Demographic Benchmarking: Bridging Socio-Technical Gaps in Bias Detection
本文提出一个人口统计基准测试框架，通过构建定制控制数据集、对比总体与受影响人群差异及持续量化漂移，将社会人口统计洞察整合至AI审计中以减少偏见并提升公平性。
2025-01-27 cs.CY
FixMyStreet Brussels: Socio-Demographic Inequality in Crowdsourced Civic Participation
FixMyStreet（FMS）是一个基于网络的公民参与平台，允许居民向政府报告坑洼和损坏的路面等环境缺陷。在本文中，我们研究使用FMS在布鲁塞尔，比利时首都。自2013年成立以来，共分析了30，041份报告，我们展示了布鲁塞尔不同种族地区之间的FMS公民参与情况。我们将FMS的使用与一系列来自官方城市统计数据的社会人口指标以及来自Twitter的地理标记社交媒体数据进行了比较。我们的统计分析揭示了各区之间的几个显著差异，表明众包公民参与平台往往使低收入和种族多样化的社区边缘化。在这方面，我们的研究结果提供了及时的证据，为未来设计更具包容性的众包公民参与平台提供了信息。
2017-08-07 cs.CY cs.HC cs.SI
The Need for a Socially-Grounded Persona Framework for User Simulation
Salesforce Research（Salesforce研究院）
本文提出SCOPE框架，通过社会心理学协议构建更高质量的个性，提升大语言模型在社会模拟中的表现。
2026-01-23 cs.AI cs.CL cs.CY
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 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
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
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
Digital Divide: Mapping the geodemographics of internet accessibility across Great Britain
目的：这项研究提出了英国数字可访问性的第一个单独的社会人口统计措施。数字无法访问影响了大约1000万无法访问或充分利用互联网的人，特别是影响了社会中的弱势群体。方法：地理人口分类，分析文献引导的社会人口变量在地区一级。分析：根据其社会人口变量和空间范围对所产生的集群进行分析。调查结果表明，存在三个风险集群，“大都市少数民族斗争”，“印度大都市生活”和“巴基斯坦-孟加拉国不平等”。这些都是通过全国Ofcom电信性能数据和使用国家统计局互联网使用数据的具体案例研究进行验证的。结论：仅使用当代和开源的社会人口变量，本文增强了以前的数字可访问性研究。确定数字无法访问的地区，可以集中地方和国家政府的资源和政策目标，特别重要的是，在预期的最终全国人口普查之后，作为2021年后的关键数据来源和方法。
2021-08-03 cs.CY stat.AP
Explaining Caste-based Digital Divide in India
随着信息和通信技术在获得教育和卫生等基本服务方面的重要性日益增加，基于种姓的数字鸿沟问题在印度变得越来越重要，因为不同种姓群体之间存在着巨大的社会经济差距。在印度，对基于种姓的数字不平等的研究仍然很少。本文利用具有全国代表性的调查数据，分析了弱势种姓群体与其他群体之间的第一级数字鸿沟（拥有计算机和上网）和第二级数字鸿沟（个人使用计算机和上网的技能）。此外，本文确定了种姓群体为基础的社会经济因素的差异，这些群体之间的数字鸿沟，使用非线性分解方法。结果表明，在印度的弱势种姓群体和其他群体之间存在着巨大的第一级和第二级数字鸿沟。非线性分解的结果表明，在印度基于种姓的数字鸿沟是植根于历史上的社会经济剥夺的弱势种姓群体。基于种姓的数字差距有一半以上是由于处于不利地位的种姓群体与其他群体之间在教育程度和收入方面的差异。这项研究的结果突出表明，迫切需要解决印度不同种姓群体之间的教育和收入不平等问题，以弥合数字鸿沟。
2021-06-30 cs.CY econ.GN q-fin.EC
Bridging the Digital Divide: Performance Variation across Socio-Economic Factors in Vision-Language Models
University of Michigan - Ann Arbor（密歇根大学安娜堡分校）
本研究评估CLIP模型在Dollar Street数据集上对不同收入水平家庭图像的性能，发现低收入群体性能显著低于高收入群体，并提出促进经济包容性AI发展的可行措施。
