Prediction, Machine Learning, and Individual Lives: an Interview with Matthew Salganik
Prediction, Machine Learning, and Individual Lives: an Interview with Matthew Salganik
复制标题
预测、机器学习和个人生活：马修·萨尔加尼克访谈
DOI：
10.1162/99608f92.eecdfa4e
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Rudin, Cynthia
中科院分区：
文献类型：
--
作者：
Salganik, Matthew;Maffeo, Lauren;Rudin, Cynthia
机器学习技术在整个社会中越来越多地用于预测个人的生活结果。然而，发表在《美国国家科学院院刊》上的研究对这些预测的准确性提出了质疑。在普林斯顿大学研究人员的领导下，这项大规模合作涉及160个数据和社会科学家团队，他们建立了统计和机器学习模型，以预测儿童、父母和家庭的六种生活结果。他们发现，没有一个团队可以做出非常准确的预测，尽管他们使用了先进的技术，并获得了丰富的数据集。对该研究的主要作者、普林斯顿大学社会学教授Matthew Salganik的采访由Gartner副首席分析师Lauren Maffeo和杜克大学计算机科学、电气和计算机工程以及统计科学教授Cynthia Rudin进行。它概述了研究的目标，研究方法和结果。采访还包括希望使用机器学习来预测和改善人们生活结果的政策领导者的关键要点。
Machine learning techniques are increasingly used throughout society to predict individual’s life outcomes. However, research published in the Proceedings of the National Academy of Sciences raises questions about the accuracy of these predictions. Led by researchers at Princeton University, this mass collaboration involved 160 teams of data and social scientists building statistical and machine learning models to predict six life outcomes for children, parents, and families. They found that none of the teams could make very accurate predictions, despite using advanced techniques and having access to a rich dataset. This interview of Matthew Salganik, the study’s lead author and a professor of Sociology at Princeton University, was conducted by Lauren Maffeo, Associate Principal Analyst at Gartner, and Cynthia Rudin, a professor of Computer Science, Electrical and Computer Engineering, and Statistical Science at Duke University. It provides an overview of the study’s goals, research methods, and results. The interview also includes key takeaways for policy leaders who wish to use machine learning to predict and improve life outcomes for people.
登录
查看更多内容
特别收藏：脆弱家庭挑战
DOI：
--
发表时间：
2020
期刊：
影响因子：
--
作者：
Alexander Blanchard;M. Taddeo
通讯作者：
M. Taddeo
影响因子：
3.3
作者：
Reichman, NE;Teitler, JO;McLanahan, SS
通讯作者：
McLanahan, SS
使用 LASSO 辅助插补并预测儿童福祉
影响因子：
4.5
作者：
Diana M. Stanescu;Erik H. Wang;S. Yamauchi
通讯作者：
S. Yamauchi
脆弱家庭挑战中平均绩点、毅力和裁员的获胜模型
DOI：
--
发表时间：
2019
期刊：
Socius: Sociological Research for a Dynamic World
影响因子：
--
作者：
Daniel E. Rigobon;E. Jahani;Yoshihiko Suhara;Khaled Al;Abdulaziz Alghunaim;A. Pentland;Abdullah Almaatouq
通讯作者：
Abdullah Almaatouq
影响因子：
4.5
作者：
Liu, David M;Salganik, Matthew J
通讯作者：
Salganik, Matthew J