Buchumschlag

A Preliminary Framework for Intersectionality in ML Pipelines

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Turcios, Michelle Nashla, Boyd, Alicia E., Smith, Angela D. R., Johnson, Brittany
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

What Makes An Expert? Reviewing How ML Researchers Define "Expert"
von: Díaz, Mark, et al.
Veröffentlicht: (2024)

Intersectional Unfairness Discovery
von: Xu, Gezheng, et al.
Veröffentlicht: (2024)

Preventing Eviction-Caused Homelessness through ML-Informed Distribution of Rental Assistance
von: Vajiac, Catalina, et al.
Veröffentlicht: (2024)

ML Interpretability: Simple Isn't Easy
von: Räz, Tim
Veröffentlicht: (2022)

A Tutorial On Intersectionality in Fair Rankings
von: Criscuolo, Chiara, et al.
Veröffentlicht: (2025)

MIFair: A Mutual-Information Framework for Intersectionality and Multiclass Fairness
von: Monnier, Jeanne, et al.
Veröffentlicht: (2026)

Personalizing Mathematical Game-based Learning for Children: A Preliminary Study
von: Gao, Jie, et al.
Veröffentlicht: (2026)

A Benchmark for Strategic Auditee Gaming Under Continuous Compliance Monitoring
von: Burnat, Florian A. D., et al.
Veröffentlicht: (2026)

Gaming the Metric, Not the Harm: Certifying Safety Audits against Strategic Platform Manipulation
von: Burnat, Florian A. D., et al.
Veröffentlicht: (2026)

Fair Machine Learning for Healthcare Requires Recognizing the Intersectionality of Sociodemographic Factors, a Case Study
von: Valentine, Alissa A., et al.
Veröffentlicht: (2024)

Exploring the Determinants of Pedestrian Crash Severity Using an AutoML Approach
von: Rafe, Amir, et al.
Veröffentlicht: (2024)

Intersectional Two-sided Fairness in Recommendation
von: Wang, Yifan, et al.
Veröffentlicht: (2024)

State of the Art in Fair ML: From Moral Philosophy and Legislation to Fair Classifiers
von: Baumann, Elias, et al.
Veröffentlicht: (2018)

From Text to Talent: A Pipeline for Extracting Insights from Candidate Profiles
von: Frazzetto, Paolo, et al.
Veröffentlicht: (2025)

Know, Grow, and Protect Net Worth: Using ML for Asset Protection by Preventing Overdraft Fees
von: Kumar, Avishek, et al.
Veröffentlicht: (2023)

MESD: A Risk-Sensitive Metric for Explanation Fairness Across Intersectional Subgroups
von: Popoola, Gideon, et al.
Veröffentlicht: (2026)

Correcting Underrepresentation and Intersectional Bias for Classification
von: Diana, Emily, et al.
Veröffentlicht: (2023)

Role and Use of Race in AI/ML Models Related to Health
von: Were, Martin C., et al.
Veröffentlicht: (2025)

Aequitas Flow: Streamlining Fair ML Experimentation
von: Jesus, Sérgio, et al.
Veröffentlicht: (2024)

Unraveling overoptimism and publication bias in ML-driven science
von: Saidi, Pouria, et al.
Veröffentlicht: (2024)

Fostering the Ecosystem of AI for Social Impact Requires Expanding and Strengthening Evaluation Standards
von: Wilder, Bryan, et al.
Veröffentlicht: (2025)

Geometry of Relaxed Fair Regression: A Unified Framework for Aware and Unaware Settings
von: Lince, M. Generali, et al.
Veröffentlicht: (2026)

Active Fourier Auditor for Estimating Distributional Properties of ML Models
von: Ajarra, Ayoub, et al.
Veröffentlicht: (2024)

FairSense: Long-Term Fairness Analysis of ML-Enabled Systems
von: She, Yining, et al.
Veröffentlicht: (2025)

Different Horses for Different Courses: Comparing Bias Mitigation Algorithms in ML
von: Ganesh, Prakhar, et al.
Veröffentlicht: (2024)

Systematically Assessing the Security Risks of AI/ML-enabled Connected Healthcare Systems
von: Elnawawy, Mohammed, et al.
Veröffentlicht: (2024)

Auditing LLMs for Algorithmic Fairness in Casenote-Augmented Tabular Prediction
von: Lee, Xiao Qi, et al.
Veröffentlicht: (2026)

An ExplainableFair Framework for Prediction of Substance Use Disorder Treatment Completion
von: Lucas, Mary M., et al.
Veröffentlicht: (2024)

Quantifying the Cross-sectoral Intersecting Discrepancies within Multiple Groups Using Latent Class Analysis Towards Fairness
von: Yuan, Yingfang, et al.
Veröffentlicht: (2024)

Measurement to Meaning: A Validity-Centered Framework for AI Evaluation
von: Salaudeen, Olawale, et al.
Veröffentlicht: (2025)

Fairness via Independence: A (Conditional) Distance Covariance Framework
von: Huang, Ruifan, et al.
Veröffentlicht: (2024)

A Unified Post-Processing Framework for Group Fairness in Classification
von: Xian, Ruicheng, et al.
Veröffentlicht: (2024)

FRAPPE: A Group Fairness Framework for Post-Processing Everything
von: Tifrea, Alexandru, et al.
Veröffentlicht: (2023)

A Framework for Spatio-Temporal Graph Analytics In Field Sports
von: Antonini, Valerio, et al.
Veröffentlicht: (2024)

FairLay-ML: Intuitive Debugging of Fairness in Data-Driven Social-Critical Software
von: Yu, Normen, et al.
Veröffentlicht: (2024)

Synthpop++: A Hybrid Framework for Generating A Country-scale Synthetic Population
von: Neekhra, Bhavesh, et al.
Veröffentlicht: (2023)

FedCD: A Fairness-aware Federated Cognitive Diagnosis Framework
von: Yang, Shangshang, et al.
Veröffentlicht: (2025)

A Deep Generative Framework for Joint Households and Individuals Population Synthesis
von: Qian, Xiao, et al.
Veröffentlicht: (2024)

ReliCD: A Reliable Cognitive Diagnosis Framework with Confidence Awareness
von: Zhang, Yunfei, et al.
Veröffentlicht: (2023)

Predicting Fairness of ML Software Configurations
von: Herrera, Salvador Robles, et al.
Veröffentlicht: (2024)