学習データの偏り
採用の書類選考を支援するAIを、過去の採用実績のデータで学習させたところ、特定の属性の応募者が不利に評価される傾向が見つかった。原因として最も考えられるものを1つ選べ。
- A
学習データの件数が少なかったため、モデルの予測が全体的に不安定になったから。
- B
過去の採用の判断に属性による偏りがあり、モデルがその傾向を正解として学習したから。
- C
合否を分ける閾値を高く設定しすぎたため、応募者全体の評価が下がったから。
- D
属性の列を学習データから消し忘れたことが原因なので、その列を消せば偏りはなくなるから。
正解と解説を見る
正解：B
AIは学習データに含まれる傾向を正解として再現するので、過去の判断に偏りがあれば、モデルの評価にも同じ偏りが出る。属性の列を消すだけでは、関連する別の項目を通じて偏りが残ることがある。
- A
誤り。件数の不足は精度のばらつきの原因にはなるが、特定の属性だけが不利になる傾向の説明としては弱い。
- B
正しい。過去の判断の偏りを正解ラベルとして学ぶと、モデルも同じ偏りを再現する。
- C
誤り。閾値が高ければ全体の評価が下がるが、特定の属性だけが不利になる理由にはならない。
- D
誤り。属性の列を消しても、居住地や経歴など属性と関係する別の項目から偏りが入りこむことがある。
このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。