Procedural Fairness Through Decoupling Objectionable Data Generating Components

要約

私たちは、偽装された手続き上の不公平という、見落とされがちだが重要な問題、つまり、データ生成プロセスの中立的な（つまり、問題がない）側面の動作に対する潜在的な不注意な変更、および/または最大の利益をもたらす手続き上の保証の欠如を明らかにし、これに対処します。
最も恵まれない人々のこと。
ジョン・ロールズの純粋な手続き上の正義の提唱に触発されて、私たちは自動化された意思決定を社会制度の縮図として捉え、データ生成プロセス自体が手続き上の公平性の要件をどのように満たすことができるかを検討します。
私たちは、参照点とそれに関連する値のインスタンス化ルールを利用することによって、不快なデータ生成コンポーネントを中立的なコンポーネントから分離するフレームワークを提案します。
私たちの調査結果は、偽装された手続き上の不公平を防止する必要性を強調しており、軽減を目指す不快なデータ生成要素だけでなく、より重要なことに、影響を受けないようにする中立的な要素にも注目を集めています。

要約(オリジナル)

We reveal and address the frequently overlooked yet important issue of disguised procedural unfairness, namely, the potentially inadvertent alterations on the behavior of neutral (i.e., not problematic) aspects of data generating process, and/or the lack of procedural assurance of the greatest benefit of the least advantaged individuals. Inspired by John Rawls’s advocacy for pure procedural justice, we view automated decision-making as a microcosm of social institutions, and consider how the data generating process itself can satisfy the requirements of procedural fairness. We propose a framework that decouples the objectionable data generating components from the neutral ones by utilizing reference points and the associated value instantiation rule. Our findings highlight the necessity of preventing disguised procedural unfairness, drawing attention not only to the objectionable data generating components that we aim to mitigate, but also more importantly, to the neutral components that we intend to keep unaffected.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google