评级引导市场中的统计歧视
Statistical Discrimination in Ratings-Guided Markets
AI总结：
研究评级引导市场中基于与收益无关社会身份的统计歧视，指出即使评级算法公平无偏，基于评级的社会学习仍因用户注意力选择导致群体间数据采样不对称，引发歧视性推断与结果。
摘要：
我们研究了在利用评级和推荐进行社会学习的市场中，基于与收益无关的社会身份对个体产生的统计歧视。尽管评级/推荐算法可以被设计为公平且无偏的，基于评级的社会学习仍可能导致歧视性结果。我们的模型展示了用户的注意力选择如何导致不同社会群体间的数据采样不对称，从而引发歧视性推断，并可能基于群体身份产生歧视。
英文摘要：
We study statistical discrimination of individuals based on payoff-irrelevant social identities in markets that utilize ratings and recommendations for social learning. Even though rating/recommendation algorithms can be designed to be fair and unbiased, ratings-based social learning can still lead to discriminatory outcomes. Our model demonstrates how users' attention choices can result in asymmetric data sampling across social groups, leading to discriminatory inferences and potential discrimination based on group identities.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
