Another Dayu
·
被烹饪的数据 Cooking Data
💡
原文中文，约2400字，阅读约需6分钟。
📝
内容提要
数据质量对大模型至关重要，获取真实世界数据是长期课题。书籍《Cooking Data》探讨数据的复杂性，强调数据与社会文化的交织，反思数据生产过程中的不平等和文化盲点。研究者需关注现场调查中的礼物分配，以维护与当地人的关系，确保数据质量。
🎯
关键要点
- 数据质量对大模型至关重要，获取真实世界数据是长期课题。
- 书籍《Cooking Data》探讨数据的复杂性，强调数据与社会文化的交织。
- 数据的概念是虚构的，数据必然与社会和文化环境交织在一起。
- 翻译专家在全球健康项目中至关重要，但翻译质量仍然是数据质量的根源性问题。
- 数据生产是一个有机的、动态的生命周期，而非简单的工业产物。
- 研究项目中不同职能工作者之间的权力关系是不对等的，可能导致偏见。
- 现场调查者常准备小礼品以助调研，但礼物的分发可能引起不平等。
- 与当地人和谐相处，才能保证数据质量和调查的顺利进行。
❓
延伸问答
数据质量对大模型有什么影响？
数据质量直接影响大模型的表现，优质的真实世界数据是确保模型有效性的关键。
《Cooking Data》这本书主要探讨了什么内容？
《Cooking Data》探讨了数据的复杂性，强调数据与社会文化的交织，以及数据生产过程中的不平等和文化盲点。
现场调查中礼物的分发可能带来什么问题？
礼物的分发可能引起不平等，导致不同调查点之间的村民感到不公平，从而影响数据质量和研究关系。
翻译在全球健康项目中面临哪些挑战？
翻译质量是数据质量的根源性问题，涉及叙事习惯、结构差异和专业词汇的细微差异，增加了表述的复杂性。
数据生产的过程是怎样的？
数据生产是一个有机的、动态的生命周期，涉及多次交易、经历和关系，而非简单的工业化生产。
如何确保数据收集的质量？
与当地人和谐相处，关注礼物分发和权力关系，能够帮助维护数据收集的质量和调查的顺利进行。
➡️
