利用机器学习与偏差分析识别地方当局的早期帮助转介
机器学习
2023-07-14 v1 计算机与社会
摘要
英格兰的地方当局，如莱斯特郡议会（LCC），提供早期帮助服务，可在年轻人生命中任何时刻当其遭遇无法仅由学校等通用服务支持的困难时提供。本文研究利用机器学习（ML）协助专家识别可能需要转介以进行早期帮助评估与支持的家庭。LCC 提供了一个包含 14360 条 18 岁以下年轻人记录的匿名数据集。该数据集经过预处理，构建了机器学习模型，并开展实验以验证和测试模型性能。应用了偏差缓解技术以提升这些模型的公平性。在测试期间，尽管模型展现出识别需要干预或早期帮助的年轻人的能力，它们也产生了大量假阳性，尤其在使用不平衡数据构建时，错误地识别了极可能不需要早期帮助转介的个体。本文实证探讨了数据驱动的 ML 模型在识别可能需要早期帮助服务的年轻人方面的适用性，并讨论了其对于该任务的恰当性与局限性。
引用
@article{arxiv.2307.06871,
title = {Identifying Early Help Referrals For Local Authorities With Machine Learning And Bias Analysis},
author = {Eufrásio de A. Lima Neto and Jonathan Bailiss and Axel Finke and Jo Miller and Georgina Cosma},
journal= {arXiv preprint arXiv:2307.06871},
year = {2023}
}