நேர்மை, பாகுபாடு மற்றும் அல்காரிதம் பொறுப்பு

ஆதாயங்கள்:

• இது அல்காரிதமிக் சார்பின் தரவு, வடிவமைப்பு மற்றும் பயன்பாட்டு ஆதாரங்களை அங்கீகரிக்கிறது மற்றும் குழு அடிப்படையில் வெளியீட்டை சோதிக்கிறது.
• பின்னூட்ட வளையம் மற்றும் பிரதிநிதித்துவப் பிழை எவ்வாறு சமத்துவமின்மையை பெரிதாக்குகிறது மற்றும் தாக்கக் கட்டுப்பாட்டை நிறுவுகிறது என்பதை விளக்குகிறது.
• ஒவ்வொரு தானியங்கு முடிவிலும் விளக்கம் மற்றும் மேல்முறையீட்டை உறுதி செய்வதன் மூலம் இது பொறுப்புணர்வை உறுதி செய்கிறது.

பொதுமக்கள் அதன் அதிகாரத்தை அனைவருக்கும் சமமாகப் பயன்படுத்த வேண்டும்: ஒரே மாதிரியான சூழ்நிலைகளில் இரண்டு குடிமக்களுக்கு ஒரே மாதிரியான சிகிச்சை, வெவ்வேறு சூழ்நிலைகளுக்கு விகிதாசார வேறுபாடு. இந்த சமத்துவக் கொள்கை அரசியலமைப்பு கடமையாகும். செயற்கை நுண்ணறிவு இந்த துறையை மேம்படுத்தலாம் மற்றும் அமைதியாக சீர்குலைக்கும். தொடர்ந்து பயன்படுத்தப்படும் விதி தன்னிச்சையையும் மனித சார்பையும் குறைக்கும் என்பதால் இது மேம்படுத்தப்படலாம். AI மாதிரிகள் கடந்த கால தரவுகளிலிருந்து கற்றுக்கொள்வதால், கடந்த காலத்தின் பாகுபாட்டைக் கடந்த தரவுகள் கொண்டுள்ளதால், அது சிதைந்துவிடும். ஒரு குறிப்பிட்ட குழுவிற்கு வரலாற்று ரீதியாக பாதகமான தரவுகளின் மீது ஒரு அமைப்பு பயிற்சியளிக்கப்பட்டால், அது அந்த பாதகத்தை எதிர்காலத்தில் கொண்டு செல்கிறது - மேலும் ஒரு "புறநிலை வழிமுறை" என்ற போர்வையின் கீழ் கண்டறிவது மிகவும் கடினமான வடிவத்தில் உள்ளது. பொதுத் துறையில் AI ஐப் பயன்படுத்தும் போது, ​​அல்காரிதமிக் சார்பு (சில குழுக்களுக்கு எதிரான மாதிரி வெளியீட்டின் முறையான சார்பு), அதை எவ்வாறு குறைப்பது மற்றும் மிக முக்கியமாக, அல்காரிதமிக் பொறுப்புணர்வை எவ்வாறு உறுதி செய்வது (தானியங்கி முடிவின் காரணம் விளக்கக்கூடியது, தணிக்கை செய்யக்கூடியது மற்றும் போட்டியிடக்கூடியது) என்பதை இந்த பிரிவில் நீங்கள் கற்றுக் கொள்வீர்கள்.

சார்பு எங்கிருந்து வருகிறது?

அல்காரிதம் சார்புக்கு பல ஆதாரங்கள் உள்ளன, அவை அனைத்தும் பொதுவில் ஆபத்தானவை:

• வரலாற்று சார்பு: பயிற்சி தரவு கடந்த சமத்துவமின்மையைக் கொண்டுள்ளது. எடுத்துக்காட்டாக, ஒரு பகுதியில் கடந்த காலத்தில் குறைவான சேவை இருந்திருந்தால், "தேவை தரவு" அந்த பகுதியை குறைந்த தேவைகள் கொண்டதாகக் காட்டலாம் - உண்மையில் தேவை குறைவாக இருந்ததால் சேவை இல்லாததால்.
• பிரதிநிதித்துவ சார்பு: சில குழுக்கள் தரவுகளில் குறைவாகவே குறிப்பிடப்படுகின்றன (டிஜிட்டல் அணுகல் இல்லாதவர்கள், சிறுபான்மை மொழிக் குழுக்கள்) மற்றும் மாதிரி அவர்களுக்கு மோசமாக வேலை செய்கிறது.
• ப்ராக்ஸி சார்பு: தடைசெய்யப்பட்ட அளவுகோலை (இனம், மதம்) நேரடியாக மாடல் பார்க்காவிட்டாலும், அதனுடன் தொடர்புடைய ப்ராக்ஸியை (அக்கம், பெயர், ஜிப் குறியீடு) பார்த்து அதே பாகுபாட்டை உருவாக்க முடியும்.
• அளவீட்டு சார்பு: நாம் அளவிடுவது உண்மையில் நாம் அளவிட விரும்புவதை அல்ல. "புகார்களின் எண்ணிக்கை" தேவையை விட புகார் செய்யும் திறனை அளவிடுகிறது.

