agentleFS
yuisekiyuiseki/GeoAI-master-skills/.agents/skills/observation-bias-audit/SKILL.md

observation-bias-audit

Skill3 starsChanged yesterdayApache-2.0View on GitHub

地図の上の記録の数、密度、分布の違いが、現象の違いなのか、観測され記録されやすさの違いなのかを疑う。知りたい現象 (underlying occurrence)、発生の機会 (exposure)、記録の過程 (observation effort) を分けて書き、記録と観測の努力の関係を測り、真値が無いときに言えることと言えないことを分ける。補正した真値は作らない。

The file

Files
SKILL.md

observation-bias-audit

記録が多い場所は、現象が多い場所とは限らない。よく見られている場所かもしれない。記録の分布を現象の分布として使う前に、記録の過程を書き、記録が観測の努力に沿っていないかを測る。

扱うのは、記録の数や密度を現象の強さとして読んでよいかの監査。欠けた値の埋め方、リーク、列の意味の取り違え、点が集まっているかの検定、因果の推定、標本の重み付け一般は、このスキルの外。

reference読むとき中身
proxies観測の努力の代わりを選び、記録との関係を測るとき (手順 2〜4 の前)観測の努力の代わりになるものの選び方と、実データでの測定 (OSM の東京 23 区)
two-records同じ現象の別の記録と突き合わせるとき (手順 8 の前)独立した 2 つの記録の重なり: 1 対 1 の照合、半径の感度、独立を仮定した総数 (Chapman) と、それが下限になる理由 (scripts/record_overlap.py)

3 つを分ける

意味例
知りたい現象本当に起きていること。普通は全部は見えない実際の事故、実際の店、実際にいる動物
発生の機会 (exposure)現象が起きうる量人口、道路の長さ、建物の数、滞在時間
記録の過程 (observation effort)現象がデータに入る機会や確率調査員の訪問、センサーの数、地図の描き込み、通報のしやすさ、報道の届きやすさ

人口で割るのは、発生の機会で割ること。記録の過程の補正ではない。人口が多い場所で記録が多いのは、発生が多いからかもしれないし、よく見られているからかもしれない。

手順

  1. 記録の過程を 1 行ずつ書く。知りたい現象。データに入る条件。記録されない理由。記録されやすさが場所で変わる理由。観測の努力を直接測れるか。測れないなら何を代わりにするか。分からなければ「この分布を現象の分布として使えるかは未確認」と書く。
  2. 分析の単位ごとに、記録の数、面積、発生の機会、観測の努力 (か代わり) をそろえる。欠けた値と 0 を分けて数える。
  3. 意味のある分母だけで率を作る。記録 / 面積、記録 / 発生の機会、記録 / 努力。記録 / 努力は、記録される確率が努力に比例するときだけ意味を持つ (普通は頭打ちになる)。
  4. 記録と努力の関係を測る (scripts/audit_observation_bias.py)。努力の層 (値が少なければ値ごと、多ければ分位) ごとの率、努力と率の順位相関、努力と率の空間の偏り (Moran's I)。p 値ではなく、効果の大きさと層の間の差で読む。努力も空間で固まっているので、相関の p 値は当てにならない。
  5. 努力をそろえて比べる。同じ努力の層の中で、率の高い単位と低い単位を見る。層の間の比較 (よく見られた地域とそうでない地域) は、現象と記録のしやすさを分けられない。
  6. 努力と発生の機会が一緒に動いていないかを確かめる。強く一緒に動くなら、その努力の列は、記録の機会ではなく発生の機会を測っているかもしれない。
  7. 反証を試す。現象と関係が無いはずの努力の代わりが、記録を強く予測するなら、記録の過程の影響を疑う。その代わりが本当に現象と無関係かも確かめる。
  8. 別の記録 (独立に集めた同じ現象のデータ) があれば、単位ごとに、両方にあるもの、片方だけのものを数える (scripts/record_overlap.py)。どちらかを真値とはしない。両方が同じ偏りを持つこともある。重なりから出す総数と完全性は、2 つの記録が独立という確かめられない仮定の上の値で、両方に載りやすい物があれば総数は小さく出る。下限として書き、照合の半径を変えた値と、層ごとの値を並べる (two-records)。
  9. 書き出す (下の節)。

言えることと言えないこと

  • 努力と記録の率が強く結び付いていたら (層の間で 1.5 倍以上、または順位相関 0.5 以上)、記録の数や密度をそのまま現象の強さとして読まない。
  • ただし、努力と結び付いたことは、全てが観測の偏りだという意味ではない。現象も努力も都市に集まることはある。真値か、記録される確率の模型が無ければ、2 つは分けられない (スクリプトは separable: False を返す)。
  • 努力の層の中での違いは、努力の違いでは説明されない。それでも、層の中に残った努力の違い (代わりの指標が拾えていない部分) は残る。
  • 真値が無いなら、完全性を数字で言わない。

書き出すもの

  1. 知りたい現象
  2. 記録の過程 (データに入る条件と、入らない理由)
  3. 発生の機会と、その出所
  4. 観測の努力か、その代わりと、それを選んだ理由
  5. 努力の空間の分布
  6. 記録と努力の関係 (層ごとの率、順位相関、層の中で高い単位と低い単位)
  7. 観測の偏りに弱い結論 (層の間の比較、生の数や密度の順位)
  8. 真値が無いため分からないこと

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.