論文の概要: Understanding Human Perception of Representation in Citizens' Assemblies: An Empirical Study

• arxiv url: http://arxiv.org/abs/2609.27368v1
• Date: Wed, 23 Sep 2026 05:12:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.894164
• Title: Understanding Human Perception of Representation in Citizens' Assemblies: An Empirical Study
• Title（参考訳）: 市民集会における表現の人間知覚の理解 : 実証的研究
• Abstract要約: 一般目的および気候に着目した集合体における属性選択問題について検討する。 我々は、認識された表現に人口統計特性が重要であることを発見した。 気候問題のような政治的アライメントや文脈特有な属性は強い影響を及ぼしている。
• 参考スコア（独自算出の注目度）: 14.886782048758404
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Citizens' assemblies are deliberative bodies intended to form a microcosm of the population. Organizers rely on quota-based stratification and must decide which attributes define resemblance to the public. Yet meeting every quota can still leave a dimension citizens value unrepresented. We study this attribute-selection problem in general-purpose and climate-focused assemblies through randomized conjoint experiments. We find that demographic attributes matter for perceived representation, but political alignment and context-specific attributes such as climate concern exert a stronger influence. When both are shown in a climate-focused setting, each remains influential, with political alignment having the larger estimated marginal effect. We also examine the omission of a relevant stratification attribute. Panels stratified on demographics, even with political alignment included, match the observed pool's climate-concern distribution no better than uniform random samples. These results suggest that representation on a relevant topic-specific attribute cannot always be recovered through correlated demographic or political quotas, and may therefore require explicit stratification. Finally, we ask whether representation preferences can be learned from the observed profiles. We compare predictive models, from simple, interpretable matching rules to a learned metric and a respondent-conditioned utility model. Both learned models predict choices for respondents excluded from training with substantial accuracy, revealing generalizable structure without fully capturing these judgments. Together, these findings guide attribute selection in citizens' assemblies: designers should consider political and topic-specific dimensions alongside demographics, avoid assuming correlated proxies protect omitted dimensions, and use predictive models to diagnose how profiles shape representation choices.
• Abstract（参考訳）: 市民の集会は、人口のマイクロコスムを形成することを意図した審議機関である。 組織はクォータベースの階層化に依存しており、どの属性が公衆に類似しているかを決定する必要がある。 しかし、全てのクォータを満たすことは、市民の価値を表現できない次元に残すことができる。 本研究では, この属性選択問題を, ランダム化コンジョイント実験により, 汎用および気候に着目した集合体で検討する。 人口統計学的属性は表現の認知に重要であるが、気候問題のような政治的アライメントや文脈特有属性は強い影響を与える。 どちらも気候に焦点を当てた環境で示される場合、それぞれが影響力を持ち、政治的アライメントはより大きい推定限界効果を持つ。 また、関連する成層特性の欠落についても検討する。 人口統計に基づくパネルは、政治的アライメントを含むものの、観測されたプールの気候・環境分布と一致し、均一なランダムなサンプルと同等であった。 これらの結果は、関連するトピック固有の属性の表現は、常に相関する人口統計学的あるいは政治的クォータによって回復できないことを示し、従って明示的な成層化を必要とする可能性があることを示唆している。 最後に、観察されたプロファイルから表現嗜好を学習できるかを問う。 我々は、単純な解釈可能なマッチングルールから学習されたメトリック、応答条件付きユーティリティモデルまで、予測モデルを比較する。 どちらの学習モデルも、かなりの精度でトレーニングから除外された回答者の選択を予測し、これらの判断を完全に把握せずに一般化可能な構造を明らかにする。 これらの知見は、市民の集会における属性の選択を導く: デザイナーは、人口統計と並んで政治的、トピック特有の次元を考慮すべきであり、相関したプロキシが省略された次元を保護していると仮定することを避け、プロファイルがどのように表現の選択を形作るかを予測するために予測モデルを使用する。

