ある市は、市民がスマートフォンのアプリを起動したまま車で走ると、揺れのデータから道路の段差や穴を自動で検出して市に報告する仕組みを導入した。市は、地区ごとの報告件数をもとに道路補修の優先順位を決めようとしている。この計画で特に注意すべき点として、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 A
この問題の論点：収集方法によるサンプリングバイアス
ポイント
収集の手段が対象を偏らせると、データの少なさが問題の少なさを意味しなくなるため、別の方法で補って実態を確かめます。
選択肢ごとの解説
- A
適切 正解
データを集める手段そのものが、対象となる人や地域を偏らせています。これがサンプリングバイアスです。報告の少なさが損傷の少なさを意味するとは限らないため、職員の巡回など別の方法で補います。
- B
不適切
1件ごとの測定値が正確でも、どの地区のデータが集まるかは、スマートフォンの保有率や車で通る頻度に左右されます。測定の客観性と、データが対象全体を代表しているかは別の問題です。
- C
不適切
問題は検出の精度ではなく、データがどの地区から集まるかという収集の段階にあります。モデルを高性能にしても、データが届かない地区の損傷は検出できません。
- D
不適切
データがないことを問題がないことと取り違えています。報告の多い地区ばかりを補修すると、地区間の差が広がり、偏りがさらに強まるおそれがあります。
試験での狙われ方
スマートフォンやWebで集めたデータを使う事例で、誰のデータが集まりにくいかを考えさせる形が考えられます。
関連用語
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （法律・倫理分野 項目10 公平性）
- Suresh, Guttag, A Framework for Understanding Sources of Harm throughout the Machine Learning Life Cycle (2019) （Representation Bias）
- 総務省・経済産業省「AI事業者ガイドライン（第1.2版）」（2026年3月31日） （第2部C 3）公平性）