ナイフ上のフォーク:クリミナル正義アルゴリズムリスク評価ツールにおける予測矛盾【JST・京大機械翻訳】

Greene Travis; Shmueli Galit; Fell Jan; Lin Ching-Fu; Liu Han-Wei

プレプリント

J-GLOBAL ID：202202214684673402 整理番号：22P0214000

ナイフ上のフォーク:クリミナル正義アルゴリズムリスク評価ツールにおける予測矛盾【JST・京大機械翻訳】

Forks Over Knives: Predictive Inconsistency in Criminal Justice Algorithmic Risk Assessment Tools

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年12月01日プレプリントサーバーでの情報更新日： 2022年09月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ビッグデータおよびアルゴリズムリスク予測ツールは,意思決定における人間バイアスおよび不一致を減らすことによって,犯罪正義システムの改善を約束する。しかし,これらの社会技術ツールを開発,試験,展開する場合の,異なる,同等に調節可能な選択は,同じ個人に対する異なる予測リスクスコアを導くことができる。機械学習,統計,社会学, cr学,法律, philosophy学,および経済学から多様な展望を合成して,著者らは予測不整合としてこの現象を概念化した。アルゴリズムリスク評価ツール開発と展開の異なる段階における予測不整合の源を記述し,将来の技術開発が予測不整合をいかに増幅するかを考察した。しかし,著者らは,多様で複数の社会において,予測不整合を完全に除去すると期待するべきではない。その代りに,アルゴリズムリスク予測ツールの法的,政治的,および科学的レギティマシーを放つために,著者らは,個々のレベルでの予測不整合の量子化可能,再現可能なマルチバースおよび仕様曲線解析を可能にするための,関連および妥当な「フォーキング経路」を同定し,文書化することを提案した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

健康被害 , 人工知能 , 循環系の臨床医学一般 , 廃棄物処理一般 , 土壌汚染

, , , , , ,

前のページに戻る