「データサイエンスの仕事にバイアスが満ちた状態になる6つの信念」
6 Beliefs that Lead to Bias in Data Science Jobs
仕事においてバイアスを完全に排除することはできませんが、管理することは可能です。以下にその方法を紹介します
もしも以下のようなことを考えたことがあるのなら:
- 私の経験は妥当な参照点です。
- 私は良い人です。つまり、善意を持って行動しています。
- 私のグループの人々は良い人々です。彼らも善意を持って行動しています。-または-
- 私は世界の良い判断者です。私の評価は一般的に正確です。
あなたは他の人々と同じです—それが良いことであるかどうかはわかりません。この記事ではその理由について少し話します。
科学における普及は物語を伝えることです。この記事を物語で始めましょう。
考古学者が遺跡を発掘するイメージを思い浮かべてください。歴史の層を探ります。この出版物では少しストレッチかもしれませんが、データサイエンティストとして自分自身を想像してみてください—より「地上的」ではありませんが、広範かつ複雑なデータセットから重要な洞察を掘り起こすことに没頭しています。
考古学者が各々の遺物を解釈する際、バイアスが微妙に現れることがあります。データサイエンティストが生み出す各洞察も同じです。最善の意図を持っていても、私たちの視点は経験や信念で色づけされ、私たちの仕事にバイアスの影を落とします。
時にはバイアスは良いですが、しばしばそうではありません。
真実に、正直に、倫理的に振る舞い、他者に害を与えないようにすることに有利なバイアスは、私たち自身と私たちの仕事に依存する人々にとって良いものです。私の嫌いな言い回しの一つは次のような言葉です:
私たちの仕事からバイアスを排除する必要があります。
まったく違います!私たちはバイアスを排除する必要はありません。私たちは、私たちがより良い人間によって教えられたバイアスを受け入れる必要があります。より適切な言い回しは、有害なバイアスを排除する必要がある、またはバイアスを管理する必要があるということです。
![Image Credit: Author’s Illustration created in Canva with stock images in Canva.](https://miro.medium.com/v2/resize:fit:640/format:webp/1*yMIUEUGiUPG73V22toAkSg.png)
データサイエンスの複雑な領域では、バイアスの概念は新しいものではありません。私たちはその存在と影響を常に思い出させられています。良いことも悪いことも、バイアスは私たちのデータやアルゴリズム、さらに重要なことには、生の未加工情報から作り上げる物語に巧妙に入り込んできます。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles