BAğıMSıZ DEğERLENDIRME YüKSEK DOğRULUğU ONAYLıYOR

[Gender-API]'de, hizmetimizin doğruluğunu ciddiye alıyoruz. Yakın zamanda, hizmetimizin ilk adlara dayalı olarak cinsiyet belirlemedeki güvenilirliğini doğrulamak için bağımsız bir değerlendirme gerçekleştirildi. Bulgular, API'mizin birden fazla ülkede çeşitli isimleri ele alma konusundaki hassasiyetini ve etkinliğini sergileyerek cesaret vericiydi.
Araştırma Özeti
Cinsiyet tanımlama hizmetimizin hata oranını, elle doğrulanmış çevrimiçi kaynaklarla karşılaştırmak için Maryland Üniversitesi'nden Jim Hagberg tarafından gerçekleştirilen bir doğrulama çalışması. Çalışma, üç bilimsel dergide yayınlanan araştırma makalelerinden çıkarılan ilk adları analiz etti:
- Uygulamalı Fizyoloji Dergisi
- Spor ve Tıp Biliminde Tıp
- Uluslararası Spor Tıbbı Dergisi
Analiz, cinsiyete yönelik olmayan ve araştırmacı tarafından bilinmeyen 500 ilk ismi içeriyordu. Bu isimler, yazarlara bağlı olarak resimler veya cinsiyete özgü zamirler için çevrimiçi aramalar kullanılarak doğrulandı.
Cinsiyet Belirleme Yöntemleri
Çalışma, cinsiyeti belirlemek için üç bağımsız yöntem kullandı:
- Geleneksel ilk isim tanıma, yaygın olarak kabul edilen cinsiyete özgü isimlere dayanır.
- Araştırmacının kişinin cinsiyeti hakkındaki kişisel bilgisi.
- Gender-API, yapay zeka ve 190 ülkede 6 milyondan fazla isim içeren bir veri tabanı kullanarak cinsiyeti tahmin eder.
Ana Bulgular
- 500 isimden, 11 tanesi (2.2%) Gender-API veritabanında sonuç bulunamadı.
- Kalan 488 isimden, 435 tanesi (89.1%) en az %80 güvenden ile doğru bir şekilde tespit edildi.
- 392 isim (80.3%) %90'dan fazla güvenle doğru bir şekilde tespit edildi.
- 359 isim (73.5%) %95'ten fazla güvenle doğru bir şekilde tespit edildi.
- 282 isim (57.8%) %98'den fazla güvenle doğru bir şekilde tespit edildi.
Tüm tahminler arasında ortalama güven seviyesi %94 ± %13'tü. Bu, daha az yaygın isimler için bile yüksek bir güvenilirlik derecesi gösteriyor.
Hata Oranı Analizi
Toplamda 22 isim (%4,5), Gender-API tahminleri ile çevrimiçi doğrulama arasında farklılık gösterdi. Ancak, %80 güven eşiği uygulandığında, yanlış sınıflandırmalar sadece yedi isme (%1,4) düştü.
Sonuç
Bu bağımsız doğrulama çalışması, Gender-API'nin cinsiyet tanımlama için son derece güvenilir bir araç olduğunu doğruluyor. %80 güven eşiği kullanıldığında sadece %1.4 olan düşük yanlış sınıflandırma oranı ile API’miz, isimlere dayalı doğru ve ölçeklenebilir cinsiyet sınıflandırması sağlıyor.
Doğrulama raporunu buradan PDF olarak indir.
Gender-API, kanıtlanmış ve veri odaklı bir cinsiyet tanımlama çözümü arayan araştırmacılar, işletmeler ve analistler için güvenilir bir seçimdir.