Nguồn tham khảo: Gebru, T., Morgenstern, J., Vecchione, B., Vaughan, J. W., Wallach, H., III, H. D., & Crawford, K. (2021). Datasheets for datasets. Communications of the ACM, 64(12), 86–92. https://doi.org/10.1145/3458723
Truy cập toàn văn: https://doi.org/10.1145/3458723
Tóm tắt nội dung
Timnit Gebru, Jamie Morgenstern, Briana Vecchione, Jennifer Wortman Vaughan, Hanna Wallach, Hal Daumé III và Kate Crawford (Communications of the ACM, 2021) đề xuất một hình thức tài liệu giúp người tạo và người dùng bộ dữ liệu trao đổi rõ ràng hơn. Ý tưởng được gợi từ ngành điện tử, nơi mỗi linh kiện đều đi kèm bảng thông số kỹ thuật. Tương tự, mỗi bộ dữ liệu nên có một bảng mô tả dữ liệu (datasheet) trả lời các câu hỏi về động cơ tạo ra bộ dữ liệu, thành phần, quy trình thu thập và mục đích sử dụng được khuyến nghị.
Cách làm này buộc người tạo dữ liệu suy nghĩ kỹ về giả định, rủi ro và giới hạn trước khi chia sẻ, còn người dùng có đủ thông tin để quyết định bộ dữ liệu có hợp với bài toán của mình hay không. Đây là bài đề xuất, không phải nghiên cứu thực nghiệm. Công cụ này thường đi đôi với thẻ mô hình. Khi trường đại học gom dữ liệu tuyển sinh, điểm số, điểm danh và nhật ký học trực tuyến để huấn luyện mô hình dự báo bỏ học, bảng mô tả dữ liệu giúp ghi rõ dữ liệu lấy từ đâu, bao phủ khóa nào, thiếu nhóm sinh viên nào và được dùng cho mục đích gì, làm cơ sở để kiểm tra nội bộ và giải trình với sinh viên.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Bộ dữ liệu huấn luyện nên có "bảng mô tả dữ liệu" ghi rõ nguồn gốc, thành phần và cách thu thập (Gebru và cộng sự, 2021). - Đạo đức và quyền riêng tư.
Xem bài viết chính: Ứng dụng học máy phát hiện sinh viên có nguy cơ bỏ học: từ bài toán lớp thiểu số đến quyết định can thiệp