எச்சரிக்கை: "மாடலில் இருந்து முக்கியத் தரவை (பாலினம், இனம்) அகற்றிவிட்டேன், இப்போது அது நியாயமானது" என்று சொல்வது தவறானது. ப்ராக்ஸி மாறிகள் மூலம் பாகுபாடு தொடரலாம். உள்ளீட்டை நீக்குவதன் மூலம் அல்ல, ஆனால் குழுக்களிடையே வெளியீட்டை சோதிப்பதன் மூலம் நேர்மை அடையப்படுகிறது.

நேர்மையை சோதிக்கிறது: வெளியீட்டைப் பார்க்கவும்

ஒரு அமைப்பு நியாயமானதா இல்லையா என்பதை அதன் முடிவுகளைப் பார்ப்பதன் மூலம் புரிந்து கொள்ள முடியும், அதன் நோக்கங்களை அல்ல. அடிப்படை முறை: முடிவை குழுக்களாகப் பிரித்து ஒப்பிடவும். ஏற்பு/நிராகரிப்பு விகிதம், பிழை விகிதம், காத்திருப்பு நேரம் போன்ற வெளியீடுகள் வெவ்வேறு குழுக்களிடையே (பாலினம், வயது, பகுதி, வருமானம்) கணிசமாக வேறுபடுகின்றனவா? ஒரு வித்தியாசம் இருந்தால், இந்த வேறுபாடு ஒரு நியாயமான காரணத்தை அடிப்படையாகக் கொண்டதா அல்லது அது பாரபட்சமா? இந்த பகுப்பாய்விற்கு தனிப்பட்ட தரவு தேவைப்படலாம் என்பதால், இது KVKK க்கு இணங்க ஒருங்கிணைக்கப்பட்டு மேற்கொள்ளப்பட வேண்டும்.

உதவிக்குறிப்பு: ஒரு புதிய AI-இயங்கும் முடிவெடுக்கும் முறையை வெளியிடுவதற்கு முன், மக்கள்தொகை குழுக்கள் மூலம் அதன் முடிவுகளை உடைத்து, "நியாயமான அறிக்கையை" உருவாக்கவும். நீங்கள் ஒரு வித்தியாசத்தைக் கண்டால், "இந்த வேறுபாட்டை விளக்க முடியுமா?" கேள்வியை மக்கள் குழுவிடம் கொண்டு செல்லுங்கள்.

விளக்கம் மற்றும் முறையீடு: பொறுப்புக்கூறலின் இதயம்

பொதுத் துறையில், "அமைப்பு அவ்வாறு முடிவு செய்தது" என்ற பதிலுடன் எந்தவொரு குடிமகனும் தனது உரிமைகளைப் பறிக்க முடியாது. ஒவ்வொரு தானியங்கு அல்லது AI-உதவி முடிவுகளுக்கும், மூன்று விஷயங்கள் உறுதி செய்யப்பட வேண்டும்:

1. விளக்கமளிக்கும் தன்மை: எதன் அடிப்படையில் முடிவு எடுக்கப்பட்டது, எந்தக் காரணிகள் பயனுள்ளதாக இருந்தன என்பதை எளிய மொழியில் விளக்க வேண்டும்.
2. மேல்முறையீடு செய்வதற்கான வழி: குடிமக்கள் முடிவை எதிர்க்க முடியும் மற்றும் அதை மறுபரிசீலனை செய்ய ஒரு மனிதனைக் கேட்க வேண்டும்.
3. தணிக்கைத் தடம்: எந்தத் தரவு, எந்த மாதிரி/பதிப்பு மற்றும் எந்தப் பொறுப்பான நபருடன் முடிவு எடுக்கப்பட்டது என்பது பதிவு செய்யப்பட வேண்டும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - வாகை மாறுபாடு கைப்பற்றப்பட்டது. ஒரு உதவி முன்னுரிமை மாதிரியானது முக்கியமான தரவைப் பயன்படுத்தவில்லை, ஆனால் "ஜிப் குறியீட்டை" பார்த்தது. நியாயத்தன்மை சோதனையில், சில சுற்றுப்புறங்கள் முறையாக குறைந்த முன்னுரிமையைப் பெறுவது கண்டறியப்பட்டது - ஜிப் குறியீடு, வருமானம் மற்றும் இன அடர்த்தி ஆகியவற்றுடன் தொடர்புடையது. மாறி அகற்றப்பட்டது மற்றும் முன்னுரிமை நேரடியாக தேவை குறிகாட்டிகளுடன் இணைக்கப்பட்டது.

