[論文レビュー] Improving fairness in machine learning systems: What do industry practitioners need?

Kenneth Holstein, Jennifer Wortman Vaughan+3 more|arXiv (Cornell University)|Dec 13, 2018

Ethics and Social Impacts of AI参考文献 84被引用数 53

ひとこと要約

提供されたテキストは、公平性に関する研究ではなく、SIGCHI拡張要約のフォーマットサンプルです。SIGCHI提出物のフォーマットガイドラインとACMの権利について説明しており、実証研究ではありません。

ABSTRACT

The potential for machine learning (ML) systems to amplify social inequities and unfairness is receiving increasing popular and academic attention. A surge of recent work has focused on the development of algorithmic tools to assess and mitigate such unfairness. If these tools are to have a positive impact on industry practice, however, it is crucial that their design be informed by an understanding of real-world needs. Through 35 semi-structured interviews and an anonymous survey of 267 ML practitioners, we conduct the first systematic investigation of commercial product teams' challenges and needs for support in developing fairer ML systems. We identify areas of alignment and disconnect between the challenges faced by industry practitioners and solutions proposed in the fair ML research literature. Based on these findings, we highlight directions for future ML and HCI research that will better address industry practitioners' needs.

研究の動機と目的

• 一貫した高品質な外観を保証するためのSIGCHI提出物のフォーマット要件を提示する。
• 国際的なSIGCHI読者向けの推奨ライティングスタイルと言語ガイドラインを説明する。
• 著者の支援のために、図、表、参考文献、および図の配置に関する詳細な指示を提供する。
• 著者に対してACMの著作権、許可およびPDF制作ポリシーを説明する。

提案手法

• 提出物をフォーマットするにはchi-ext LaTeXクラスファイルを使用する。
• 指定フォント（8.5ポイントのVerdana、サンセーフ系代替）とレイアウト規則に従う。
• テンプレートで示されている図、表、キャプション、余白のガイドラインに従う。
• PDFがACM DL準拠であることを確認し、提出前に指定されたAcrobatバージョンでPDFをテストする。

実験結果

主な発見

• 実証的研究結果は報告されていません；この文書はフォーマットと提出準備のガイドラインを提供します。
• 著者ガイドラインは、SIGCHIの聴衆向けの言語、用語、包摂性、および異文化間の読みやすさを扱います。
• 文書は必要なセクション（著作権、参考文献、図、表）とACM Digital Library提出のための構成方法を詳述します。