Uczciwość: parytet demograficzny

Jedną z metod oceny obiektywności prognoz modelu jest Porównać wskaźnik uroczystości w grupie większości i mniejszości. Jeśli 2 współczynniki przyjęć są takie same, prognozy modelu odzwierciedlają spójność demograficzna: prawdopodobieństwo przyjęcia na uczelnię jest niezmienne do grupy demograficznej.

Załóżmy, że model rekrutacji przyjmuje 16 kandydatów z większości i 4 kandydatów z grupy mniejszości. Decyzje modelu zgodne z danymi demograficznymi, czyli wskaźnik akceptacji większości kandydaci mniejszościowych to 20%.

Rysunek 2. Pula kandydatów jest podzielona na 2 grupy: odrzuceni kandydaci oraz Zaakceptowani kandydaci. Większość (niebieska) i mniejszość (pomarańczowy). grupy mają współczynnik akceptacji 20%.

W tej tabeli podano ilościowe wartości dotyczące odrzuconych i zaakceptowanych kandydatów na rys. 2.

	Grupa większości	Grupa mniejszościowa
Zaakceptowano	16	4
Odrzucono	64	16
Współczynnik akceptacji	20%	20%

Ćwiczenie: sprawdź intuicję

Uniwersytecka komisja rekrutacyjna rozważa zastosowanie parytetu demograficznego jako wskaźnik oceny obiektywności modelu i potrzebuje Twoich wskazówek o zaletach i wadach tego podejścia. Czy potrafisz jakąś zidentyfikować zalety i jeden con dotyczący oceny prognoz modelu z wykorzystaniem danych demograficznych parzystość?

Czy potrafisz znaleźć jakiekolwiek problemy z danymi cech?

Kliknij tutaj, aby zobaczyć nasze odpowiedzi

Zalety i wady

Główną zaletą zachowania spójności demograficznej w naszym przykładzie jest to, zagwarantuje, że w dopuszczonych materiałach reprezentowanych są zarówno grupy większości, jak i mniejszości w tej samej klasie co uczniowie w puli kandydatów. Oznacza to, że jeśli pula kandydatów składa się z 80% kandydatów w grupie większościowej, a 20% kandydatów z grup mniejszościowych, parytet demograficzny gwarantuje, że dana grupa będzie też 80% uczniów z grup większościowych i 20% mniejszościowych uczniów.

Spójność demograficzna ma jednak jedną poważną wadę: rozkład prognoz w poszczególnych grupach demograficznych (liczba uczniów sklasyfikowanych jako „kwalifikowani” i „niezakwalifikowany”) pod uwagę, gdy na temat przydzielania 20 miejsc na przyjęcie do programu.

Jeszcze raz przyjrzyjmy się z góry składowi puli kandydatów. Tym razem jednak klasyfikujemy kandydatów nie tylko według grupy demograficznej, ale także tego, czy model przyznał każdemu kandydatowi ocenę „kwalifikowany”. lub "niezakwalifikowany":

Rysunek 3. Taki sam podział kategorii odrzuconych i zaakceptowanych kandydatów jak na ilustracji 2, ale tym razem wszyscy kwalifikowani studenci w większości i mniejszości są zacienione na zielono, a kwalifikowani uczniowie odrzucone, są oznaczane symbolem X. Z 35 kwalifikowanych grup większościowych przyjęło 16 uczniów. Spośród 15 kwalifikujących się uczniów należących do mniejszości Zaakceptowano 4.

W tej tabeli podano ilościowe wartości dotyczące odrzuconych i zaakceptowanych kandydatów na rys. 3.

	Grupa większości		Grupa mniejszościowa
	Zaakceptowano	Odrzucono	Zaakceptowano	Odrzucono
Zakwalifikowany	16	19	4	11
Niezakwalifikowany	0	45	0	5

Przeanalizujmy współczynniki przyjęć zakwalifikowanych studentów w obu grupach:

$$\text{Majority acceptance rate} = \frac{\text{qualified majority students accepted}}{\text{total qualified majority students}} = \frac{16}{35} = \text{46%}$$

$$\text{Minority acceptance rate} = \frac{\text{qualified minority students accepted}}{\text{total qualified minority students}} = \frac{4}{15} = \text{27%}$$

Mimo że obie grupy mają ogólny współczynnik akceptacji 20%, parytet demograficzny. W przypadku większości zakwalifikowanych studentów wynosi on 46%, a w przypadku mniejszości zakwalifikowanych studentów wynosi on zaledwie 27%.

W takich przypadkach rozkład preferowanej etykiety (np. „kwalifikacja”) różni się znacznie w przypadku obu grup, parytet demograficzny może nie są optymalne dla oceny obiektywności. W ciągu następnych przyjrzymy się alternatywnym wskaźnikom obiektywności, równości szans który uwzględnia te różnice.

Uwaga: mogą się też wiązać dodatkowe korzyści/wady parytetu demograficznego, które warto też rozważyć, zależnie od celów został zaprojektowany do osiągnięcia modelu, a także w kontekście społecznym, w którym model będą używane prognozy.

Kluczowe terminy:

.
• Stronniczość (etyka/sprawiedliwość)
• Spójność demograficzna