வழக்கு 2 - பிரதிநிதித்துவ இடைவெளி. துருக்கிய மொழி அல்லாத தாய்மொழியைக் கொண்ட குடிமக்களின் கேள்விகளை தவறாக வழிநடத்தும் சாட்போட் 41% அதிகமாகும்; பயிற்சித் தரவு இந்த குழுவில் சிறிதளவு உள்ளது. பன்மொழி ஆதரவும் மனித ஒப்படைப்பு வரம்பும் சேர்க்கப்பட்டபோது, ​​இடைவெளி மூடப்பட்டது.

வழக்கு 3 - விவரிக்கப்படாத நிராகரிப்பு. ஒரு நிறுவனம் தானாகவே விண்ணப்பத்தை நிராகரித்தது; குடிமகன் "ஏன்?" அதிகாரியிடம் கேட்டபோது, ​​மாதிரி காரணம் புரியாததால் விளக்க முடியவில்லை. மோசமான விளக்கத்திறன் கொண்ட மாதிரிகள் உரிமைகள் சார்ந்த முடிவுகளை எடுக்க பயன்படுத்த முடியாது என்பதை இந்த சம்பவம் காட்டுகிறது; இந்த அமைப்பு நியாயத்தை உருவாக்கும் ஒரு மாதிரியாக மாற்றப்பட்டுள்ளது மற்றும் மனித ஒப்புதல் தேவைப்படுகிறது.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) சார்பு ஸ்கேனிங்கின் ஆதாரம்:

உங்கள் பங்கு: அல்காரிதமிக் ஃபேர்னெஸ் நிபுணர். கீழே உள்ள AI-இயங்கும் முடிவெடுக்கும் செயல்முறையைப் பார்க்கவும். சார்பு சாத்தியமான ஆதாரங்களை பட்டியலிடவும்: (1) வரலாற்று சார்பு, (2) பிரதிநிதித்துவ சார்பு (குறைவான பிரதிநிதித்துவம்), (3) ப்ராக்ஸி மாறிகள் (தடைசெய்யப்பட்ட அளவுகோலுடன் தொடர்புடைய நெடுவரிசை), (4) அளவீட்டு சார்பு. ஒவ்வொன்றிற்கும் ஒரு உறுதியான உதாரணத்தைக் கொடுத்து, அதை எப்படிச் சோதிப்பது என்று சொல்லுங்கள். செயல்முறை: [முடிவு செயல்முறை மற்றும் தரவு பயன்படுத்தப்பட்டது]

2) நேர்மை சோதனைத் திட்டம்:

பின்வரும் முடிவு வெளியீட்டிற்கான நியாயமான சோதனைத் திட்டத்தை உருவாக்கவும்: எந்தக் குழுக்களை (வயது, பாலினம், பிராந்தியம், வருமானம்) நான் உடைக்க வேண்டும், எந்த அளவீடுகளை (ஏற்றுக்கொள்ளும் விகிதம், பிழை விகிதம், காத்திருப்பு நேரம்) ஒப்பிட வேண்டும், வேறுபாடு முறையானதா அல்லது பாரபட்சமானதா என்பதை நான் எப்படி தீர்மானிப்பது? KVKK எச்சரிக்கையைச் சேர்க்கவும். முடிவு: [என்ன முடிவு]

3) முடிவு அறிக்கை (குடிமகனுக்கு):

பின்வரும் முடிவுக்கு குடிமகன்-புரிந்துகொள்ளக்கூடிய வரைவு விளக்கத்தை எழுதவும்: எளிய மொழியில் என்ன காரணிகள் செல்வாக்கு செலுத்தின. முடிவில் மேல்முறையீடு செய்வதற்கான உரிமையையும், [உறுதிப்படுத்தப்பட வேண்டிய நேரத்துடன்] மனித மதிப்பாய்வுக்கான சாத்தியத்தையும் சேர்க்கவும். "அமைப்பு அவ்வாறு முடிவு செய்தது" போன்ற தெளிவற்ற வெளிப்பாடுகளைப் பயன்படுத்துதல். முடிவு: [சுருக்கம் மற்றும் தாக்கத்தை ஏற்படுத்தும் காரணிகள்]

