基于社交媒体的抑郁症研究中的性别与种族公平性
计算与语言
2021-03-22 v1
摘要
多项研究已表明，基于互联网的社交媒体平台上的行为可指示个体的心理健康状况。此类数据的广泛可得性激发了从计算视角开展心理健康研究的兴趣。尽管先前研究已对由此类数据所产生模型中可能存在的偏差提出担忧，尚无研究量化这些偏差如何针对不同人口群体（如性别与种族/民族群体）实际显现。在此，我们分析基于Twitter数据训练的抑郁症分类器相对于性别与种族人口群体的公平性。我们发现，模型性能对于代表性不足群体存在系统性差异，且这些差异无法完全由简单的数据表征问题所解释。我们的研究以关于未来研究中如何避免这些偏差的建议作结。
引用
@article{arxiv.2103.10550,
title = {Gender and Racial Fairness in Depression Research using Social Media},
author = {Carlos Aguirre and Keith Harrigian and Mark Dredze},
journal= {arXiv preprint arXiv:2103.10550},
year = {2021}
}
备注
Accepted to EACL 2021