criminal justice
PulseAugur coverage of criminal justice — every cluster mentioning criminal justice across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新方法界定高风险领域中机器学习模型的影响
研究人员开发了一种新方法，用于估算机器学习模型在高风险领域（如医疗保健和刑事司法）中的因果影响。该方法利用现有的随机对照试验（RCT）数据，在即使无法进行新试验的情况下，也能为更新模型的效应设定界限。该方法依赖于关于准确预测如何影响结果的假设，特别是正确预测会导致非劣结果，并且子群体表现与对模型输出的信任相关。一项模拟研究表明，该技术比以前的方法提供了更具信息量的界限。
-
人工智能在警方调查中的作用引发了关于伦理和有效性的辩论
人工智能在警方调查中的使用正被探索作为协助破案的工具。虽然人工智能有可能提高调查性访谈的效率和有效性，但其应用引发了伦理考量以及对其在刑事司法系统中作用的质疑。辩论的焦点在于人工智能如何在确保公平性和准确性的同时，协助执法部门收集证据和讯问证人。
-
新型神经网络预测交替复发事件
研究人员开发了一个新的神经网络框架，用于预测交替复发事件，即触发后续不应期的事件。该框架旨在处理此类事件的统计复杂性，包括相关观测和删失结果。该模型使用模拟数据进行了测试，在预测无事件时间方面表现强劲，并在预测医学院一年级住院医师的低落情绪期方面取得了显著成功。
-
新的因果框架分析生存分析中的公平性
研究人员开发了一个新的因果框架，用于分析时间到事件（TTE）分析中的公平性。TTE分析是一种统计建模类型，常用于医疗保健和其他高风险领域。该框架可以将生存差异分解为直接、间接和虚假路径，从而更清晰地解释这些差异为何以及如何随时间出现。这种非参数方法包括使用图形模型形式化假设、恢复生存函数以及应用因果约简定理进行有效估计。该方法被应用于研究重症监护室（ICU）结果中的种族差异。