4) பரப்புவதற்கு முன் பொறுப்புடைமை சரிபார்த்தல்:

AI-இயங்கும் முடிவெடுக்கும் முறையை வெளியிடுவதற்கு முன், பொறுப்புக்கூறல் சரிபார்ப்புப் பட்டியலைத் தயாரிக்கவும்: இது விளக்கக்கூடியதா, மேல்முறையீடு செய்ய வழி உள்ளதா, தணிக்கைத் தடம் (தரவு/மாடல் பதிப்பு/கணக்கிற்குரியது) பராமரிக்கப்படுகிறதா, நியாயத்தன்மை சோதனை செய்யப்பட்டுள்ளதா, மனித ஒப்புதல் புள்ளி எங்கே. காணாமல் போன பொருட்களை சிவப்புக் கொடிகளாகக் கொடியிடவும். அமைப்பு: [செய்முறை]

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனம்: "இந்த முடிவு மாதிரி நியாயமானதா?"

வலிமையானது: "உங்கள் பங்கு அல்காரிதமிக் ஃபேர்னெஸ் நிபுணர். இந்த உதவி முன்னுரிமை மாதிரிக்கு, முதலில் சார்பு மூலங்களை (வரலாறு, பிரதிநிதித்துவம், மாற்று மாறி, அளவீடு) ஸ்கேன் செய்து ஒவ்வொன்றிற்கும் உறுதியான எடுத்துக்காட்டுகளைக் கொடுங்கள். பின்னர் ஒரு நியாயமான சோதனைத் திட்டத்தைக் கொண்டு வாருங்கள்: எந்தக் குழுக்களின் மூலம் முறிவு, எந்த அளவீடுகள், கடைசியாக KVK வேறுபாட்டை எவ்வாறு தீர்மானிப்பது; அமைப்பு, விளக்கம், மேல்முறையீட்டு பாதை மற்றும் தணிக்கைத் தடத்திற்கான சரிபார்ப்புப் பட்டியலைக் கொடுங்கள் மற்றும் குறைபாடுகளை சிவப்புக் கொடியிடவும்."

வித்தியாசம்: ஒரு வலுவான ப்ராம்ட் அதன் மூலத்தில் சார்புநிலையைத் தேடுகிறது, குழுக்களால் சோதனை செய்யப்பட்ட வெளியீட்டைக் கொண்டுள்ளது, மேலும் பொறுப்புணர்வை பரவலாக்குகிறது.

