본 논문은 기계 학습 모델의 알고리즘적 공정성 보장의 중요성을 강조하며, 다양한 공정성 기준의 일반화 부족 문제를 지적합니다. 이를 해결하기 위해, 희소성 측정을 통해 알고리즘적 공정성을 평가하는 통합 프레임워크를 제안합니다. 이 프레임워크는 기존 공정성 기준과 일치하며, 다양한 기계 학습 문제에 적용 가능합니다. 여러 데이터셋과 편향 완화 방법을 이용한 실험을 통해 제안된 프레임워크의 평가 지표로서의 효과를 입증합니다. 본 연구는 희소성과 사회적 공정성의 관점에서 알고리즘적 공정성을 바라보며, 공정성 연구 및 응용 분야에 기여할 수 있는 가능성을 제시합니다.
