Impoverished Language Technology: The Lack of (Social) Class in NLP
Bocconi University（博科尼大学）；Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
本研究针对NLP领域对社会经济阶级因素研究严重不足的问题，通过文献调研发现仅20篇相关论文且多数未深入探讨，进而提出可操作的阶级定义，呼吁未来语言技术纳入社会阶级维度。
2024-03-06 cs.AI cs.CL cs.CY
Fairness Issues and Mitigations in (Differentially Private) Socio-Demographic Data Processes
University of Virginia（弗吉尼亚大学）；Georgia Institute of Technology（佐治亚理工学院）；RTI International（RTI国际公司）
本文研究差分隐私社会人口数据过程中的公平性问题，提出优化抽样方法，并发现差分隐私噪声可减少不公平性，经人口普查数据验证。
2025-01-19 cs.AI cs.CR cs.CY
Correcting Sociodemographic Selection Biases for Population Prediction from Social Media
University of Pennsylvania（宾夕法尼亚大学）；Stony Brook University（石溪大学）；Columbia University（哥伦比亚大学）
社交媒体越来越多地用于大规模人口预测，例如估计社区健康统计数据。然而，社交媒体用户通常不是目标人群的代表性样本-一种“选择偏差”。在社会科学中，这种偏见通常通过限制技术来解决，其中观察结果根据其社会人口群体的抽样不足或过度而重新加权。然而，约束很少被评估为改善预测。在这个由两部分组成的研究中，我们首先评估了标准的“开箱即用”的限制技术，发现它们在从Twitter模拟美国县人口健康统计数据的四项任务中没有提供任何改进，甚至经常降低预测准确性。性能下降的核心原因似乎与他们对每个人口的社会人口统计数据的稀疏或缩小的估计的依赖有关。在我们研究的第二部分，我们开发和评估了鲁棒后分层，它包括三种方法来解决这些问题：（1）估计重新分配，以考虑收缩，以及（2）自适应分箱和（3）知情平滑处理稀疏的社会人口统计估计。我们表明，这些方法中的每一个导致显着提高预测精度的标准限制方法。总的来说，稳健后分层实现了最先进的预测准确性，在调查生活满意度的情况下，解释方差（R^2）增加了53.0%，所有任务的平均增加了17.8%。
2022-06-07 cs.CL cs.CY cs.SI
How Do Socio-Demographic Patterns Define Digital Privacy Divide?
数字隐私已成为信息和通信技术系统的一个重要组成部分。存在许多用于数字隐私保护的现有方法，包括网络安全、密码学和访问控制。然而，在可供用户使用的数字隐私保护水平上仍存在差距。本文研究了ICT系统中的数字隐私鸿沟问题。首先，我们介绍了一个在线DPD的研究，了解DPD的问题，收集776 ICT用户使用众包任务分配的响应。其次，我们提出了一种基于因素分析的统计方法，用于从一组可观察的DPD问题变量生成DPD指数。特别是，DPD指数通过探索DPD调查中八个问题的维度，为DPD差距提供了一个衡量尺度。第三，我们引入了DPD比例优势模型来分析DPD状态和用户的社会人口统计模式之间的关系。我们的研究结果表明，DPD调查符合严格的统计措施的内部一致性可靠性，例如，克朗巴赫氏$α=0.92$。此外，DPD指数捕获所有DPD变量的基本共性。最后，DPD比例优势模型表明，DPD状态和ICT用户的年龄组之间有很强的统计相关性。例如，我们发现年轻用户（15-32岁）通常比老年用户（33岁及以上）更关心他们的数字隐私。
2022-01-20 cs.CR cs.CY
Fairness in LLM-Generated Surveys
Department of Computer Science, University of Chile（智利大学计算机科学系）；National Center for Artificial Intelligence (CENIA)（国家人工智能中心）；School of Government, Adolfo Ibáñez University（阿道弗·伊巴涅斯大学政府学院）；Millennium Institute for Foundational Research on Data (IMFD)（数据基础研究千年研究所）
