无家可归研究中算法的以人为本的综述
人机交互
2024-01-25 v1
摘要
无家可归是一项影响全球估计 16 亿人的人道主义挑战。面对发达国家无家可归人口的增加和社会服务的紧张，政府机构越来越倾向于采用数据驱动模型来确定个人经历无家可归的风险，并将稀缺资源分配给需要帮助的人。我们对 57 篇论文进行了系统的文献综述，以了解这些决策算法的演变。我们使用以人为本的视角调查了用于开发模型的计算方法、预测变量和目标结果的趋势，发现只有 9 篇论文（15.7%）调查了模型的公平性和偏见。我们揭示了可解释性与生态效度之间的矛盾，其中预测风险模型（53.4%）侧重于还原性可解释性，而资源分配模型（25.9%）依赖于在实践中无用的不切实际的假设和模拟数据。此外，我们讨论了在该领域开发以人为本算法的研究挑战和机遇。
引用
@article{arxiv.2401.13247,
title = {A Human-Centered Review of Algorithms in Homelessness Research},
author = {Erina Seh-Young Moon and Shion Guha},
journal= {arXiv preprint arXiv:2401.13247},
year = {2024}
}
备注
In CHI '24 Proceedings of the CHI Conference on Human Factors in Computing Systems Honolulu, HI, USA