缓解飞行员学员压力与疲劳建模中的性别偏差
机器学习
2025-01-10 v1 计算机与社会
摘要
尽管研究人员一直试图了解飞行员（尤其是飞行员学员）的压力和疲劳，并开发压力/疲劳模型以自动化检测压力/疲劳的过程，但他们通常未在这些模型中考虑性别等偏差。然而，在航空等人口分布不成比例地偏向单一性别的关键职业中，迫切需要缓解偏差以实现公平且安全的模型预测。在本研究中，我们调查了69名大学生（其中包括约63%为男性的40名飞行员学员）的感知压力/疲劳。我们首先构建不带偏差缓解的决策树模型，然后使用带有人口统计均等和均等机会约束的阈值优化器，对随机实例进行30次带偏差缓解的模型构建。使用偏差缓解后，我们实现了88.31%（人口统计均等差异）和54.26%（均等机会差异）的改善，且这些改善在统计学上具有显著性。
引用
@article{arxiv.2409.10676,
title = {Toward Mitigating Sex Bias in Pilot Trainees' Stress and Fatigue Modeling},
author = {Rachel Pfeifer and Sudip Vhaduri and Mark Wilson and Julius Keller},
journal= {arXiv preprint arXiv:2409.10676},
year = {2025}
}
备注
Accepted at 2024 IEEE-EMBS International Conference on Body Sensor Networks (IEEE BSN 2024)