Assessing Predictive Models for Fairness Based on Movement Patterns

Resumen Técnico: Evaluación de Modelos Predictivos para la Equidad Basada en Patrones de Movimiento

Definición del Problema
La literatura actual sobre equidad espacial en el aprendizaje automático opera bajo un supuesto fundamental: cada individuo está asociado a una única ubicación geográfica fija (por ejemplo, el lugar de residencia). Este artículo argumenta que dicho supuesto es insuficiente para escenarios del mundo real donde los individuos exhiben patrones de movimiento complejos. Un modelo predictivo puede tratar a los individuos de manera injusta no basándose en dónde viven, sino en sus trayectorias, específicamente en la frecuencia, la duración y la combinación de las regiones que visitan.

Los autores definen tres dimensiones de los patrones de movimiento que las evaluaciones actuales de equidad espacial no capturan:

1. Múltiples ubicaciones: Los individuos ocupan diferentes regiones en distintos momentos.
2. Frecuencia de visitas: El número de veces que un individuo visita regiones específicas es relevante.
3. Duración de las visitas: La cantidad de tiempo pasado en una región es un factor pertinente.

El problema central abordado es la evaluación de modelos predictivos para la equidad en relación con estos patrones de movimiento. A diferencia de la equidad espacial tradicional, donde un "punto caliente" de injusticia es una región contigua única, la injusticia basada en patrones de movimiento puede manifestarse como un conjunto de regiones no contiguas que un individuo visita en una combinación específica.

Metodología
El enfoque propuesto generaliza la evaluación de la equidad espacial para manejar datos de movimiento mediante una tubería de cinco pasos:

1. Segmentación de Trayectorias: Las trayectorias se segmentan en segmentos de "parada" y "movimiento" utilizando un criterio de parada y movimiento. El enfoque se centra en los segmentos de parada, que representan estancias significativas (por ejemplo, hogar, trabajo, compras) en lugar de movimientos transitorios.
2. Superposición de Zonificaciones Geográficas: Para mitigar el Problema de la Unidad Areal Modificable (MAUP), el método superpone múltiples zonificaciones geográficas (particiones espaciales) con diversas resoluciones y alineaciones sobre el área de interés.
3. Mapeo de Objetos a Celdas: Para cada zonificación, el enfoque mapea los objetos en movimiento a un subconjunto de celdas. Identifica los centroides de parada dentro de las celdas y las clasifica en función del número de días distintos en los que se visitó una celda. Se seleccionan las $i$ celdas superiores (por ejemplo, $i=8$) para formar un "conjunto de celdas" que representa el patrón de movimiento relevante del individuo.
4. Determinación de Subconjuntos para la Evaluación: El método identifica todos los subconjuntos de celdas que aparecen en el conjunto de celdas de al menos un individuo. Esto se formula como un problema de Minería de Conjuntos de Elementos Frecuentes (FIM), donde los conjuntos de celdas son transacciones y las celdas son elementos. Esto genera un conjunto candidato de combinaciones de celdas ($CANDIDATES_{GZ}$) que deben ser probadas para detectar injusticia.
5. Prueba de Hipótesis: Se aplica una estadística de escaneo espacial (específicamente, la estadística basada en Bernoulli para clasificadores binarios en los experimentos) a los subconjuntos candidatos. La hipótesis nula ($H_0$) asume que el modelo es justo (la distribución global de las predicciones es uniforme). La hipótesis alternativa ($H_1$) postula que un subconjunto de objetos asociados a una combinación específica de celdas tiene una distribución de predicciones significativamente diferente. La prueba utiliza la Razón de Verosimilitud Máxima (MLR) y simulaciones de Monte Carlo para determinar la significancia estadística.

