通过个性化推荐中的个体公平性实现学习机会均等
信息检索
2022-08-24 v2
摘要
在线教育平台在促成个人职业成功方面发挥着主要作用。因此，在构建上层内容推荐服务时，必须根据平台的价值观、情境与教学法，保证学习者获得平等的推荐学习机会。尽管传统教育机构中确保学习机会均等的重要性已得到充分研究，但如何通过推荐系统在线学习生态中落实这种均等仍鲜有探索。本文形式化了建模推荐学习属性的教育原则，以及一种将这些原则结合起来以监测学习者间推荐学习机会均等的新型公平性度量。进而，我们设想一种场景：教育平台应以这样的方式组织，使得生成的推荐对所有学习者都在一定程度上满足各项原则，同时受限于其个体偏好。在此视角下，我们探究了一个大规模课程平台中推荐系统所提供的学习机会，揭示了系统性的不平等。为缓解该效应，我们提出了一种平衡个性化与推荐机会均等的新型后处理方法。实验表明，我们的方法在个性化损失可忽略的情况下提升了均等性。本研究在推动智能教育系统核心单元——推荐中的人类学习伦理可操作化方面迈出了一步。
引用
@article{arxiv.2006.04282,
title = {Equality of Learning Opportunity via Individual Fairness in Personalized Recommendations},
author = {Mirko Marras and Ludovico Boratto and Guilherme Ramos and Gianni Fenu},
journal= {arXiv preprint arXiv:2006.04282},
year = {2022}
}