論文の概要: Profile-Based Auditing of Domestic Violence Survey Selection Across South Asia
- arxiv url: http://arxiv.org/abs/2611.15106v2
- Date: Fri, 13 Nov 2026 17:58:40 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:30:43.601803
- Title: Profile-Based Auditing of Domestic Violence Survey Selection Across South Asia
- Title(参考訳): 東南アジアにおける家庭内暴力調査のプロファイルに基づく監査
- Abstract要約: 人口統計,社会経済,世帯特性が再現可能な人口分布を形成しているかどうかを問う。
我々は、アフガニスタン、インド、ミャンマー、ネパール、パキスタンの15~49歳の女性796,374人を対象に、DHS個別復号データを使用します。
プライマリ・サンプリング・ユニット・アウェア・ホールドアウトによる22の機械学習モデルの評価を行った。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Domestic violence (DV) data in the Demographic and Health Surveys (DHS) are collected through a specialized module whose household-level sampling and privacy requirements create a distinct observation process. We ask whether demographic, socioeconomic, and household characteristics form reproducible population profiles and whether these profiles contain information about selection into the DV module across South Asia. Using DHS Individual Recode data for 796,374 women aged 15-49 across Afghanistan, India, Myanmar, Nepal, and Pakistan, we harmonize 61 numeric and 8 categorical features, reduce the profile space with PCA, and identify six interpretable profiles. We then evaluate 22 machine-learning models under primary-sampling-unit-aware holdout validation. The best model, HistGradientBoosting, achieves ROC-AUC 0.9167 and PR-AUC 0.9612, versus 0.8475 and 0.9203 for a design-only baseline. Adding woman-level characteristics yields the largest incremental gain, while explicit interaction terms add little out-of-sample performance. Country-specific analyses reveal substantial heterogeneity, and leave-one-country-out evaluation shows that transferability of the incremental profile signal is limited. These results demonstrate that interpretable ML can audit differential coverage in sensitive survey modules beyond the formal sampling design.
- Abstract(参考訳): デモグラフィック・健康調査(DHS)における家庭内暴力(DV)データは、家庭レベルのサンプリングとプライバシ要求が別個の観察プロセスを生み出す特別なモジュールを通じて収集される。
人口統計,社会経済,世帯特性が再現可能な人口プロファイルを形成しているか,およびこれらのプロファイルが南アジア全体でのDVモジュールの選択に関する情報を含んでいるのかを問う。
アフガニスタン、インド、ミャンマー、ネパール、パキスタンの15~49歳の女性796,374人を対象に、DHS個別復号データを用いて、61の数字と8のカテゴリーの特徴を調和させ、PCAによるプロファイル空間を減少させ、6つの解釈可能なプロファイルを特定した。
次に,プライマリサンプリング・ユニット・アウェア・ホールドアウト検証に基づき,22の機械学習モデルを評価する。
最高のモデルである HistGradientBoosting は ROC-AUC 0.9167 と PR-AUC 0.9612 を達成するが、設計のみのベースラインは 0.8475 と 0.9203 である。
女性レベルの特性を追加することで、最大のインクリメンタルゲインが得られます。
国別分析では、かなりの不均一性を示し、残高評価は、インクリメンタルなプロファイル信号の転送可能性に制限があることを示している。
これらの結果から,解釈可能なMLは,形式的なサンプリング設計を超えて,センシティブなサーベイモジュールの差分カバレッジを監査できることが示された。
関連論文リスト
- Can Persona-Prompted LLMs Emulate Subgroup Values? An Empirical Analysis of Generalisability and Fairness in Cultural Alignment [75.88231994139132]
GPT-4.1のような最先端モデルでさえ、モーダル選好を予測する精度は57.4%に過ぎなかった。
モデルでは、若者、男性、中国人、キリスト教のペルソナをよりうまくエミュレートする。
論文 参考訳(メタデータ) (2026-04-14T15:06:13Z) - The Global Representativeness Index: A Total Variation Distance Framework for Measuring Demographic Fidelity in Survey Research [0.0]
調査研究は、AIガバナンスと異文化間政策における高い意思決定をますます通知する。
標準化されたメートル法は、サンプルの人口構成が対象の個体数とどの程度よく一致しているかを定量化するものではない。
本稿では,全変動距離に基づくGRI(Global Representativeness Index)を提案する。
論文 参考訳(メタデータ) (2026-02-16T15:26:52Z) - Explainable Admission-Level Predictive Modeling for Prolonged Hospital Stay in Elderly Populations: Challenges in Low- and Middle-Income Countries [65.4286079244589]
長期滞在期間 (pLoS) は, 院内感染のリスクに関連する重要な要因である。
入院レベルの患者と病院の診療データを用いて, pLosの予測モデルを開発し, 解説する。
論文 参考訳(メタデータ) (2026-01-07T23:35:24Z) - Reliable and Reproducible Demographic Inference for Fairness in Face Analysis [63.46525489354455]
本稿では、従来のエンドツーエンドトレーニングをモジュラートランスファー学習アプローチで置き換える、完全に再現可能なDAIパイプラインを提案する。
このパイプラインは、正確性、公正性、そしてアイデンティティ内整合性によって定義される、新たに導入された堅牢性の概念の3つの次元にわたって監査する。
以上の結果から,提案手法は特に民族性において,強い基準線を上回り,その特性はより困難であることが示唆された。
論文 参考訳(メタデータ) (2025-10-23T12:22:02Z) - WorldPM: Scaling Human Preference Modeling [130.23230492612214]
我々は、このスケーリングの可能性を強調するために、World Preference Modeling$ (WorldPM)を提案する。
多様なユーザコミュニティをカバーする公開フォーラムから選好データを収集する。
1.5Bから72Bパラメータの範囲で15Mスケールのデータを用いて広範囲なトレーニングを行う。
論文 参考訳(メタデータ) (2025-05-15T17:38:37Z) - Predicting Male Domestic Violence Using Explainable Ensemble Learning and Exploratory Data Analysis [0.23301643766310373]
本研究ではバングラデシュにおける男性家庭内暴力(MDV)の新しいデータ駆動分析法を提案する。
バングラデシュの9大都市から収集したデータを探索データ分析(EDA)を用いて解析した。
EDAは, 言語虐待の頻度, 金銭的依存の影響, MDVにおける家族的・社会経済的要因の役割などのパターンを明らかにした。
論文 参考訳(メタデータ) (2024-03-22T19:53:21Z) - Generalization and Personalization of Mobile Sensing-Based Mood
Inference Models: An Analysis of College Students in Eight Countries [8.218081835111912]
8か国678人の参加者から329万件の自己申告を行ったモバイルセンシングデータセットを収集した。
国別(大陸内での訓練・試験)、大陸別(大陸内での訓練・試験)、国別(訓練データでは見られない国で試験)、多国間(複数の国で訓練・試験)のアプローチを評価した。
論文 参考訳(メタデータ) (2022-11-06T02:26:52Z) - Seeing without Looking: Analysis Pipeline for Child Sexual Abuse
Datasets [9.016916087221801]
本稿では,データセットとラベルの統計を超越した分析テンプレートを提案する。
トレーニング済みの機械学習モデルの両方で提供される自動信号の抽出に重点を置いている。
我々の目標は、CSAMデータセットの特徴を安全に公開し、研究者がこの分野に参加することを奨励することである。
論文 参考訳(メタデータ) (2022-04-29T14:02:42Z) - Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
現在の顔認識(FR)モデルには、人口統計バイアスが存在する。
さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。
真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。
本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
論文 参考訳(メタデータ) (2021-03-16T15:05:49Z)
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。