Kernkonzepte
異なる国々の参加者を対象にした大規模な調査を通じて、公平性メトリクスの選択における個人属性の影響を明らかにしました。
Zusammenfassung
研究目的:異なる国々で公平性メトリクスを評価するためのオンラインアンケート調査を実施。
重要結果:国や個人属性が公平性メトリクスの選択に最も影響を与えることが明らかになった。
限界:参加者デモグラフィックは国内比率に合わせられているが、他の属性はサンプリングバイアスがある可能性あり。
Empirical Studies:
過去研究と比較して、米国では「Equal Opportunity」が頻繁に選択されている一方、フランスでは「Quantitative Parity」が好まれている。
個人属性間の相関:各国で個人属性間の相関を検証。特定の属性間に強い相関が見られた。
Statistiken
論文中で使用された公平性メトリクスや数字データはありません。
Zitate
"Fairness in artificial intelligence and machine learning systems is an emerging problem."
"Which fairness metrics should be selected in our contexts?"