KDD 2020 数据驱动人道主义制图研讨会论文集：利用人机智能服务于高风险公共政策与韧性规划
计算机与社会
2021-09-08 v3 人工智能
综合经济学
经济学
摘要
人道主义挑战，包括自然灾害、粮食不安全、气候变化、种族与性别暴力、环境危机、COVID-19 冠状病毒大流行、侵犯人权与被迫流离失所，对全球弱势社区的影响尤为严重。据联合国 OCHA 估计，2021 年将有 2.35 亿人需要人道主义援助。尽管这些危险日益增长，但用于科学指导公平公共政策决策以改善高危人群生计的数据科学研究仍明显匮乏。现有应对这些挑战的数据科学努力零散分布，且脱离实践，易产生涉及隐私、公平、可解释性、问责、透明与伦理的算法危害。数据驱动方法中的偏见可能放大影响数百万人生计的高风险政策决策中的不平等。因此，处于人道主义行动与全球发展核心的政策制定者、从业者与边缘化社区仍无法获得所称的数据驱动创新益处。为弥补此缺口，我们提出数据驱动人道主义制图研究计划，专注于开发利用人机智能服务于高风险公共政策与韧性规划的新颖数据科学方法。本论文集来自第 26 届 ACM SIGKDD 知识发现与数据挖掘会议（2020 年 8 月 24 日）首届数据驱动人道主义制图研讨会。
引用
@article{arxiv.2109.00435,
title = {Proceedings of KDD 2020 Workshop on Data-driven Humanitarian Mapping: Harnessing Human-Machine Intelligence for High-Stake Public Policy and Resilience Planning},
author = {Snehalkumar and S. Gaikwad and Shankar Iyer and Dalton Lunga and Yu-Ru Lin},
journal= {arXiv preprint arXiv:2109.00435},
year = {2021}
}
备注
The proceedings of the 1st Data-driven Humanitarian Mapping workshop at the 26th ACM SIGKDD Conference on Knowledge Discovery & Data Mining