迈向负责任的机器学习方法以识别渔业中的强迫劳动
机器学习
2023-02-23 v1 计算机与社会
应用统计
摘要
许多渔船使用强迫劳动，但由于定期检查的船只很少，识别从事这种做法的船只具有挑战性。我们开发了一种正无标签学习算法，利用船只特征和运动模式来估计强迫劳动阳性病例数量的上限，旨在帮助做出准确、负责任且公平的决策。89%的报告强迫劳动病例被正确分类为阳性（召回率），而98%的经认证具有体面工作条件的船只被正确分类为阴性。对于使用不同渔具的不同地区的船只，召回率很高，但拖网渔船除外。我们发现，多达约28%的船只可能使用强迫劳动运营，其中鱿鱼钓船和延绳钓船的比例更高。该模型可作为更广泛的监测、控制和监视制度的一部分，为基于风险的港口检查提供信息，以减少强迫劳动。*英文标题和摘要的翻译版本可在S1文本中以五种语言获得：西班牙语、法语、简体中文、繁体中文和印度尼西亚语。
引用
@article{arxiv.2302.10987,
title = {Towards a responsible machine learning approach to identify forced labor in fisheries},
author = {Rocío Joo and Gavin McDonald and Nathan Miller and David Kroodsma and Courtney Farthing and Dyhia Belhabib and Timothy Hochberg},
journal= {arXiv preprint arXiv:2302.10987},
year = {2023}
}
备注
24 pages, 2 figures, 2 supp files