عدالة النموذج الديموغرافية

الخطوة 1: فهم مفهوم التكافؤ الديموغرافي. التكافؤ الديموغرافي هو مقياس عدالة في أنظمة الذكاء الاصطناعي يهدف إلى ضمان أن تكون معدلات الاختيار (مثل القبول أو التوظيف أو منح القروض) متساوية عبر المجموعات الديموغرافية المختلفة (مثل الجنس أو العرق). يُحسب عادةً على أنه نسبة معدل الاختيار للمجموعة الأقل حظاً إلى معدل الاختيار للمجموعة الأكثر حظاً. في هذه الحاسبة، نقوم بحساب الفرق المطلق بين معدلي الاختيار لمجموعتين ونسبة الأثر بينهما معًا. يجب أن يكون الفرق قريباً من الصفر لتحقيق التكافؤ.

الخطوة 2: إدخال معدل اختيار المجموعة الأولى (group1Rate). هذا هو النسبة المئوية للأفراد المؤهلين في المجموعة الأولى الذين تم اختيارهم. على سبيل المثال، إذا كانت المجموعة الأولى هي النساء وتم اختيار 50 من أصل 100 مؤهلة، فإن معدل الاختيار هو 0.5 أي 50%؛ هذه الحاسبة تطلب الصيغة المئوية، فأدخل 50 (وليس 0.5). تأكد من أن القيمة دقيقة وتعكس البيانات الحقيقية.

الخطوة 3: إدخال معدل اختيار المجموعة الثانية (group2Rate). هذا هو النسبة المئوية للأفراد المؤهلين في المجموعة الثانية الذين تم اختيارهم. على سبيل المثال، إذا كانت المجموعة الثانية هي الرجال وتم اختيار 80 من أصل 100 مؤهل، فأدخل 80 (= 0.8) بنفس تنسيق الخطوة السابقة.

الخطوة 4: حساب الفرق والنسبة. تطرح الحاسبة المعدل الأصغر من الأكبر فتُعطي الفرق المطلق بنقاط النسبة المئوية، وتحسب أيضًا نسبة الأثر وهي معدل المجموعة الأقل حظًا مقسومًا على معدل المجموعة الأكثر حظًا (كما في الخطوة الأولى)، ثم تقارنها بحد قاعدة الأربعة أخماس (80%) الواردة في FAQ 2 وتعرض المعدل الأدنى الذي يحققها.

الخطوة 5: تفسير النتائج. بما أن المدخلات هنا نسب مئوية، ففرق صغير مثل 10 نقاط (أي 0.1 في صيغة الكسور) ما زال يُقرأ ضمن نطاق التكافؤ المقبول، وفرق أكبر من 20 نقطة يشير إلى احتمال تحيز. لكن المرجع الحاسم هو نسبة الأثر: إن كانت أقل من 80% فقاعدة الأربعة أخماس تعتبرها تأثيرًا تمييزيًا. يجب مراعاة السياق: في بعض التطبيقات (مثل التوظيف) تُقبل فروق طفيفة إذا بررتها متطلبات الوظيفة. استخدم هذه النتيجة كجزء من تقييم أوسع لعدالة النموذج.