Pablo Zavala · Évaluation de sécurité IA · Ingénierie de recherche
Modèle qui identifie les demandes DonorsChoose les plus à risque de rester sans financement, afin de diriger l'attention limitée des réviseurs vers les écoles sous-dotées. L'audit d'équité reporte des taux d'erreur inégaux par niveau de pauvreté scolaire.
Rôle: Analyste ML appliqué : sélection de modèle, seuils et audit d'équité.
Modèle qui identifie les demandes DonorsChoose les plus à risque de rester sans financement, afin de diriger l'attention limitée des réviseurs vers les écoles sous-dotées. L'audit d'équité reporte des taux d'erreur inégaux par niveau de pauvreté scolaire.
Preuve principale : ROC AUC 0,757 sur plus de 185 000 projets réservés au test. Surface : Dépôt public d'analyse.
Le modèle sert d'aide au triage; un système de décision de financement exigerait validation supplémentaire.
Modèle qui identifie les demandes DonorsChoose les plus à risque de rester sans financement, afin de diriger l'attention limitée des réviseurs vers les écoles sous-dotées. L'audit d'équité reporte des taux d'erreur inégaux par niveau de pauvreté scolaire.
Environ un tiers des projets DonorsChoose n'atteint pas son objectif de financement, avec un coût plus fort pour les écoles sous-dotées. Le modèle prédit le risque à partir de variables disponibles au moment de la publication.
Rôle de Pablo : Analyste ML appliqué : sélection de modèle, seuils et audit d'équité. XGBoost, Validation croisée stratifiée, Sélection de seuil
ROC AUC 0,757 sur plus de 185 000 projets réservés au test ROC AUC 0,757 sur un jeu de test réservé de plus de 185 000 projets
Le modèle sert d'aide au triage; un système de décision de financement exigerait validation supplémentaire.
Dépôt public d'analyse La preuve principale se trouve dans les liens de la section matériaux.