Bias de măsurare

Depășirea bias-ului în date

Konstantinos Kattidis

Data Analytics Lead

Înțelegerea bias-ului de măsurare

Apare când procedura de măsurare introduce distorsiuni sau rezultate înșelătoare

Tipuri frecvente de bias:

  • Bias de instrument
  • Bias de observator
  • Bias de reamintire
  • Bias de dezirabilitate socială

 

Persoană măsurând o diagramă de tip bară

Depășirea bias-ului în date

Bias de instrument

Apare când instrumentele de măsurare a variabilelor, precum sondajele sau software-ul de analiză, introduc inexactități

  • De exemplu:
    • Un software de analiză care nu captează cu exactitate anumite comportamente sau atribute ale utilizatorilor
    • Întrebări slab concepute în sondaje care generează răspunsuri părtinitoare

Persoane care realizează un sondaj și măsoară

Depășirea bias-ului în date

Bias de observator

Reprezintă diferența sistematică dintre ceea ce se observă, din cauza variației între observatori, și valoarea reală

  • Apare când colectorii de date aduc propriile prejudecăți sau așteptări în analiză

  • De exemplu:

    • Cercetători care observă comportamentul în clasă, dar au idei preconcepute despre ce înseamnă „implicare"
    • Prejudecăți personale în evaluările de performanță

Persoană care observă performanța unui angajat

Depășirea bias-ului în date

Bias de reamintire

Persoane care încearcă să-și amintească

Apare când participanții nu își amintesc cu exactitate evenimente sau experiențe trecute, afectând fiabilitatea datelor

  • Este frecvent când clienții oferă feedback despre experiențe sau preferințe anterioare
  • Poate fi cauzat de factori precum degradarea memoriei sau influențe externe
Depășirea bias-ului în date

Bias de dezirabilitate socială

Două persoane în căutare de dezirabilitate socială

Apare când respondenții oferă răspunsuri pe care le consideră acceptabile social, în loc de răspunsuri sincere

  • În sondajele de satisfacție, respondenții pot exagera experiențele pozitive pentru a evita să pară critici
  • În sondajele de feedback al angajaților, respondenții pot supraestima evaluările pentru a menține o imagine favorabilă
Depășirea bias-ului în date

Impactul bias-ului de măsurare

Flux cu intrări și ieșiri incorecte

  • Se aplică principiul „gunoi la intrare, gunoi la ieșire"
  • Inexactitățile în metodele de măsurare duc la date de intrare eronate
  • Conduce inevitabil la rezultate nesigure și decizii greșite
Depășirea bias-ului în date

Să exersăm!

Depășirea bias-ului în date

Preparing Video For Download...