연구진은 레이블 편향 문제를 해결하기 위해 루브릭 임베딩이라는 새로운 프레임워크를 제안했어요. 루브릭 임베딩은 전문가가 정의한 기준에 기반한 특징을 사용하여 예측을 수행하며, 이는 블랙박스 임베딩보다 편향된 신호에 대한 방어력을 높여줘요.
새로운 방법론은 이론적, 실증적 증거를 통해 레이블 편향을 완화하는 효과를 입증했어요. 특히, 대규모 석사 과정 지원자 데이터셋에서 집단 간 불평등을 줄이고 코호트 품질을 향상시키는 결과를 보여줬어요.
연구 결과는 관심 분야의 의미론적 차원에 기반한 해석 가능한 표현을 사용하면 편향된 레이블 환경에서 학습하는 실용적인 접근 방식을 제공한다고 제안해요.