.png){kind=icon}
返回
Classification algorithms and social outcomes
.png){kind=icon}
PRE
AI
DOI：10.1111/ajps.70005.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
分类算法在获取信贷、就业、医疗保健、住房、执法和国土安全等领域的应用日益重要。这些分类决策影响人们的生活，并因此能够塑造他们的行为。我们提出了一种由算法设计者制定最优分类的正式模型，该设计者可能希望影响人群中的行为分布。我们的模型允许设计者拥有广泛的目标（如最大化合规性或最大化准确性等），这些目标塑造了人群中的均衡行为结果，有时以出人意料的方式。我们的研究结果也涉及算法公平性的问题，特别是在行为和算法相互依存的场景中，以及当关注群体间统计均等性的公平性度量可能不适用时。
期刊
IF:
5.6
论文数:
2.7K
被引数:
1.6W
机构
引用论文
'Just like I thought': Street-level bureaucrats trust AI recommendations if they confirm their professional judgment“就像我想的那样”: 如果街头官僚确认他们的专业判断，他们就会信任人工智能的建议
OAAI
OAAI分享收藏The accuracy, fairness, and limits of predicting recidivism预测累犯的准确性，公平性和局限性.png)
SCIENCE ADVANCESOAAI
SCIENCE ADVANCESIF12.5
OAAI分享收藏Algorithmic inclusion: Shaping the predictive algorithms of artificial intelligence in hiring算法包含: 在招聘中塑造人工智能的预测算法
OAAI
OAAI分享收藏Fair Prediction with Disparate Impact: A Study of Bias in Recidivism Prediction Instruments具有不同影响的公平预测: 累犯预测工具中的偏差研究Big DataOAAI
Big DataIF0
OAAI分享收藏
查看更多内容