దీనిలో ఎవరు లేరు అని గమనించండి

What this lesson is about

వయస్సు, ప్రదేశం, లింగం ఆధారంగా మాట్లాడేవారిని లెక్కించండి. మీరు లెక్కించని లోపం మోడల్‌లోకి చేరుతుంది.

ఒకే కాలేజీలో మూడు వీకెండ్లలో తీసిన వంద కన్నడ క్లిప్స్. మీ భాగస్వామి వాటిని రేపు పంపాలనుకుంటున్నారు. ముందుగా ఏమి చేయాలి?

Why this matters

ఈ పాఠం వెనుక ఉన్న సర్వే దీనిని సూచిస్తుంది: మీరు జనాభాను ఎలా నమూనా చేసారో దాని వల్ల bias వస్తుంది. పెద్ద వయస్సు గల మాట్లాడేవారు, మహిళలు, మరియు స్మార్ట్‌ఫోన్ లేని వారు ఎక్కువగా లేరు.

సేకరణలో ఎవరు ఉన్నారో లెక్కించండి మరియు ఎవరు లేరు అనేదాన్ని వ్రాసి చెప్పండి.

మీ మాట్లాడేవారిని వయస్సు, ప్రదేశం, లింగం మరియు వారు ఎలా సంపాదిస్తారో ఆధారంగా లెక్కించండి.
మీరు ఎప్పుడూ లెక్కించని లోపం తుది మోడల్‌లోకి చేరుతుంది.
లోపాన్ని నిశ్శబ్దంగా తర్వాత సరిచేయకుండా సేకరణతోనే నివేదించండి.

Task

ఒకే కాలేజీలో మూడు వారాంతాల్లో సేకరించిన వంద కన్నడ రికార్డింగ్స్.

Weak approach వంద మాట్లాడేవారు, పన్నెండు గంటలు ఉన్నాయని మాత్రమే చెప్పడం, మరే లెక్క లేదు.

Stronger approach అదే వంద, నాలుగు విధాలుగా లెక్కించారు. అందరూ 18 నుండి 25 సంవత్సరాల వయస్సు గలవారు. ఎనభై మంది పురుషులు. ప్రతి ఒక్కరూ విద్యార్థులు, అందరూ ఒకే నగరంలో ఉంటారు.

Why the stronger approach works రెండు టీమ్స్ ఒకే ఆడియో సేకరించాయి. రెండవది మాత్రమే మోడల్ ఎవరిదో విఫలమవుతుందో చెప్పగలదు.

Try a changed situation ఇప్పుడు పని మాట కాదు. మీరు ఒకే యాప్ నుండి హిందీ పోస్టులను సేకరిస్తున్నారు, ఎక్కువగా నగరాల్లోని యువ పురుషులు ఉపయోగించే యాప్. పంపేముందు మీరు ఏమి చేస్తారు?

Make something yourself ఒక నిజమైన సేకరణ కోసం కవరేజ్ పట్టికను తయారుచేయండి. మాట్లాడేవారిని వయస్సు, ప్రదేశం, లింగం, పని ఆధారంగా లెక్కించండి. తర్వాత ఎవరు లేరు, ఎందుకు అనే విషయాన్ని ఒక పేరాగ్రాఫ్‌లో వ్రాయండి.

Read the primary or official source: Mehrabi et al., Bias and Fairness survey (arXiv)