美国儿童福利系统中算法的人本审查
荣誉提名作者
AI 辅助决策与自动化系统AI 伦理、公平与问责算法公平与偏见特殊教育教师社会工作者政府官员与公务员
美国儿童福利系统(CWS)负责改善寄养儿童的结果;然而,该系统负担过重且资金不足。为了克服这一限制,一些州转向算法决策系统以降低成本并确定改进CWS结果的更好流程。通过采用以人类为中心的算法设计方法,我们综合了50篇关于CWS中使用的计算系统的同行评审出版物,以评估它们是如何开发的,常用的预测因素的共同特征以及目标结果。我们发现,大多数文献都集中在风险评估模型上,但没有考虑理论方法(例如,儿童-寄养父母匹配)或个案工作者的观点(例如,个案笔记)。因此,未来的算法应努力实现对上下文的感知并具有理论上的稳健性,通过纳入过去研究中确定的相关因素。我们为HCI社区提供了研究途径,以开发以人类为中心的算法,将注意力重新导向CWS的更公平的结果。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3313831.3376229
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2020
emoji_events
奖项
荣誉提名
group
作者
4 位作者
sell
研究子方向
AI 辅助决策与自动化系统、AI 伦理、公平与问责、算法公平与偏见
work
职业/产业
特殊教育教师、社会工作者、政府官员与公务员
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文