fairlearn/fairlearn

DOC Learning Objective 2.3: Identify best practices for data collection about people

Open

#1.413 geöffnet am 25. Sept. 2024

Auf GitHub ansehen
 (5 Kommentare) (1 Reaktion) (0 zugewiesene Personen)Python (504 Forks)auto 404
documentationhelp wanted

Repository-Metriken

Stars
 (2.254 Stars)
PR-Merge-Metriken
 (PR-Metriken ausstehend)

Beschreibung

Motivation Learning objective 2.3: “Identify best practices for data collection about people for their use case and context.”

Data scientists using Fairlearn may need to collect new data to assess fairness-related harms, but may not know best practices for collecting human subjects data, especially for demographic data.

Details to include

  • Information about best practices for ethical collection of human subjects data (e.g., from Institutional Review Board guidance)
  • Guidance on how to ask participants about demographic categories (see existing issues #792 and #795)
  • Privacy implications of demographic data collection (e.g., Andrus et al., 2021)
  • Could link to the discussion of construct validity in demographic data collection (see the Construct Validity section of the User Guide)

Contributor Guide

Research-Richtung
Überprüfen Sie die bestehenden Issues #792 und #795, den Abschnitt zur Konstruktvalidität im Fairlearn Benutzerhandbuch und die Referenz Andrus et al. (2021), um bewährte Verfahren für die ethische Erhebung demografischer Daten zusammenzustellen.
Tech Stack
python
Domain
documentationmachine learningdata
Issue Type
Dokumentation
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
2
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-3 Stunden
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
GitMarkdown
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
80