التحيز في البيانات Data Bias هو وجود انحراف أو عدم تمثيل عادل لبعض الفئات أو الأنماط داخل مجموعة البيانات، مما يؤدي إلى بناء نماذج غير دقيقة أو غير عادلة.
سؤال156:ما أسباب التحيز في البيانات؟
جواب: تحدث مشكلة التحيز في البيانات نتيجة عدة عوامل، من أبرزها:
1. انحياز جمع البيانات: عندما لا تكون العينة ممثلة لجميع الفئات (مثال: تدريب نموذج على بيانات من مدينة واحدة فقط).
2. انحياز تاريخي: عندما تعكس البيانات ممارسات أو قرارات غير عادلة حدثت في الماضي.
3. انحياز وضع العلامات (Labeling Bias): نتيجة أخطاء أو تحيزات بشرية أثناء تسمية البيانات.
4. انحياز خوارزمي: عند استخدام خوارزميات تُضخّم الاختلالات الموجودة في البيانات.
5. انحياز نقص البيانات: عندما تكون بعض الفئات نادرة أو غير متوفرة بشكل كافٍ في البيانات.
هذه الأسباب تجعل النماذج أقل دقة وقد تؤدي إلى قرارات غير عادلة في التطبيقات الحساسة مثل الصحة أو التوظيف.
ا.م.د. علاء طعيمة عبد الكاظم
أستاذ مساعد دكتور في الذكاء الاصطناعي والتعلم العميق