Українська
Математика
Англійська
Znaiemo tse
Алгоритмічне мислення
Логіка та вирішення проблем
Кодування та моделювання
Робота за даними
Оформлення документів
Цифрові технології
Використання технології
Мова програмування Python
Штучний інтелект і машинне навчання
Вибір
Переміщення
Визначення
Pexeso
Крок за кроком
Розуміння
Доповнення тексту
Письмова відповідь
Графіка черепахи
ПрогМалювання
Платформер
Будівельник
Роботанік
Python черепаха
Програмування в Python
Код кубика
Бінарний кросворд
Регулярні вирази
Стрілочки
М’ячик
Тачки
Кольорове судоку
Сокобан
Паркани
Стрибки
Мій обліковий запис
Вийти з системи
Спотворення даних
Під час роботи з даними легко може статися, що вони якимось чином викривлені. Такі дані погано відображають реальність. Якщо не враховувати упередженості, обробка таких даних може призвести до незрозумілих висновків. Тому корисно знати основні типи викривлень.
Упереджене викривлення
Збираючи дані, зазвичай нереально впорати «всі дані», ми часто використовуємо лише вибірку. В ідеалі ця вибірка має представляти так звану репрезентативну вибірку, яка точно відповідає характеристикам загальної сукупності. Якщо це не так, то дані викривлені.
Приклади нерепрезентативних вибірок
- Опитування думок про політику, яке агентство проводитиме лише на центральній площі у Львові.
- Дослідження дії препарату, в якому беруть участь лише учні спортивних гімназій.
Цей тип викривлення даних може виникнути, наприклад, коли учасники опитування самі вирішують, брати їм участь чи ні (викривлення неучасті). Ті, хто вирішує не брати участі, часто відрізняються в важливих аспектах від тих, хто бере участь. Приклад: Анкету про комп’ютерні ігри ймовірніше заповнять ті, хто любить грати в комп’ютерні ігри.
Викривлення відповідей
Якщо ми збираємо дані за допомогою анкетного опитування, то з різних причин надана інформація може не зовсім відповідати дійсності. Наприклад, учасники дослідження можуть змінювати свої відповіді відповідно до соціальних очікувань або вони можуть відповідати неточно, оскільки не можуть пригадати точну відповідь. На результати також можуть впливати такі деталі, як порядок відповідей в анкеті.
Приклади упередженої відповіді
- Учасники дослідження дієт можуть переоцінювати споживання здорової їжі або недооцінювати споживання нездорової їжі у своїх відповідях.
- Опитування про проведення часу на минулорічні свята може бути необ’єктивним через неточні спогади.
Підтверджуюче викривлення (Confirmation Bias)
Люди мають природну схильність надавати перевагу інформації, яка підтримує їхні власні переконання, і, навпаки, ігнорувати або недооцінювати інформацію, яка суперечить цим переконанням. Це може бути прямо чи опосередковано відображено у зборі даних.
Приклади підтверджуючого викривлення
- Дослідник вивчає вплив відеоігор на агресію.
- Він припускає, що відеоігри призводять до агресивної поведінки.
- Оглядаючи наявні дослідження, він приділяє більше уваги збору та аналізу даних, які відповідають його гіпотезі.
Викривлення публікації
Викривлення публікації виникає, коли результат експерименту чи аналізу впливає на рішення щодо публікації чи іншого поширення даних.
Приклад викривлення публікації
У медичних дослідженнях фармацевтичні компанії можуть публікувати лише дослідження, які показують позитивні результати щодо нового препарату, у той самий час приховуючи або не публікуючи дослідження з несприятливими результатами. Така невірна інформація може призвести до переоцінки ефективності препарату та приховати потенційні ризики чи побічні ефекти.
Для цієї теми поки що немає доступного практикування.
