測定バイアス

データバイアスを攻略する

Konstantinos Kattidis

Data Analytics Lead

測定バイアスの理解

測定手順が歪みや誤解を招く結果を生む場合に発生します

代表的なバイアス:

  • 計測機器バイアス
  • 観察者バイアス
  • 想起バイアス
  • 社会的望ましさバイアス

 

棒グラフを測る人

データバイアスを攻略する

計測機器バイアス

アンケートや分析ソフトなど、変数を測るツールが不正確さを招く場合に発生します

  • 例:
    • 分析ソフトが特定のユーザー行動や属性を正確に取得できない
    • 質問設計が悪く、回答が偏る

調査と測定を行う人々

データバイアスを攻略する

観察者バイアス

観察者の違いにより観測値が体系的にずれ、真の値と差が生じることです

  • 収集者が自身の先入観や期待を持ち込むと発生します

  • 例:

    • 研究者が教室の「関与」の基準に先入観を持って観察する
    • 人事評価での個人的バイアス

従業員の業績を観察する人

データバイアスを攻略する

想起バイアス

人々が思い出している

参加者が過去の出来事や体験を正確に思い出せず、データの信頼性に影響する場合に発生します

  • 過去の体験や嗜好に関する顧客のフィードバックで起こりがちです
  • 記憶の減衰や外的要因などが原因となります
データバイアスを攻略する

社会的望ましさバイアス

社会的望ましさを探る2人

回答者が真実よりも、社会的に好ましい(望ましい)と考える回答をする場合に発生します

  • 顧客満足度調査では、否定的に見られないよう肯定的体験を誇張することがあります
  • 従業員アンケートでは、組織内の印象維持のため評価を高くすることがあります
データバイアスを攻略する

測定バイアスの影響

誤った入力と出力のフロー

  • 「ゴミを入れればゴミが出る」の原則に従います
  • 測定手法の不正確さは誤ったデータ入力を招きます
  • その結果、出力は信頼できず、意思決定も誤ります
データバイアスを攻略する

Passons à la pratique !

データバイアスを攻略する

Preparing Video For Download...