研究分析了LLM在不同人口中的表现，发现其在美国数据集上表现更优，但存在因训练数据偏见导致的公平性问题，提出新的测量框架以提升模型公平性。
2025-01-25 cs.CY cs.LG
A Framework for Generating Annotated Social Media Corpora with Demographics, Stance, Civility, and Topicality
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；W.E. Upjohn Institute（W.E.厄普约翰研究所）
在本文中，我们介绍了一个框架，用于注释各种类别的社交媒体文本语料库。由于社交媒体数据是通过个人生成的，因此重要的是要注释个人人口统计属性的文本，以实现对语料库的社会技术分析。此外，在分析大型数据集时，我们通常可以注释一小部分数据样本，然后使用该样本训练预测模型来注释相关类别的完整数据。我们使用一个案例研究的Facebook评论语料库的学生贷款的讨论，这是注释性别，军事隶属关系，年龄组，政治倾向，种族，立场，topicalilty，新自由主义的意见和文明的评论。我们发布了三个Facebook评论数据集，以供进一步研究：https://github.com/socialmediaie/StudentDebtFbComments
2020-12-10 cs.CL cs.CY
My Boss the Computer: A Bayesian analysis of socio-demographic and cross-cultural determinants of attitude toward the Non-Human Resource Management
人力资源管理技术已经从生物识别监控转向情感人工智能（AI），可以监控员工的敬业度和生产力，分析视频面试和求职者的简历。价值200亿美元的情感人工智能产业的兴起将改变未来的工作场所。然而，除了对这些技术的原则或标准没有国际共识外，还缺乏对未来求职者对人工智能技术使用的态度的跨文化研究。该研究收集了来自全球48个国家和8个地区的1，015名国际学生的调查问卷。大多数受访者（52%）担心被人工智能管理。遵循假设演绎主义的科学哲学，我们使用MCMC哈密顿方法，并与PSIS-LOO方法对10个贝叶斯网络模型进行了详细的比较。我们一直发现，拥有更高的收入，男性，主修商业，和/或自我评价的对人工智能的熟悉程度与工作场所中情感人工智能的积极看法相关。还有一个明显的跨文化和跨区域差异。我们的分析显示，来自经济欠发达地区（非洲，大洋洲，中亚）的人往往对人工智能经理表现出较少的关注。而对于东亚国家，64%的日本人、56%的韩国人和42%的中国人表示信任。相比之下，75%的欧洲和北美人对人工智能管理持担忧/中立态度。关于宗教，穆斯林学生与工作场所中最关心的情感AI相关。当宗教虔诚度较高时，穆斯林和佛教学生的相关性变得更强。
2021-01-24 cs.CY
Do Androids Dream of Unseen Puppeteers? Probing for a Conspiracy Tendencies in Large Language Models
Politecnico Di Milano（米兰理工学院）；CENTAI
本研究探究大型语言模型的阴谋论倾向、相关社会人口统计学偏见及被操纵的难易性，发现其存在部分阴谋论倾向与潜在偏见，且易被针对性提示转向阴谋论方向，凸显需评估其心理维度及制定缓解策略。
2026-09-07 cs.CL cs.CY
Geo-clustered chronic affinity: pathways from socio-economic disadvantages to health disparities
我们的目标是开发和测试一个新的概念（亲和力）类似于个人在人口普查区水平在孟菲斯，田纳西州的慢性疾病的多发病。亲和力的使用将改善对多种慢性病的监测，并促进有效干预措施的设计。我们使用了公开的慢性病数据（疾病控制和预防中心500个城市项目），社会人口数据（美国人口普查局）和人口数据（环境系统研究所）。观察到一种与社会经济剥夺相关的聚集性慢性亲和力的地理独特模式。统计结果证实，犯罪率、贫困率和失业率较高的社区与主要慢性病之间具有较高亲和力的可能性增加有关。然而，在模型中包括吸烟后，只有犯罪率与慢性亲和力在统计上显著相关。长期的亲和力劣势在社会隔离地区不成比例地积累。我们显示了在人群水平上常见的共同观察到的慢性疾病之间的联系，并系统地探讨了亲和力和社会经济差异的复杂性。我们的亲和度评分基于公开数据集，可作为人群水平上多发病的替代指标，这可能有助于政策制定者和公共卫生规划者识别慢性病的紧急热点，并有效地分配临床，医疗和卫生资源。
