Into the Unknown: Accounting for Missing Demographic Data when Mitigating Ad Delivery Skew
Dit artikel stelt een interventie voor die het budget splitst en valideert dat deze effectief gendergebonden vertekening in advertentielevering op platformen zoals Google Ads vermindert door strategisch zowel afgeleide als "onbekende" demografische groepen te targeten, waarmee een kosteneffectieve oplossing wordt geboden voor een eerlijke bereiking van publieke diensten.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je burgemeester bent van een stad en je wilt flyers uitdelen over een nieuw gemeenschapscentrum. Je wilt ervoor zorgen dat iedereen in de stad een flyer krijgt, ongeacht of ze een man, een vrouw zijn, of iemand die niet netjes in die categorieën past. Je huurt een high-tech bezorgservice (zoals Google Ads) in om deze flyers in de digitale postvakken van mensen te droppen.
Je vertelt de bezorgservice: "Zorg ervoor dat de helft van de flyers naar mannen gaat en de helft naar vrouwen."
De bezorgservice gebruikt echter een mysterieuze robot om te beslissen wie wat krijgt. De robot kijkt naar de browsegeschiedenis van mensen en schat hun geschatte geschatte geslacht in. Soms schat hij "Man", soms "Vrouw", en soms haalt hij gewoon de schouders op en zegt: "Ik heb geen idee" (laten we deze "Onbekenden" noemen).
Het Probleem: De Vooroordeel van de Robot
De onderzoekers in dit artikel ontdekten dat de robot een ingebouwde voorkeur had. Hoewel de burgemeester om een eerlijke verdeling vroeg, bleef de robot veel meer flyers uitdelen aan mensen die hij inschatte als mannen.
Waarom? Omdat de robot dacht dat mannen de flyer vaker zouden aanklikken, stuurde hij er meer naar mannen om geld te besparen en betere resultaten te behalen. Dit betekende dat vrouwen minder flyers kregen, en de "Onbekenden" (die misschien vrouwen, niet-binaire mensen of mensen met minder digitale geschiedenis zijn) kregen geen enkele flyer, omdat de robot niet wist hoe ze te categoriseren.
De Oude Oplossing: De "Rekening Delen"-Aanpak
Voorheen suggereerden onderzoekers een oplossing genaamd een "Budgetverdeling".
- Hoe het werkte: Je vertelt de robot: "Stop met raden! Ik wil twee aparte stapels flyers. Een stapel alleen voor mensen die je denkt dat mannen zijn, en een stapel alleen voor mensen die je denkt dat vrouwen zijn."
- De Haken: Deze aanpak negeert de "Onbekenden" volledig. Als de robot het geslacht niet kan raden, wordt de flyer nooit aan hen bezorgd. Bovendien is deze methode duur, omdat de robot meer rekent voor het richten op specifieke groepen dan voor het simpelweg overal flyers te verspreiden.
De Nieuwe Oplossing: De "Inclusieve Verdeling"
De auteurs van dit artikel, in samenwerking met een staatsregering, bedachten een slimmere manier om het probleem op te lossen zonder iemand achter te laten of de bank te breken. Ze noemden het de "Budgetverdeling met Onbekende Gebruikers".
Hier is hoe hun creatieve oplossing werkt, met behulp van een eenvoudige analogie:
Stel je voor dat je een grote emmer water hebt (je reclamebudget) en je wilt twee tuinen water geven: de "Mannentuin" en de "Vrouwentuin".
- Het Probleem: De robot blijft 60% van het water in de Mannentuin gieten en slechts 40% in de Vrouwentuin.
- De Oude Oplossing: Je bouwt twee aparte pijpen. De ene pijp gaat alleen naar de Mannentuin en de andere alleen naar de Vrouwentuin. Je giet de helft van het water in elk. Maar nu krijgt de "Onbekende" tuin (het onkruid en de wilde bloemen ertussen) helemaal geen water.
- De Nieuwe Oplossing: Je bouwt een hybride systeem.
- Je maakt een pijp voor Alleen Mannen.
- Je maakt een pijp voor Alleen Vrouwen.
- Cruciaal: Je maakt ook pijpen die zeggen: "Mannen OF Onbekend" en "Vrouwen OF Onbekend".
Door deze pijpen af te wisselen, zorg je ervoor dat:
- De "Onbekenden" een kans krijgen om een flyer te ontvangen (ze worden niet buitengesloten).
- Je de totale hoeveelheid water die naar de "Mannen"-kant versus de "Vrouwen"-kant gaat, kunt controleren, zelfs als je niet precies weet wie in de "Onbekende" stapel zit.
- Het goedkoper is dan de strikte "Alleen Mannen / Alleen Vrouwen"-aanpak, omdat je niet zo hard tegen het dure raden van de robot hoeft te vechten.
Wat Ze Vonden
De onderzoekers testten deze nieuwe methode uit op een echte overheidscampagne om kleine ondernemers te helpen.
- Het Resultaat: De nieuwe methode slaagde erin om de robot te stoppen met het bevoordelen van mannen. De verdeling van de flyers kwam veel dichter bij de 50/50-verdeling die de overheid wilde.
- De Bonus: Het was goedkoper dan de oude "strikte verdeling"-methode en, het allerbelangrijkste, het liet de "Onbekende" mensen niet in het donker zitten.
De Grote Les
Het artikel betoogt dat wanneer overheden online advertenties proberen te gebruiken om iedereen te helpen, ze de mensen die de algoritmes niet begrijpen, niet kunnen negeren. Door deze "Inclusieve Verdeling"-strategie te gebruiken, kunnen ze onrechtvaardige bezorging corrigeren zonder een fortuin uit te geven of de meest kwetsbare mensen uit te sluiten.
De auteurs waarschuwen ook dat online advertenties beperkingen hebben. Soms is de beste manier om mensen te bereiken helemaal niet via een computeralgoritme, maar via ouderwetse methoden zoals het bezoeken van bibliotheken of gemeenschapscentra, vooral voor groepen die het internet vaak over het hoofd ziet.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.