面對未知：處理缺失人口統計資料以減少廣告投放偏差
arXiv - Computers and SocietyIsabel Corpus, Allison Koenecke
提出一種預算分配介入，將未知用戶納入廣告投放，減少性別偏差並兼顧成本。
AI 幫你先抓重點
AI 重點 1
將未知用戶納入投放策略可避免加劇社會不公平。
滑鼠懸停看 AI 判斷理由
若忽略未知用戶，原本已經被低投放的族群將被進一步邊緣化，對公共服務資訊的公平獲取造成負面影響。
AI 重點 2
預算分配介入提供資源有限廣告主的實務中間方案。
滑鼠懸停看 AI 判斷理由
此方法在不大幅提升成本的前提下，兼顧公平與效益，符合政府機構與非營利組織的預算限制，易於落地。
核心研究發現
- 1
廣告投放因人口統計屬性偏差，導致某些族群被系統性低投放。
- 2
直接針對已知性別的廣告排除平台無法推斷性別的「未知用戶」，加劇不公平。
- 3
預算分配介入將預算分為針對已知性別與未知用戶兩部分，能顯著降低性別偏差，同時控制成本。
對教育工作者的啟發
實務建議：1) 在設定廣告時，將預算分成針對已知性別與未知用戶兩部分，確保未知用戶不被排除；2) 監測投放數據，調整預算比例以平衡成本與公平性；3) 與平台合作，探索可直接定位未知用戶的功能；4) 對於資源有限的機構，採用此中間方案可在不大幅提升成本的前提下，提升服務覆蓋率。
原始文獻資訊
- 英文標題：
- Into the Unknown: Accounting for Missing Demographic Data when Mitigating Ad Delivery Skew
- 作者：
- Isabel Corpus, Allison Koenecke
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。