پرش به محتوای اصلی

تجزیه و تحلیل داده‌های زندان نشان می‌دهد که انتخاب کمترین امتیاز خطر جرم مجدد، دقت کلی را حفظ می‌کند

فیزیک‌ارگ۱۴۰۵ آبان ۲۰, چهارشنبه، ساعت ۰۲:۳۰حدود 1 دقیقه مطالعه

اینکه یک فرد پس از آزادی از زندان مرتکب جرم شود یا با موفقیت بازپروری شود به عوامل مختلفی بستگی دارد. هنگام ارزیابی خطر تکرار جرم، همه اینها در نظر گرفته می‌شوند - هم توسط متخصصان انسانی و هم توسط مدل‌های یادگیری ماشین. اگر چندین مدل محاسباتی به همان اندازه قابل اعتماد رتبه‌بندی‌های ریسک متفاوتی را تولید کنند، کمترین مقدار باید برای فرد مورد نظر استفاده شود، پیشنهاد اشوین سینگ…

اینکه یک فرد پس از آزادی از زندان مرتکب جرم شود یا با موفقیت بازپروری شود به عوامل مختلفی بستگی دارد. هنگام ارزیابی خطر تکرار جرم، همه اینها در نظر گرفته می‌شوند - هم توسط متخصصان انسانی و هم توسط مدل‌های یادگیری ماشین. اشوین سینگ (TU Wien) و کارلوس کاستیو (ICREA/Universitat Pompeu Fabra) اگر چندین مدل محاسباتی به همان اندازه قابل اعتماد رتبه‌بندی‌های ریسک متفاوتی را تولید کنند، کمترین مقدار باید برای فرد مورد نظر استفاده شود.

خواندن متن کامل در فیزیک‌ارگبه زبان اصلی، در سایت ناشر باز می‌شود
متن اصلی (انگلیسی)

Prison data analysis finds choosing lowest reoffending risk scores preserves overall accuracy

Whether an individual reoffends after their release from prison or is successfully rehabilitated depends on several factors. When assessing the risk of recidivism, all of these are taken into account—both by human experts and by machine learning models. If several equally reliable computational models produce different risk ratings, the lowest value should be used for the individual concerned, suggest Ashwin Singh…

همه‌ی اخبار علم