Contribuciones Clave

• Formulación del Problema: El artículo introduce el novedoso problema de evaluar modelos predictivos para la equidad basándose en patrones de movimiento, superando el supuesto de ubicación única de la equidad espacial.
• Marco Metodológico: Propone un enfoque integral que integra la segmentación de trayectorias, la zonificación espacial multirresolución, la minería de conjuntos de elementos frecuentes para la generación de candidatos y las estadísticas de escaneo espacial para la prueba de hipótesis.
• Protocolo de Generación de Datos: Los autores introducen un protocolo para generar conjuntos de datos sintéticos auditables e injustos. Esto implica inyectar injusticia manipulando las etiquetas de los objetos asociados a patrones de movimiento específicos (puntos calientes compuestos por múltiples regiones), variando parámetros como la forma del punto caliente, la cantidad de objetos y la magnitud de la injusticia.
• Estrategia Exploratoria: Basándose en hallazgos experimentales, el artículo esboza una estrategia práctica para evaluaciones en el mundo real: agrupar candidatos detectados en todas las resoluciones para maximizar el poder de detección, y luego refinar la búsqueda utilizando resoluciones gruesas para la recuperación de objetos (sensibilidad) y resoluciones finas para la localización espacial precisa (Valor Predictivo Positivo).

Resultados Experimentales
El enfoque fue evaluado en miles de conjuntos de datos sintéticos que contenían injusticia inyectada. La evaluación se centró en tres métricas:

• Poder Estadístico (Detección): La capacidad de detectar la presencia de injusticia.
• Sensibilidad: La capacidad de recuperar el conjunto de objetos tratados de manera injusta.
• Valor Predictivo Positivo (VPP): La precisión de la localización espacial de la injusticia.

Los hallazgos clave incluyen:

• Eficacia: El enfoque detecta eficazmente la injusticia basada en patrones de movimiento y recupera los objetos afectados.
• Compensación Multirresolución: Existe una compensación consistente entre las métricas y la resolución de la cuadrícula. Las resoluciones más gruesas generalmente producen un mayor poder y sensibilidad (mejores para detectar y recuperar objetos) pero un VPP más bajo (localización espacial más pobre). Las resoluciones más finas producen un VPP más alto (mejor localización) pero pueden pasar por alto patrones más amplios.
• Estrategia de Agrupación: Agrupar los candidatos extremos detectados en todas las resoluciones de la cuadrícula maximiza el poder estadístico y la sensibilidad, sirviendo como un paso inicial robusto para la detección.
• Sensibilidad a Parámetros: El rendimiento de la detección mejora con una mayor magnitud de injusticia y un mayor número de objetos por punto caliente. Sin embargo, aumentar la complejidad de los puntos calientes (más regiones o más paradas) puede complicar la localización precisa, aunque el enfoque sigue siendo efectivo para la detección.

Significado y Afirmaciones
Los autores afirman que su trabajo es el primero en abordar la evaluación de modelos predictivos para la equidad en relación con los patrones de movimiento individuales. Sostienen que los métodos existentes de equidad espacial pueden fallar en detectar injusticia si no se elige la "ubicación única correcta", mientras que su enfoque tiene en cuenta el comportamiento de movimiento agregado.

El artículo afirma modestamente que el enfoque propuesto es efectivo para detectar este nuevo tipo de injusticia y recuperar el conjunto de objetos tratados de manera injusta. Destaca que, si bien el rendimiento de localización presenta compensaciones dependiendo de la resolución espacial, la estrategia exploratoria propuesta ofrece una manera práctica de navegar estas compensaciones en evaluaciones del mundo real. Los autores también señalan que su enfoque es genérico y puede reducirse a la evaluación estándar de equidad espacial (Sacharidis et al., 2023) si los individuos están vinculados a ubicaciones fijas únicas.

Limitaciones y Trabajo Futuro
Los autores reconocen que su implementación actual depende de cuadrículas cuadradas uniformes y de una asociación basada en segmentos de parada. Las direcciones de investigación futuras incluyen investigar teselaciones basadas en datos (por ejemplo, DBSCAN), mejorar el informe de subconjuntos candidatos para una mejor localización y explorar criterios alternativos para asociar objetos con celdas (por ejemplo, considerando segmentos de movimiento). Además, el protocolo podría extenderse a otros modelos predictivos (regresión, multiclase) y a características de datos de movimiento más variadas.