A Discrimination Report Card
歧视评估成绩单AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要将分级方法应用于衡量雇主种族偏见的通信实验，提供因果实验分析的直接依据；一般排序问题不另归入分布效应。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
歧视评估成绩单
- 研究问题
- 如何为企业的种族歧视程度提供易懂的分级，同时平衡等级的信息量和误排序风险，并展示各企业差异估计的不确定性？
- 方法与思路
- 作者提出经验贝叶斯分级方案，在等级信息量与预期排序错误频率之间权衡，并应用于涵盖九十七家美国雇主的通信实验。
- 材料陈述的贡献
- 摘要称，四级方案将随机企业对的误排序概率限制在百分之五，并解释近半种族联系差距变异，同时报告企业层面的不确定性。
- 阅读关注点
- 应核对误排序风险的定义及保证所依赖的模型、等级边界选择，以及实验联系差距如何估计和不确定性如何进入分级。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；所述数值仅为摘要报告，未说明其校准条件及对其他企业总体的适用性。
原文摘要
We develop an Empirical Bayes grading scheme that balances the informativeness of the assigned grades against the expected frequency of ranking errors. Applying the method to a massive correspondence experiment, we grade the racial biases of 97 U.S. employers. A four-grade ranking limits the chances that a randomly selected pair of firms is mis-ranked to 5% while explaining nearly half of the variation in firms' racial contact gaps. The grades are presented alongside measures of uncertainty about each firm's contact gap in an accessible rubric that is easily adapted to other settings where ranks and levels are of simultaneous interest.