计算机科学 > 机器学习
[提交于 2025年7月7日
]
标题: 社会系统中预测与干预问题的桥梁
标题: Bridging Prediction and Intervention Problems in Social Systems
摘要: 许多自动化决策系统(ADS)被设计用来解决预测问题——其目标是从人口样本中学习模式,并将其应用于同一人口中的个体。 在现实中,这些预测系统在部署时会通过决策者操作方式的有效政策变化来影响受影响的人口结果,同时又受到现有组织和社会基础设施及背景中利益相关者过去和现在的互动限制。 在本工作中,我们考虑了在考虑ADS在社会系统中的影响时,必须从以预测为中心的范式转向干预主义范式的各种方式。 我们认为,这需要为ADS建立一个超越预测的新默认问题设置,而是将预测视为决策支持、最终决策和结果。 我们强调这种观点如何统一现代统计框架和其他工具来研究ADS系统的设计、实施和评估,并指出为了实现这种范式转变所需的研究方向。 使用这些工具,我们描述了专注于孤立预测任务的局限性,并为开发和部署ADS的更干预导向的方法奠定了基础。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.