考虑公平性的视频面试评分
计算机视觉与模式识别
2020-07-13 v1 机器学习
摘要
利用面部图像和视频预测人类情绪与特质已引起相当多的关注。近来，此类工作因标注实践不佳、预测结果不确定以及公平性考量而受到批评。我们提出了一种严谨的方法，基于候选人对面试问题的视频回答自动推导其社交技能。我们首次纳入了来自多个国家、涵盖多种族裔的视频数据。此外，视频由来自多种族背景的个体按照若干最佳实践进行评分，以获得社交技能的共识且无偏度量。我们开发了两种机器学习模型来预测社交技能。第一种模型借助专家指导使用 plausibly causal（似因果）特征。第二种使用深度学习并仅依赖于数据中存在的经验相关性。我们比较了这两种模型的误差，研究了模型的特异性并给出建议。我们进一步通过按种族和性别研究模型误差来分析公平性。我们通过确定模型对候选人面试结果预测的良好程度来验证其有用性。总体而言，该研究为在关注公平与伦理考量的前提下使用人工智能进行视频面试评分提供了有力支持。
引用
@article{arxiv.2007.05461,
title = {Grading video interviews with fairness considerations},
author = {Abhishek Singhania and Abhishek Unnam and Varun Aggarwal},
journal= {arXiv preprint arXiv:2007.05461},
year = {2020}
}
备注
Submitted to NeurIPS2020