関連論文リスト

• When Does Demographic Information Help? Data and Modeling Regimes for Perspective-Aware Hate Speech Detection [3.685453775072903]
  データ分割プロパティとモデリングフレームワークの両方の機能として、人口増加を分析します。 人口増加は、低いトレーニング不一致、高いテスト不一致、きめ細かいあいまいさの測定、十分なトレーニングデータ、より大きな人口重なりのある体制に集中している。
  論文  参考訳（メタデータ） (2026-05-26T17:24:41Z)
• Explainable Speech Emotion Recognition: Weighted Attribute Fairness to Model Demographic Contributions to Social Bias [0.38961828230212814]
  音声感情認識(SER)システムは、メンタルヘルスや教育といった繊細な分野に応用されつつある。 Equalized OddsやDemographic Parityのような伝統的な公正度指標は、しばしば人口統計学的属性とモデル予測の合同依存性を見落としている。 本稿では,階層属性とモデル誤差の結合関係を学習することにより,アロケートバイアスを明示的に捉えたSERのためのフェアネス・モデリング手法を提案する。
  論文  参考訳（メタデータ） (2026-03-26T20:26:40Z)
• Detecting and Identifying Selection Structure in Sequential Data [53.24493902162797]
  我々は,音楽のシーケンスなどの実践的な状況において,潜在目的に基づくデータポイントの選択的包摂が一般的である,と論じる。 選択構造はパラメトリックな仮定や介入実験なしで識別可能であることを示す。 また、他の種類の依存関係と同様に、選択構造を検知し、識別するための証明可能な正当性アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-29T20:56:34Z)
• Ex-Ante Assessment of Discrimination in Dataset [20.574371560492494]
  データ所有者は、自分たちのデータの使用が過小評価されているコミュニティにどのように害を与えるかという責任を負う。 本稿では, 個人の反応が感性特性によってどの程度異なるかを示すスコアを生成する, 決定トレエのForest of decision trEEsアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-16T19:28:22Z)
• On Disentangled and Locally Fair Representations [95.6635227371479]
  人種や性別などのセンシティブなグループに対して公平な方法で分類を行うという課題について検討する。 局所的公正表現を学習し、学習された表現の下で、各サンプルの近傍は感度特性の観点からバランスをとる。
  論文  参考訳（メタデータ） (2022-05-05T14:26:50Z)
• SF-PATE: Scalable, Fair, and Private Aggregation of Teacher Ensembles [50.90773979394264]
  本稿では、個人の機密情報のプライバシーを保護しつつ、差別的でない予測者の学習を可能にするモデルについて検討する。 提案モデルの主な特徴は、プライバシ保護とフェアモデルを作成するために、オフ・ザ・セルフと非プライベートフェアモデルの採用を可能にすることである。
  論文  参考訳（メタデータ） (2022-04-11T14:42:54Z)
• Cross-model Fairness: Empirical Study of Fairness and Ethics Under Model Multiplicity [10.144058870887061]
  1つの予測器が等しく機能するモデルのグループからアドホックに選択された場合、個人は害を受ける可能性があると我々は主張する。 これらの不公平性は実生活で容易に発見でき、技術的手段だけで緩和することは困難である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-03-14T14:33:39Z)
• Measuring Fairness Under Unawareness of Sensitive Attributes: A Quantification-Based Approach [131.20444904674494]
  センシティブな属性の無意識下でのグループフェアネスを測定する問題に取り組む。 定量化手法は, フェアネスと無意識の問題に対処するのに特に適していることを示す。
  論文  参考訳（メタデータ） (2021-09-17T13:45:46Z)
• Mitigating Face Recognition Bias via Group Adaptive Classifier [53.15616844833305]
  この研究は、全てのグループの顔がより平等に表現できる公正な顔表現を学ぶことを目的としている。 我々の研究は、競争精度を維持しながら、人口集団間での顔認識バイアスを軽減することができる。
  論文  参考訳（メタデータ） (2020-06-13T06:43:37Z)

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。