KDD 2021 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 v4 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、人权侵犯与被迫流离失所，对全球弱势社区的影响尤为严重。据 UN 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，仍明显缺乏数据科学研究以科学指导公平公共政策决策、改善高危人群生计。零散的数据科学努力虽存在以应对这些挑战，但它们仍脱离实践，并易产生涉及隐私、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差有放大高风险政策决策中不平等的风险，而这些决策影响数百万人的生计。因此，所宣称的数据驱动创新益处仍无法被处于人道主义行动与全球发展核心的政策制定者、从业者及边缘化社区所获取。为填补此缺口，我们提出数据驱动人道主义制图研究计划，聚焦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。本论文集为第 27 届 ACM SIGKDD 知识发现与数据挖掘会议之际举办的第二届数据驱动人道主义制图研讨会的会议录。2021 年 8 月 15 日。
引用
@article{arxiv.2109.00100,
title = {Proceedings of KDD 2021 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 Elizabeth Bondi},
journal= {arXiv preprint arXiv:2109.00100},
year = {2021}
}
备注
The proceedings of the 2nd Data-driven Humanitarian Mapping workshop at the 27th ACM SIGKDD Conference on Knowledge Discovery & Data Mining. August 15th, 2021