2023-11-09 cs.AI cs.CL cs.CV
Stop Tracking Me Bro! Differential Tracking Of User Demographics On Hyper-partisan Websites
具有超党派、左倾或右倾焦点的网站提供的内容通常偏向于目标受众的期望。这类内容往往使用户两极分化，他们反复被特定（极端）内容所吸引，通常反映了政治和社会经济主题上的强硬党派路线。虽然这种两极分化已被广泛研究的内容，它仍然是未知的，它如何与浏览用户所经历的在线跟踪，特别是当他们表现出某些人口统计特征。例如，目前尚不清楚这些网站如何使广告生态系统能够根据性别或年龄跟踪用户。在本文中，我们采取的第一步，揭示和衡量这种潜在的差异，在跟踪施加在用户访问特定的党线的网站。为此，我们设计和部署了一种方法来系统地探测这些网站，并测量用户跟踪的差异。这种方法允许我们创建具有特定属性（如性别和年龄）的用户角色，并以一致和可重复的方式自动化他们的浏览行为。因此，我们系统地研究这些网站及其第三方如何跟踪人物角色，特别是如果他们表现出特定的人口统计特征。总的来说，我们在556个超党派网站上测试了9个人物角色，发现右倾网站倾向于比左倾网站更强烈地跟踪用户，这取决于用户人口统计数据，使用Cookie和Cookie同步方法，并导致更昂贵的广告投放。
2020-03-30 cs.CR cs.CY
Facebook Ads as a Demographic Tool to Measure the Urban-Rural Divide
在全球城市化的进程中，确保留在农村地区的人在发展和政策考虑方面不落后，是世界各国政府的优先事项。然而，追踪有关这一人口稀少、地理分散的重要统计数据越来越具有挑战性，导致缺乏可靠的最新数据。在这项研究中，我们研究了Facebook广告平台的有用性，该平台提供了超过20亿用户的数字“普查”，以衡量潜在的城乡不平等。我们关注意大利，一个大约30%的人口生活在农村地区的国家。首先，我们表明Facebook产生的人口统计数据在时间上不稳定，人口稀少的城市覆盖不完整。为了克服这种限制，我们提出了一种替代方法来估计Facebook广告受众，将农村城市的覆盖率从19%提高到55%，并进行可行的细粒度子人群分析。使用官方的全国人口普查数据，我们评估了我们的方法，并确认了在教育程度和收入方面已知的重大城乡差距。将分析扩展到Facebook特定的用户“兴趣”和行为，我们提供了关于鸿沟的进一步见解，例如，发现农村地区对赌博表现出更高的兴趣。值得注意的是，我们发现，农村地区收入的最具预测性的特征与城市中心不同，这表明研究人员在研究农村福祉时需要考虑更广泛的属性。这项研究的结果表明，有必要改进现有的工具和方法，将代表性不足的人口纳入数字人口研究-如果不这样做，可能会导致误导性的观察，结论，最重要的是，政策。
2020-02-26 cs.CY cs.SI physics.soc-ph
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
The adoption of non-pharmaceutical interventions and the role of digital infrastructure during the COVID-19 Pandemic in Colombia, Ecuador, and El Salvador
坚持为减轻传染病传播而采取的非药物干预措施是一个多方面的问题。社会人口统计学、社会经济学和流行病学因素可以影响已知影响行为的感知易感性和风险。此外，国家绩效指标的通过取决于与其执行有关的实际或感觉到的障碍。我们研究了哥伦比亚、厄瓜多尔和萨尔瓦多在COVID-19大流行第一波期间NPI依从性的决定因素。分析是在市一级进行的，包括社会经济、社会人口和流行病指标。此外，通过利用Ookla的数千万互联网速度测试测量数据组成的独特数据集，我们调查了数字基础设施的质量，这可能是采用的障碍。我们使用由Meta提供的公开数据来捕获聚合移动性变化，作为遵守NPI的代理。在所考虑的三个国家中，我们发现移动性下降与数字基础设施质量之间存在显著相关性。在控制了包括社会经济地位、人口规模和报告的COVID-19病例在内的几个因素后，这种关系仍然很重要。这一发现表明，连通性更好的城市能够承受更高的流动性减少。移动性下降与数字基础设施质量之间的联系在NPI严格性的高峰期更强。我们还发现，流动性的减少在更大、更密集和更富裕的城市更为明显。我们的工作提供了新的见解，即获得数字化工具的重要性是影响在卫生紧急情况下遵守社交距离准则的能力的额外因素
2022-02-24 cs.CY physics.soc-ph
