推奨と実行の乖離を考慮した公平な最適政策決定フレームワークの提案
推奨への反応性と治療効果を分離し、実際の介入実行率を公平性の指標とする最適化手法。SNAP給付や司法モニタリング等の実データで検証。（原題: Mind the Gap: Optimal and Equitable Encouragement Policies）
リリース: 2023-09-12 · 読了 5 分何が起きた
治療の強制が困難な状況下で、推奨（Encouragement）を最適化する意思決定モデルを構築
推奨への反応性と治療効果をモデル内で区別し、介入の実行率を公平性のターゲットとして定義
予算やアクセスの制約下での政策最適化を可能にする数学的枠組みを提示
SNAP給付の再認定通知や公判前の電子監視データを用いたケーススタディを実施
アルゴリズムによる不平等の是正には、推奨の実行と最終的な結果の両面を評価する必要があることを証明
なぜ重要
推奨と行動の乖離が激しい社会政策において、単なる推奨率ではなく実効性を重視した公平な介入を可能にする
意思決定アルゴリズムにおける公平性の定義を、単なる推奨の割り当てから実際の行動変容へとシフトさせる
👁️ 開発者
政策立案や公的サービスにおけるアルゴリズム設計において、因果推論に基づいた介入効果の推定と公平性の評価を統合する新しい設計指針を提供する。
🇯🇵 日本
行政DXや福祉サービスの最適化において、個人の行動変容を考慮に入れた公平なナッジ（推奨）政策の策定に応用可能。
著者
Iain D. B. Cruickshank
Evan Rosenman
Sharad Goel