[論文レビュー] On Statistical Discrimination as a Failure of Social Learning: A Multi-Armed Bandit Approach

Junpei Komiyama, Shunya Noda|arXiv (Cornell University)|Oct 2, 2020

Auction Theory and Applications参考文献 66被引用数 9

ひとこと要約

この論文は、多腕バンディットフレームワークを用いて、企業がノイズの多い、グループ依存の信号から労働者のスキルを学習する過程において、社会的学習の失敗として統計的差別をモデル化する。非干渉的採用では、少数派労働者のデータ不足に起因して、常にそのスキルが低く評価され続けるが、本研究は、一時的な肯定的措置としてのハイブリッド補助金メカニズムとルーニー・ルールを提案し、それらがレジームを低減し、偏りなく公平性を保つのに効果的であることを示す。

ABSTRACT

We analyze statistical discrimination in hiring markets using a multi-armed bandit model. Myopic firms face workers arriving with heterogeneous observable characteristics. The association between the worker's skill and characteristics is unknown ex ante; thus, firms need to learn it. Laissez-faire causes perpetual underestimation: minority workers are rarely hired, and therefore, the underestimation tends to persist. Even a marginal imbalance in the population ratio frequently results in perpetual underestimation. We propose two policy solutions: a novel subsidy rule (the hybrid mechanism) and the Rooney Rule. Our results indicate that temporary affirmative actions effectively alleviate discrimination stemming from insufficient data.

研究の動機と目的

• 統計的差別が偏見によるものではなく、少数派集団のデータ不足に起因する偏った学習に起因することを分析すること。
• 合理的で偏見のない採用環境下でも、少数派労働者が小標本サイズに起因する推定誤差により、依然として体系的に低く評価されることを示すこと。
• 具体的にはハイブリッドメカニズムとルーニー・ルールを含む政策的介入の有効性を、この低評価の是正と福祉損失の低減の観点から評価すること。
• 一時的で的を絞った肯定的措置が、学習バイアスを是正することで公平性（等しい結果の確率）と効率性（低レジーム）の両方を達成できることを示すこと。
• スキル格差と人口比の変動に応じて、非干渉的、UCB、ハイブリッドの各意思決定ルールの性能を比較すること。

提案手法

• 企業が労働者のスキルを観測可能な特徴に基づいてノイズの多い信号を得るという、2つの労働者グループ（過半数と少数派）を含む線形文脈的バンディットとして採用プロセスをモデル化する。
• バランスの取れた学習をベンチマークとして使用する上昇信頼区間（UCB）アルゴリズムを用い、グループ間のスキル格差にかかわらず、Õ(√N)のレジームを保証する。
• 非干渉的採用とUCB戦略を統合した、新たなハイブリッドメカニズムを提案。推定されたグループのパフォーマンスに応じて動的に調整され、レジームの最小化と公平性の確保を目的とする。
• 偏った信念に起因する高スキル少数派労働者の見逃しのコストを定量化するため、レジームを福祉指標として採用する。
• 異なる人口比とスキル分布を想定して複数回のシミュレーションを実施し、さまざまな意思決定ルール下での長期的結果を評価する。
• ハイブリッドメカニズムを実装するための補助金ルール（インデックスベース）を導入し、学習段階で少数派労働者が体系的に無視されないよう保証する。

実験結果

リサーチクエスチョン

• RQ1 合理的で偏見のない採用システムにおいて、少数派労働者の持続的低評価が発生する条件は何か？
• RQ2 人口比の不均衡は、非干渉的採用下で持続的低評価の発生確率にどのように影響するか？
• RQ3 非干渉的採用とUCB戦略を統合したハイブリッド意思決定ルールは、単独のアプローチに比べて、より低いレジームとより高い公平性を達成できるか？
• RQ4 一時的な肯定的措置（ハイブリッドメカニズムとルーニー・ルール）は、福祉損失の低減と偏った学習の是正にどの程度寄与するか？
• RQ5 少数派労働者の平均スキルが過半数グループより低い場合でも、UCBアルゴリズムは低レジームを維持できるか？

主な発見

• 非干渉的採用では、少数派労働者が平均的に同等またはそれ以上にスキルが高い場合でさえ、データ不足と推定誤差に起因して、常にそのスキルが低く評価され続ける。
• UCB意思決定ルールのレジームは、グループ間のスキル格差にかかわらず、Õ(√N)であることが示され、非対称な環境下でも高いロバストネスを示す。
• ハイブリッドメカニズムは、理論的保証が非対称な状況下でないにもかかわらず、広範なスキル格差の範囲で、非干渉的採用とUCBの両者を上回るレジーム性能を示す。
• ハイブリッドメカニズムは、最小限の補助金予算で低レジームを達成でき、公平性を保つ採用政策のコスト効率の高さを示唆する。
• 50%の人口比の不均衡があっても、ハイブリッドメカニズムは低レジームを維持し、等しい結果の確率を確保するため、人種的・文化的な偏りに強く対応できる。
• シミュレーション結果から、持続的低評価に起因する長期的福祉コストは、特に非干渉的採用下では顕著に蓄積されることが明らかとなり、政策的介入の必要性が強調される。