2019-11-21 cs.CY math.ST stat.TH
Equity in 311 Reporting: Understanding Socio-Spatial Differentials in the Propensity to Complain
美国各地的城市正在实施信息通信技术，以改善政府服务。电子政务的创新之一是创建311系统，提供一个集中平台，公民可以通过热线、移动或基于网络的应用程序请求服务、报告非紧急问题并获取有关城市的信息。纽约市311服务请求系统是市民和市政府之间最重要的联系之一，每年有超过800万个请求。这些系统正在生成大量的数据，如果得到适当的管理、清理和挖掘，可以对城市的实时状况产生重要的见解。这些数据越来越多地被用于开发城市内市民关注和问题状况的预测模型。然而，根据这些数据训练的预测模型可能会在提出请求的倾向方面存在偏差，这种偏差可能会因地区的社会经济和人口特征、可能影响公民与政府互动意愿的文化差异以及访问权限的差异而有所不同。互联网连接。使用超过20，000，000个311请求-连同来自纽约市建筑部和纽约市住房保护和发展部的建筑违规数据;来自纽约市城市规划部的财产数据;以及来自美国人口普查美国社区调查的人口和社会经济数据-我们开发了一个两步方法来评估投诉倾向：（1）我们使用梯度提升回归模型预测给定建筑物的供暖和热水违规的可能性，以及（2）然后我们将建筑物的实际投诉量与预测的违规行为进行比较，以量化整个城市的差异。
2017-10-06 cs.CY
Affirmative Action Policies for Top-k Candidates Selection, With an Application to the Design of Policies for University Admissions
我们考虑的问题，设计的平权行动政策，从申请人池中选择前k名的候选人。我们假设，对于每个候选人，我们都有社会人口统计属性和一系列变量，作为未来表现的指标（例如，标准化测试结果）。我们进一步假设我们可以访问历史数据，包括以前选择的候选人的实际表现。至关重要的是，业绩信息只适用于根据以前的某些甄选政策甄选的候选人。在这项工作中，我们假设，由于法律要求或自愿承诺，一个组织希望在选定的候选人中增加来自弱势社会人口群体的人的存在。因此，我们寻求制定一项平权行动或积极行动政策。这项政策有两个并行的目标：（一）根据从历史数据中可以了解到的情况，选择更有可能表现出色的候选人;（二）以增加弱势社会人口群体代表性的方式选择候选人。我们的激励应用程序是设计大学录取政策的学士学位。我们使用一个因果模型作为框架来描述几个家庭的政策（改变组件的权重，给予奖金，并制定配额），并比较它们在理论上，并通过大量的实验在一个大型的真实世界的数据集包含数千名大学申请人。我们的论文是第一次将肯定行动政策设计的问题，在算法公平性的框架内。我们的实证结果表明，简单的政策可以有利于弱势群体的录取，而不会显着损害接受的候选人的质量。
2021-03-09 cs.CY
How well can machine learning predict demographics of social media users?
社交媒体网站和其他数字技术的广泛使用导致了前所未有的数字数据可用性，这些数据被用于研究跨研究领域的人类行为。虽然这些平台上可以提供未经请求的意见和情绪，但通常缺少人口统计学细节。人口信息与人口学和公共卫生等领域有关，在这些领域，性别、种族和社会经济群体之间可能存在重大差异。为了解决这一缺陷，许多学术研究提出了使用姓名、用户名和网络特征等细节来推断社交媒体用户人口统计数据的方法。性别是最容易准确推断的特征，在一些研究中，准确率高于90%。由于各种原因，种族、民族和年龄往往更难预测，包括社交媒体对某些年龄组的新颖性，以及种族和民族之间的用户详细信息缺乏显著差异。尽管预测用户人口统计数据的努力受到有关隐私和数据所有权的道德问题的困扰，但了解数据样本中的人口统计数据有助于解决偏见和人口代表性问题，从而不会加剧现有的社会不平等。
2018-05-30 cs.CY cs.SI
Characterizing Community Formation in Response to Extreme Weather Events through Human Mobility Networks
本文研究2021年冬季风暴Uri引发的有序停电背景下德克萨斯州哈里斯县人类移动网络的社区形成，分析其灾害暴露异质性等特征，发现社区空间共存等规律，为电力公司停电管理提供参考。
2025-08-19 cs.CY cs.SI physics.soc-ph
Demographics in Social Media Data for Public Health Research: Does it matter?
