อคติในการวัด

การรับมือกับ Data Bias

Konstantinos Kattidis

Data Analytics Lead

ทำความเข้าใจอคติในการวัด

เกิดขึ้นเมื่อกระบวนการวัดนำไปสู่การบิดเบือนหรือผลลัพธ์ที่ไม่ถูกต้อง

ประเภทของอคติที่พบบ่อย:

บุคคลกำลังวัดแผนภูมิแท่ง

เกิดขึ้นเมื่อเครื่องมือที่ใช้วัดตัวแปร เช่น แบบสำรวจหรือซอฟต์แวร์วิเคราะห์ข้อมูล ทำให้เกิดความไม่ถูกต้อง

ตัวอย่างเช่น:
- ซอฟต์แวร์วิเคราะห์ไม่สามารถบันทึกพฤติกรรมหรือคุณลักษณะบางอย่างของผู้ใช้ได้อย่างแม่นยำ
- คำถามในแบบสำรวจที่ออกแบบไม่ดี ทำให้คำตอบของผู้ตอบเกิดความลำเอียง

กลุ่มคนกำลังทำแบบสำรวจและวัดผล

คือความแตกต่างอย่างเป็นระบบระหว่างสิ่งที่สังเกตได้จากความแตกต่างของผู้สังเกตกับค่าจริง

เกิดขึ้นเมื่อผู้เก็บข้อมูลนำอคติหรือความคาดหวังส่วนตัวเข้ามาในการวิเคราะห์
ตัวอย่างเช่น:
- นักวิจัยสังเกตพฤติกรรมในห้องเรียนแต่มีอคติล่วงหน้าเกี่ยวกับความหมายของ "การมีส่วนร่วม"
- อคติส่วนตัวในการประเมินผลการปฏิบัติงาน

บุคคลกำลังสังเกตผลการปฏิบัติงานของพนักงาน

กลุ่มคนกำลังนึกย้อนอดีต

เกิดขึ้นเมื่อผู้เข้าร่วมจำเหตุการณ์หรือประสบการณ์ในอดีตได้ไม่ถูกต้อง ส่งผลต่อความน่าเชื่อถือของข้อมูล

สองคนกำลังมองหาความต้องการทางสังคม

เกิดขึ้นเมื่อผู้ตอบให้คำตอบที่คิดว่าเป็นที่ยอมรับในสังคม แทนที่จะตอบตามความจริง

ในแบบสำรวจความพึงพอใจของลูกค้า ผู้ตอบอาจพูดเกินจริงเกี่ยวกับประสบการณ์ที่ดีเพื่อหลีกเลี่ยงการดูเป็นคนวิจารณ์
ในแบบสำรวจข้อเสนอแนะของพนักงาน ผู้ตอบอาจให้คะแนนสูงเกินจริงเพื่อรักษาภาพลักษณ์ที่ดีในองค์กร

โฟลว์ที่มีอินพุตและเอาต์พุตที่ไม่ถูกต้อง

การรับมือกับ Data Bias