识别最不利者中的预测价值
计算机与社会
2025-07-14 v3 机器学习
机器学习
摘要
机器学习日益被用于政府项目中，以识别并支持最易受影响的个体，优先照顾风险最大者而非优化总体结果。本文审视了预测在平等驱动的情境中的福利影响，以及与其他政策杠杆（如扩大官僚资本）的比较。通过数学模型和关于德国居民长期失业的真实案例研究，我们全面理解了预测在暴露最不利者方面的相对有效性。我们的发现提供了清晰的分析框架和实用的数据驱动工具，使政策制定者在设计这些系统时能够作出原则性决策。
引用
@article{arxiv.2501.19334,
title = {The Value of Prediction in Identifying the Worst-Off},
author = {Unai Fischer-Abaigar and Christoph Kern and Juan Carlos Perdomo},
journal= {arXiv preprint arXiv:2501.19334},
year = {2025}
}