Socioeconomic factors of national representation in the global film festival circuit: skewed toward the large and wealthy, but small countries can beat the odds
本研究基于多源数据库分析全球电影节代表性的社会经济因素，发现庞大富裕国家主导电影节但小国亦可超常发挥，并通过计算模拟揭示文化多样性贡献与贸易平衡动态，为政策制定提供数据驱动支持。
2024-10-17 cs.CY cs.SI
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
Second-Level Digital Divide: Mapping Differences in People's Online Skills
解决数字鸿沟问题的现有办法有很大的局限性。它基于互联网使用的二元分类，只考虑某人是否是互联网用户。为了弥补这一缺陷，该项目着眼于人们在网上查找信息的技能水平的差异。调查结果表明，人们以各种方式搜索内容，人们在网上找到各种类型的信息所需的时间存在很大差异。收集数据是为了了解用户人口统计数据、用户的社会支持网络、人们对媒体的体验以及他们使用的自主性如何影响他们的用户复杂度。
2001-09-24 cs.CY
Information Societies and Digital Divides
这本书认为，信息和通信技术是决定生活质量、社会不平等和经济发展机会的商品和服务的一部分。因此，要了解数字鸿沟，就必须更广泛地讨论信息和通信技术在每个社会和国际体系中的地位。作者反对将信息和通信技术与其他基本社会商品（特别是教育和就业）隔离开来的观点，也反对认为新技术是消费社会的奢侈品的观点。虽然作者承认新技术不是解决不平等问题的灵丹妙药，但获得新技术是充分融入社会生活的一个条件。该工作主要利用拉丁美洲的例子，提出了一些消除数字鸿沟的一般性政策建议，其中考虑到社会不平等和获得公益物的其他方面。Bernardo Sorj出生于乌拉圭蒙得维的亚。他是一名归化的巴西人，自1976年以来一直居住在巴西。他在乌拉圭学习人类学和哲学，并拥有学士学位。和文学硕士学位以色列海法大学历史与社会学专业。获得博士学位他是英国曼彻斯特大学的社会学教授。Sorj是米纳斯吉拉斯联邦大学政治学系和PUC/RJ国际关系研究所的教授。他著有20本书和100多篇文章，是欧洲和北美许多大学的客座教授和主席。
2008-07-17 cs.CY
Auditing Digital Platforms for Discrimination in Economic Opportunity Advertising
包括社交网络在内的数字平台是经济信息的主要来源。有证据表明，数字平台向人口群体展示了不同的社会经济机会。我们的工作通过提出一种方法和软件来审计数字平台的偏见和歧视来解决这个问题。为了证明这一点，对Facebook平台和广告网络进行了审计。在2019年10月至2020年5月期间，我们从Facebook广告库API收集了141，063个广告。使用机器学习分类器，每个广告都被自动标记为主要营销类别（住房，就业，信贷，政治，其他）。对于每个类别，我们分析了广告内容按年龄组和性别的分布。根据审计结果，我们考虑并提出了限制，需求，基础设施和政策，使研究人员能够在未来进行更系统的审计，并倡导为什么必须做这项工作。我们还讨论了有偏见的分布如何影响人们所拥有的社会经济机会，特别是当在数字平台上，一些人口群体被不成比例地排除在接受法律规定的内容的人群之外时。
2020-08-21 cs.CY cs.HC
DomainDemo: a dataset of domain-sharing activities among different demographic groups on Twitter
本文提出DomainDemo数据集，通过将Twitter上共享的域名与150万美国选民的人口特征关联，生成了量化网站地理覆盖和意识形态倾向等五个指标，为研究不同群体十年间的信息流动与公共话语趋势提供了可靠资源。
2025-07-16 cs.CY cs.SI
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
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
Public Perceptions of Autonomous Vehicles: A Survey of Pedestrians and Cyclists in Pittsburgh
George Mason University（乔治·马歇尔大学）
本研究基于匹兹堡超1200名受访者的调查数据，探讨了行人和骑行者对自动驾驶车辆的感知，揭示了人口差异、基础设施差距及沟通教育在AV采用中的关键作用。
2025-06-20 cs.CY cs.RO
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
