Catch Me if I Can: Peer Assessment 中策略行为的检测
该研究旨在开发一种识别众包绩效评估中偏见和战略行为的方法并揭示同事互评中的 “歧视慷慨” 现象,以及该现象引发的两种偏见类型,为人才和管理计算机提供公平感知数据挖掘的视角。
Aug, 2019
本文研究评估者分配问题,旨在解决评估者保真行为与专业领域匹配性的矛盾,结合多项式时间算法进行实现,并通过会议同行评审数据集进行方法的评估。
Jan, 2022
本文研究算法决策,分析了在社会不平等的情况下,一方面面临更高的成本的候选群体可能会被错误地排除,而另一方面面临更低成本的候选群体可能会被错误地接受。本文还探讨了给予补贴的干预效果,发现某些情况下给予补贴只会提高算法决策者的效用,但实际上会损害所有候选群体的利益,包括补贴接收者。
Aug, 2018
本文探讨了对等评分系统,提出了一种新的概率模型,该模型能够更准确地估计群体作业的分数,并且使用混合整数规划将计算结果更易解释。作者在多个大型班级进行了实验验证,结果表明,使用该模型可以更准确地估计真实的分数、学生提交低精度报告的可能性以及其固有的评分误差的变化。
Sep, 2022
本文研究了同行评审中的恶意评审行为问题,提出了一种基于通过构建数据集来监测恶意出价的方法,并基于该数据集分析了出价行为,并提出一些简单的检测算法以检测恶意出价。
Jun, 2022
本文研究了在线考试作弊现象及其潜在危害,并提出了一种基于智能代理和行为监测的措施,包括使用 DenseLSTM 和一个新的 PT 行为数据库,在考试响应中检测和降低不当行为。实验表明,这种方法可达到高达 90.7% 的分类准确率。
Jan, 2022
针对同行评议在科学、社会和商业领域的广泛应用,本研究提出了一种策略诚实、有效的同行选择机制,并通过模拟比较和随机取整技术解决了资源分配等相关问题。
Apr, 2016