நீதி பரிமாணங்கள் மற்றும் கட்டுப்பாடுகள்

அளவு

ஆபத்து

கட்டுப்பாடு

வரலாற்று தரவு

கடந்த காலம் சமத்துவமின்மையைக் கொண்டுள்ளது

குழுக்கள் மூலம் சோதனை வெளியீடு

பிரதிநிதித்துவம்

சில குழுவிற்கு மோசமாக வேலை செய்கிறது

குழு அடிப்படையிலான பிழை விகிதம்

வாகை மாறி

மறைமுக பாகுபாடு

மாறி உணர்திறன் அளவுகோல் உறவு

விளக்கக்கூடிய தன்மை

நியாயமற்ற முடிவு

எளிய விளக்கத்தை உருவாக்கவும்

ஆட்சேபனை

பறிமுதல்

மனித ஆய்வு பாதை

கருத்து வளையம் மற்றும் பிரதிநிதித்துவப் பிழை

அல்காரிதமிக் பாகுபாட்டின் மிகவும் நயவஞ்சகமான வடிவம் ஒரு தவறான முடிவில் நிகழ்கிறது, ஆனால் காலப்போக்கில் தன்னை வலுப்படுத்தும் பின்னூட்ட சுழற்சியில் நிகழ்கிறது (ஒரு மாதிரியின் வெளியீடு அடுத்தடுத்த பயிற்சி தரவைப் பாதிக்கிறது, ஏற்கனவே இருக்கும் சார்புகளை வலுப்படுத்துகிறது). எடுத்துக்காட்டாக, ஒரு ஆய்வு மாதிரியானது ஒரு குறிப்பிட்ட சுற்றுப்புறத்தை "ஆபத்தானது" எனக் கொடியிட்டால், அதிகமான ஆய்வுகள் அங்கு சென்று, அதிகமான பதிவுகள் உருவாக்கப்படும், மாதிரியானது அந்த சுற்றுப்புறத்தை ஆபத்தானதாகப் பார்க்கிறது - பார்க்கும் இடத்தில் வேறுபாடு அதிகரித்திருந்தாலும், உண்மையான ஆபத்தில் இல்லை. இதற்கு வழி வகுப்பது பெரும்பாலும் பிரதிநிதித்துவப் பிழையாகும் (சில குழுக்களை முழுமையடையாமல் அல்லது சிதைந்து பிரதிபலிக்கும் பயிற்சி தரவு). பொதுத்துறையில், இந்த சுழற்சிகள் பின்தங்கிய குழுக்களை பெருகிய முறையில் கடுமையான கண்காணிப்பு மற்றும் தடைகளுக்கு கீழ் வைக்கலாம். உங்களைப் பாதுகாத்துக் கொள்வதற்கான வழி, மாதிரியின் தாக்கத்தை கண்காணிப்பது, அதன் வெளியீடு மட்டுமல்ல: குழு அடிப்படையிலான முடிவுகளின் விநியோகத்தை தொடர்ந்து கண்காணிப்பது மற்றும் மாதிரியின் பரிந்துரைகளை கண்மூடித்தனமாக செயல்படுத்துவது அல்ல.

சிறு வழக்கு - சுய-பெரும் சந்தேகம். பொதுநல மோசடி கண்டறிதல் மாதிரியானது, கடந்த காலத்தில் அதிக அளவில் ஆய்வு செய்யப்பட்ட ஒரு பகுதியை அதிக ஆபத்து என்று கொடியிட்டது. குழுவானது தரவுகளிலிருந்து அமலாக்கத் தீவிரத்தைப் பிரித்தெடுத்து, "மக்கள்தொகையுடன் ஒப்பிடும் போது உண்மையான கண்டறிதல் வீதத்தை" அளவிடும் போது, ​​பிராந்தியங்களுக்கிடையிலான வேறுபாடுகள் பெரும்பாலும் மறைந்துவிட்டதைக் கண்டறிந்தனர்; இந்த மாதிரி சமத்துவமின்மையை உண்மையான ஆபத்து என்று தவறாகக் கருதியது.

குழு அடிப்படையிலான தாக்கக் கட்டுப்பாட்டு டெம்ப்ளேட்:

பணி: குழுக்கள் மூலம் பின்வரும் முடிவுத் தரவை ஆய்வு செய்யவும் (தனிப்பட்ட தரவு இல்லை, வகைப்படுத்தப்பட்ட சுருக்கம்).தரவு: [குழு | மொத்த முடிவு | எதிர்மறை முடிவு விகிதம் | ஆய்வு தீவிரம்] வெளியீடு: 1) எதிர்மறை முடிவு விகிதம் குழுக்களிடையே குறிப்பிடத்தக்க வேறுபாட்டைக் காட்டுகிறதா? 2) உண்மையான ஆபத்து அல்லது கட்டுப்பாடு/பிரதிநிதித்துவத்தின் தீவிரம் காரணமாக வேறுபாடு இருக்க முடியுமா? 3) பின்னூட்ட சுழற்சிக்கான ஏதேனும் அறிகுறி உள்ளதா? 4) மனிதக் கட்டுப்பாட்டுக்கான பரிந்துரைகள். விதி: ஒரு காரணக் கோரிக்கையை நிறுவுதல்; சாத்தியமான விளக்கங்கள் மற்றும் சோதனை வழிகளை பட்டியலிடுங்கள்.

எச்சரிக்கை: "அனைவருக்கும் ஒரே விதியைப் பயன்படுத்துவதால் மாதிரி நடுநிலையானது" என்ற வாதம் தவறானது. அதே விதி, வளைந்த தரவுகளுக்குப் பயன்படுத்தப்படும் போது, ​​சமத்துவமின்மையைப் பாதுகாக்கிறது மற்றும் பெரிதாக்குகிறது. நீதியானது முடிவின் சமத்துவத்தால் அளவிடப்படுகிறது, விதி அல்ல.

