Adalet: Önyargı türleri

Makine öğrenimi (ML) modelleri doğası gereği objektif değildir. Makine öğrenimi uygulayıcıları, eğitim örneklerinden oluşan bir veri kümesi besleyerek modelleri eğitir. Bu verilerin sağlanması ve seçimine insanların dahil olması, bir modelin tahminlerini yanlılığa açık hale getirebilir.

Model oluştururken verilerinizdeki yaygın insan yanlılıklarının farkında olmanız önemlidir. Böylece, etkilerini azaltmak için proaktif adımlar atabilirsiniz.

Raporlama yanlılığı

Tarihsel önyargı

Otomasyon yanlılığı

Seçim yanlılığı

Seçim önyargısı, bir veri kümesindeki örneklerin gerçek dünyadaki dağılımı yansıtmayacak biçimde seçilmesiyle ortaya çıkar. Seçim yanlılığı; kapsam yanlılığı, yanıt vermeme yanlılığı ve örnekleme yanlılığı dahil olmak üzere birçok farklı biçimde olabilir.

Kapsam yanlılığı

Yanıt vermeme yanlılığı

Örnekleme yanlılığı

Grup ilişkilendirme önyargısı

Gruba atfetme önyargısı, bireylerin özelliklerini ait oldukları grubun tamamına atfetme eğilimidir. Grupa atfetme önyargısı genellikle aşağıdaki iki biçimde kendini gösterir.

Grup içi önyargı

Grup dışı homojenlik önyargısı

Örtülü Önyargı

Doğrulama yanlılığı

Deneycinin yanlılığı

Alıştırma: Öğrendiklerinizi sınayın

Aşağıdaki yanlılık türlerinden hangileri giriş bölümünde açıklanan üniversite kabul modelindeki sapma tahminlerine katkıda bulunmuş olabilir?
Grup içi önyargı
Otomasyon önyargısı
Doğrulama yanlılığı
Geçmişe dayalı önyargı