지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국통계학회 CSAM(Communications for Statistical Applications and Methods) CSAM(Communications for Statistical Applications and Methods) 제29권 제2호
- 발행연도
- 2022.3
- 수록면
- 251 - 261 (11page)
이용수
초록· 키워드
오류제보하기
As AI has a wide range of influence on human social life, issues of transparency and ethics of AI are emerging. In particular, it is widely known that due to the existence of historical bias in data against ethics or regulatory frameworks for fairness, trained AI models based on such biased data could also impose bias or unfairness against a certain sensitive group (e.g., non-white, women). Demographic disparities due to AI, which refer to socially unacceptable bias that an AI model favors certain groups (e.g., white, men) over other groups (e.g., black, women), have been observed frequently in many applications of AI and many studies have been done recently to develop AI algorithms which remove or alleviate such demographic disparities in trained AI models.
In this paper, we consider a problem of using the information in the sensitive variable for fair prediction when using the sensitive variable as a part of input variables is prohibitive by laws or regulations to avoid unfairness. As a way of reflecting the information in the sensitive variable to prediction, we consider a two-stage procedure. First, the sensitive variable is fully included in the learning phase to have a prediction model depending on the sensitive variable, and then an imputed sensitive variable is used in the prediction phase. The aim of this paper is to evaluate this procedure by analyzing several benchmark datasets. We illustrate that using an imputed sensitive variable is helpful to improve prediction accuracies without hampering the degree of fairness much.
In this paper, we consider a problem of using the information in the sensitive variable for fair prediction when using the sensitive variable as a part of input variables is prohibitive by laws or regulations to avoid unfairness. As a way of reflecting the information in the sensitive variable to prediction, we consider a two-stage procedure. First, the sensitive variable is fully included in the learning phase to have a prediction model depending on the sensitive variable, and then an imputed sensitive variable is used in the prediction phase. The aim of this paper is to evaluate this procedure by analyzing several benchmark datasets. We illustrate that using an imputed sensitive variable is helpful to improve prediction accuracies without hampering the degree of fairness much.
목차
Abstract
1. Introduction
2. Review of fair AI algorithms
3. Fair prediction models with an imputed sensitive variable
4. Numerical studies
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Bayesian analysis of a sensitive proportion for a small area
한국데이터정보과학회지
2019 .11
-
분류 모델을 활용한 AI 기반 화학 I 수업의 효과에 대한 연구
대한화학회지
2024 .06
-
Bayesian analysis of a sensitive proportion
한국데이터정보과학회지
2019 .07
-
장애와 AI: 뉴스기사 토픽모델 분석
가정과삶의질연구
2024 .09
-
인공신경망 모델과 배경대기 측정자료를 활용한 서울시 PM2.5 농도 단기예측 및 입력변수의 기여도 분석
한국대기환경학회지(국문)
2021 .12
-
패션디자인 교육에서의 이미지 생성형 AI 적용을 위한 탐색적 연구 - Sketch-to-Image 방법을 활용하여 -
복식
2025 .02
-
Forecasting daily PM10 concentration in Seoul Jong-no District by using various statistical techniques
한국데이터정보과학회지
2020 .01
-
배경 오차 추정 방안이 PM2.5 예측을 위한 3차원 변분 자료동화에 미치는 영향
한국대기환경학회 학술대회논문집
2021 .10
-
Forecasting high levels of PM10 in Korea based on the principal expectile component regression
한국데이터정보과학회지
2023 .01
-
AI의 분석에의 활용의 예
한국분석과학회 학술대회
2022 .11
-
Artificial Intelligence Applications in Medical Mycology: Current and Future
대한의진균학회지
2024 .09
-
[PHYSICAL REVIEW FOCUS] 센서의 민감도를 높이는 환경 잡음 외
물리학과 첨단기술
2023 .08
-
AI를 접목한 패션 연구 동향 분석
한국생활과학회 학술대회논문집
2024 .11
-
수학교실에서 인공지능(AI)을 활용한 교수학습 방안 탐색: 중학교 통계 단원 시나리오 개발을 중심으로
한국학교수학회논문집
2022 .06
-
컨셉추얼 아트 관점에서 본 AI 패션 이미지의 특성 - AI 패션 아티스트 Str4ngeThing의 작품을 중심으로 -
복식
2024 .10
-
A Study on Building Training Datasets for AI/ML/NLP based Forecast Support Solution
한국기상학회 학술대회 논문집
2022 .10
-
LDA 토픽 모델링을 활용한 글로벌 기상 분야의 인공지능 연구동향 분석 (2018~2024년 논문 주제 중심)
대기
2025 .02
-
독거노인의 신체적 건강 관련 특성이 AI 스피커 사용 태도에 미치는 영향
한국생활과학회지
2024 .06
-
Performance of AI-based Global Models in Tropical Cyclone Prediction
한국기상학회 학술대회 논문집
2024 .10
-
The Challenges of Developing Trustworthy AI Systems for High Impact Weather Prediction
한국기상학회 학술대회 논문집
2022 .10
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-310-001432889