பொதுவான தவறுகள்

• முக்கியமான தரவை நீக்கி, "இது நியாயமானது" என்று நினைப்பது. மாற்று மாறிகள் பாகுபாட்டை நிலைநிறுத்துகின்றன; வெளியீட்டை சோதிக்கவும்.
• நோக்கத்தால் நீதியை அளவிடுதல். இறுதியில் நீதி தோன்றுகிறது; முடிவுகளை குழுக்களாக வரிசைப்படுத்தி ஒப்பிடவும்.
• குறைவான பிரதிநிதித்துவ குழுவை மறந்துவிடுதல். சிறுபான்மைக் குழுவிற்கு இந்த மாதிரி அமைதியாக வேலை செய்யாது; குழு அடிப்படையிலான பிழையைப் பார்க்கவும்.
• உரிமைகள் வழங்கும் முடிவுகளில் விவரிக்கப்படாத மாதிரியைப் பயன்படுத்துதல். நியாயத்தை உருவாக்க முடியாத ஒரு அமைப்பு பொது முடிவுகளை எடுக்க முடியாது.
• ஆட்சேபனைக்கான எந்த வழியையும் வழங்கவில்லை. ஒவ்வொரு தானியங்கி முடிவும் மனித மதிப்பாய்வுக்கு உட்பட்டதாக இருக்க வேண்டும்.
• தணிக்கைத் தடத்தை வைத்திருக்கவில்லை. எந்தத் தரவு/மாடல்/பொறுப்பான நபருடன் முடிவு எடுக்கப்பட்டது என்பது பதிவு செய்யப்பட வேண்டும்.

சுருக்கமாக

பொதுத்துறையில், AI ஆனது நிலைத்தன்மையை அதிகரிக்க முடியும், ஆனால் கடந்த காலத்தின் பாகுபாட்டை அமைதியாக எடுத்துச் செல்ல முடியும். சார்பு என்பது வரலாற்று தரவு, பிரதிநிதித்துவ இடைவெளி, ப்ராக்ஸி மாறிகள் மற்றும் துல்லியமற்ற அளவீடு ஆகியவற்றிலிருந்து வருகிறது; முக்கியமான தரவை நீக்குவது அதைத் தீர்க்காது. குழுக்கள் முழுவதும் முடிவைச் சோதிப்பதன் மூலம் நேர்மை அடையப்படுகிறது. மேலும் எந்த ஒரு குடிமகனும் "அமைப்பு அவ்வாறு கூறியது" என்பதன் மூலம் உரிமை மறுக்கப்பட முடியாது: ஒவ்வொரு முடிவும் விளக்கக்கூடியதாகவும், போட்டியிடக்கூடியதாகவும், தணிக்கைக்குரியதாகவும் இருக்க வேண்டும். இது பொறுப்புக்கூற வேண்டிய நிறுவனம், வழிமுறை அல்ல.

விண்ணப்ப பணி

உங்கள் யூனிட்டில் AI-இயங்கும் அல்லது தானியங்கு முடிவெடுக்கும் செயல்முறையைத் தேர்வுசெய்யவும். சாத்தியமான சார்புகளைப் பட்டியலிட்டு, "சார்ஸ் ஸ்கேன் மூல" டெம்ப்ளேட்டைக் கொண்டு குறைந்தபட்சம் ஒரு மாற்று மாறி அபாயத்தைக் கண்டறியவும். "நியாய சோதனைத் திட்டம்" மூலம் எந்தக் குழு முறிவுகளைப் பார்க்க வேண்டும் என்பதைத் தீர்மானிக்கவும். மாதிரி முடிவுக்காக, "முடிவு விளக்கம்" டெம்ப்ளேட்டுடன் குடிமகன் எதிர்கொள்ளும் விளக்கத்தை உருவாக்கவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் சார்பு ஆதாரங்களை (வரலாற்று, பிரதிநிதித்துவம், பதிலாள், அளவீடு) ஸ்கேன் செய்தேன்.
• [ ] நான் முக்கியமான தரவை மட்டும் நீக்கவில்லை; குழுக்கள் மூலம் வெளியீட்டை சோதித்தேன்.
• [ ] குறைவான பிரதிநிதித்துவ குழுக்களுக்கான பிழை விகிதத்தை நான் கட்டுப்படுத்தினேன்.
• [ ] ஒவ்வொரு முடிவிற்கும் எளிமையான, விளக்கக்கூடிய நியாயத்தை வழங்கியுள்ளேன்.
• [ ] நான் ஆட்சேபனை மற்றும் மனித மறுஆய்வு பாதையை வரையறுத்துள்ளேன்.
• [ ] தணிக்கை பாதை (தரவு/மாடல் பதிப்பு/பொறுப்பு) பராமரிக்கப்படுகிறது.