステムの設計を指導することを目的としている。
関連論文リスト
- Fairness Hazard Analysis for Socio-Technical Processes: A Multiple-Case Study in Bias-sensitive Organisational Settings [7.448292619884597]
フェアネスは社会技術プロセスにおける第一級の要件として認識されている。
放置された場合、公正性障害が蓄積され、システムバイアスが強化される可能性がある。
本稿では,要求工学における公平性を考慮した構造的かつ実証的な方法論を提案する。
論文 参考訳（メタデータ） (2026-08-24T08:37:29Z) - Trade-offs Between Individual and Group Fairness in Machine Learning: A Comprehensive Review [0.0]
グループフェアネス(GF)は人口サブ人口間の格差を緩和することに焦点を当て、個人フェアネス(IF)は類似した個人の一貫した扱いを強調している。
本研究は、GFとIFを共同で扱う手法について検討し、両視点を統一されたフレームワークに統合する。
本稿では,ハイブリッドフェアネスアプローチの体系的かつ批判的なレビューを行い,採用するフェアネスメカニズムと,複数のフェアネス基準の調整に使用されるアルゴリズム的および数学的戦略に基づいて既存の手法を整理する。
論文 参考訳（メタデータ） (2026-01-23T19:25:38Z) - 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) - Algorithmic Fairness: Not a Purely Technical but Socio-Technical Property [4.2894701473635966]
公正さは純粋にモデルに関する技術的な制約に還元できないと我々は主張する。
本研究では,既存の公正度尺度の限界について,概念分析と実証図面を用いて検討する。
これらの発見は、技術的フォーマライゼーションと社会的現実のギャップを埋める助けになると考えています。
論文 参考訳（メタデータ） (2025-06-14T15:54:45Z) - Mathematical Algorithm Design for Deep Learning under Societal and
Judicial Constraints: The Algorithmic Transparency Requirement [65.26723285209853]
計算モデルにおける透過的な実装が実現可能かどうかを分析するための枠組みを導出する。
以上の結果から,Blum-Shub-Smale Machinesは,逆問題に対する信頼性の高い解法を確立できる可能性が示唆された。
論文 参考訳（メタデータ） (2024-01-18T15:32:38Z) - Towards Responsible AI in Banking: Addressing Bias for Fair
Decision-Making [69.44075077934914]
責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。
この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。
オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
論文 参考訳（メタデータ） (2024-01-13T14:07:09Z) - Fairness in Matching under Uncertainty [78.39459690570531]
アルゴリズム的な二面市場は、こうした設定における公平性の問題に注意を向けている。
我々は、利益の不確実性を尊重する両面の市場設定において、個々人の公正性の概念を公理化する。
そこで我々は,配当よりも公平なユーティリティ最大化分布を求めるために,線形プログラミングフレームワークを設計する。
論文 参考訳（メタデータ） (2023-02-08T00:30:32Z) - 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) - Towards a multi-stakeholder value-based assessment framework for
algorithmic systems [76.79703106646967]
我々は、価値間の近さと緊張を可視化する価値に基づくアセスメントフレームワークを開発する。
我々は、幅広い利害関係者に評価と検討のプロセスを開放しつつ、それらの運用方法に関するガイドラインを提示する。
論文 参考訳（メタデータ） (2022-05-09T19:28:32Z) - 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) - The FairCeptron: A Framework for Measuring Human Perceptions of
Algorithmic Fairness [1.4449464910072918]
FairCeptronフレームワークは、ランク付けや分類のようなアルゴリズムによる意思決定における公平さの知覚を研究するためのアプローチである。
このフレームワークは、公正シナリオ生成、公正知覚誘発、公正知覚分析を含む。
FairCeptronフレームワークの実装は公開されており、他のアプリケーションコンテキストにおけるアルゴリズム的公正性の認識に容易に適応することができる。
論文 参考訳（メタデータ） (2021-02-08T10:47:24Z)
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。