社交媒体数据为公共卫生研究提供了有利的机会。然而，研究表明，某些人口的代表性可能存在差异（例如，社会经济地位较低的人）。为了量化和解决这些人口代表性的差异，我们需要人口统计信息，这通常是大多数社交媒体平台所缺少的。在这里，我们提出了一个集成的方法来推断从社交媒体数据的人口统计。已经提出了几种方法来推断人口统计属性，如年龄，性别和种族/民族。然而，这些方法中的大多数需要大量的数据，这使得它们在大规模研究中的应用具有挑战性。我们开发了一种可扩展的方法，仅依赖于用户名来预测性别。我们开发了三个独立的分类器，这些分类器在包含来自Kaggle.com的7，953名Twitter用户的性别标签的数据上进行训练。接下来，我们使用堆叠泛化技术将各个分类器的预测组合起来，并将集成分类器应用于来自美国的36，085条地理标记的食源性疾病相关推文的数据集。我们的集成方法实现了准确率，精度，召回率和F1得分分别为0.828，0.851，0.852和0.837，高于个人机器学习方法。集成分类器还覆盖了任何具有字母数字名称的用户，而数据匹配方法的准确率为0.917，仅覆盖了67%的用户。将我们的方法应用于美国食源性疾病的报告，突出了性别推文的差异，并显示出与食源性疾病相关推文数量较多的县女性Twitter用户的比例过高。
2017-11-06 cs.CY
Wiki-based Communities of Interest: Demographics and Outliers
在本文中，我们发布了有关人口统计信息和感兴趣社区的离群值的数据。这些数据来自维基百科的来源，主要是维基数据，涵盖了75000个社区，如白宫冠状病毒工作组的成员，以及345000个主题，例如，黛博拉·伯克斯我们描述的统计推断方法，通过挖掘这些数据。我们以JSON格式发布以主题为中心和以组为中心的数据集，以及浏览界面。最后，我们预见到三个领域的研究可以产生影响：在社会科学研究，它提供了一个资源的人口统计分析;在网络规模的协作百科全书，它作为一个编辑推荐，以填补知识空白;在网络搜索，它提供了显着的声明列表查询主题更高的用户参与度。
2023-03-17 cs.CY cs.SI
Socio-Technological Challenges and Opportunities: Paths Forward
数字技术的进步具有自举效应。过去五十年来，计算机体系结构社区的技术创新带来了创新和数量级的效率改进，产生了以前不可能的用例-刺激了新的应用领域，并以更快的速度增加了使用和部署。因此，计算技术推动了经济的显著增长，创造了教育机会，使人们能够获得更广泛和更多样化的信息，同时将世界上不同需求的人联系在一起。提供的技术必须包含世界的物质、文化和经济多样性，并在制造、使用和回收时将环境可持续性放在首位。在接下来的几十年里，我们设想通过将普遍的连接性，可持续性和人口包容性置于设计的最前沿来建立一个循环的发展周期，以维持和扩大技术丰富的社会的利益。我们希望这项工作将激励我们的计算社区在开发技术解决方案时采取更广泛和更全面的方法，为来自世界各地的人们提供服务。
2021-08-15 cs.CY
Explore Spatiotemporal and Demographic Characteristics of Human Mobility via Twitter: A Case Study of Chicago
描述人类流动模式对于理解人类行为以及与社会经济和自然环境的相互作用至关重要。随着位置和Web 2.0技术的不断发展，基于位置的社交媒体（LBSM）在过去几年中得到了广泛的普及。通过访问用户的位置，配置文件和社交媒体帖子的内容，LBSM数据为人类移动性研究提供了一种新的数据源模式。通过利用明确的位置足迹和挖掘隐含在LBSM数据中的潜在人口信息，本文的目的是研究人口流动的时空特征，特别关注人口的影响。我们首先收集地理标记的Twitter的饲料张贴在毗连的美国地区，并组织收集饲料使用的概念，对应于每个Twitter用户的时空轨迹。通常，针对每个用户轨迹导出人类移动性测量，包括检测到的家庭和活动中心。然后，我们选择了一个子集的Twitter用户检测到的家庭位置在芝加哥市作为案例研究，并应用名称分析用户简档中提供的名称，以了解Twitter用户的隐式人口统计信息，包括种族/民族，性别和年龄。最后，我们探讨了芝加哥Twitter用户的时空分布和流动性特征，并通过比较三个人口统计学维度（种族/民族，性别和年龄）的差异来研究人口统计学影响。我们发现，尽管不同人口群体的人口流动性指标通常遵循一般规律（例如，幂律分布），人口信息，特别是种族/族裔群体，对城市人口流动模式有重大影响。
2016-04-13 cs.CY cs.SI physics.soc-ph
How different age groups responded to the COVID-19 pandemic in terms of mobility behaviors: a case study of the United States
COVID-19的迅速传播影响了全国各地不同社会人口群体的数千人。预防或减缓疫情的决定性步骤是采取行动干预措施，如政府的居家令。然而，不同的社会人口群体可能对这些命令和条例有不同的反应。在本文中，我们试图通过研究不同年龄组的不同社区如何按照3月13日的国家紧急状态宣言等命令执行社交距离，以及在实施规定后他们开始改变行为的速度，来填补目前文献中的空白。为此，我们通过使用匿名和隐私保护的移动终端数据，计算了不同年龄组人群在不同流动性指标下的行为变化，例如与大流行前几天（2020年1月和2月）相比，研究期间（2020年3月、4月和5月）待在家里的人的百分比。我们的研究表明，老年社区在行为改变方面优于年轻社区。与年轻社区相比，老年社区不仅对疫情的反应更快，而且在大流行期间表现更稳定。
2020-07-22 cs.CY physics.soc-ph
