ONAFHANKELIJKE BEOORDELING BEVESTIGT HOGE NAUWKEURIGHEID

Bij Gender-API nemen we de nauwkeurigheid van onze service serieus. Onlangs is er een onafhankelijke beoordeling uitgevoerd om de betrouwbaarheid van onze service te valideren bij het bepalen van gender op basis van voornamen. De bevindingen waren bemoedigend en toonden de precisie en effectiviteit van onze API aan bij het verwerken van diverse namen uit meerdere landen.

Overzicht van het Onderzoek

Een validatiestudie, uitgevoerd door Jim Hagberg van de Universiteit van Maryland, om het foutenpercentage van onze geslachtsidentificatieservice te evalueren in vergelijking met handmatig geverifieerde online bronnen. De studie analyseerde voornamen die uit onderzoekspapers gehaald zijn die gepubliceerd zijn in drie wetenschappelijke tijdschriften:

• Journal of Applied Physiology
• Geneeskunde en Wetenschap in Sport en Geneeskunde
• Internationaal Tijdschrift voor Sportgeneeskunde

De analyse omvatte 500 voornamen die niet gendergericht waren en onbekend waren voor de onderzoeker. Deze namen werden gevalideerd door online zoekopdrachten naar afbeeldingen of genderspecifieke voornaamwoorden die aan de auteurs waren gekoppeld.

Methoden van Genderidentificatie

De studie maakte gebruik van drie onafhankelijke methoden om [gender] te identificeren:

• Traditionele voornaamherkenning is gebaseerd op algemeen aanvaarde [gender]-specifieke namen.
• Persoonlijke kennis van het [gender] van het individu door de onderzoeker.
• [Gender-API] maakt gebruik van AI en een database van meer dan 6 miljoen namen uit 190 landen om [gender] te voorspellen.

Belangrijkste bevindingen

• Van de 500 namen hadden 11 (2.2%) geen resultaten in de Gender-API database.
• Van de resterende 488 namen werden er 435 (89.1%) correct geïdentificeerd met minstens 80% zekerheid.
• 392 namen (80.3%) werden correct geïdentificeerd met meer dan 90% zekerheid.
• 359 namen (73.5%) werden correct geïdentificeerd met meer dan 95% zekerheid.
• 282 namen (57.8%) werden correct geïdentificeerd met meer dan 98% zekerheid.

Het gemiddelde betrouwbaarheidsniveau voor alle voorspellingen was 94% ± 13%. Dit toont een hoge mate van betrouwbaarheid aan, zelfs voor minder voorkomende namen.

Foutpercentageanalyse

In totaal vertoonden 22 namen (4,5%) discrepanties tussen de voorspellingen van Gender-API en online validatie. Echter, bij het toepassen van een vertrouwensdrempel van 80%, daalde het aantal misclassificaties tot slechts zeven namen (1,4%).

Conclusie

Deze onafhankelijke validatiestudie bevestigt dat Gender-API een zeer betrouwbaar hulpmiddel is voor genderidentificatie. Met een lage verkeerd classificatiepercentage van slechts 1,4% bij gebruik van een betrouwbaarheidsdrempel van 80%, biedt onze API nauwkeurige en schaalbare genderclassificatie op basis van voornamen.

Download hier het validatierapport als PDF.

Gender-API is een betrouwbare keuze voor onderzoekers, bedrijven en analisten die op zoek zijn naar een bewezen, datagestuurde oplossing voor genderidentificatie.