14 fevereiro 2024
13 fevereiro 2024
Efeito tamanho nas estimativas
Eis um problema comum nas pesquisas acadêmicas, de difícil solução (trechos selecionados)
(...) Se coletarmos dados suficientes, a estimativa será próxima ao valor real na população. No entanto, se coletarmos dados de participantes que estão em um brinquedo de parque temático onde as pessoas precisam ter pelo menos 150 centímetros de altura para entrar, a média que calculamos é baseada em uma distribuição truncada onde apenas indivíduos mais altos que 150 cm são incluídos. Indivíduos menores estão ausentes. Imagine que medimos a altura de dois indivíduos no brinquedo do parque temático, e eles têm 164 e 184 cm de altura. A altura média deles é (164+184)/2 = 174 cm. Fora da entrada do brinquedo do parque temático, há um indivíduo com 144 cm de altura. Se tivéssemos medido esse indivíduo também, nossa estimativa do comprimento médio seria (144+164+184)/3 = 164 cm. Remover valores baixos de uma distribuição levará a uma superestimação do valor real. Remover valores altos levaria a uma subestimação do valor real. (...)
Na prática, frequentemente vemos que os cientistas não publicam simplesmente todos os resultados, mas apenas os resultados estatisticamente significativos na direção desejada. (...)
Os estatísticos desenvolveram abordagens para ajustar estimativas de tamanho de efeito enviesadas levando em consideração uma distribuição truncada (Taylor & Muller, 1996). Esta abordagem foi recentemente implementada em R (Anderson et al., 2017). Implementar essa abordagem na prática é difícil, porque nunca temos certeza se uma estimativa de tamanho de efeito está enviesada e, se estiver enviesada, quanto é o enviesamento. Além disso, a seleção baseada na significância é apenas uma forma de viés, enquanto pesquisadores que relatam seletivamente resultados significativos podem se envolver em práticas de pesquisa problemáticas adicionais, como relatar seletivamente resultados, que não são considerados no ajuste. (...)
É claro que a verdadeira solução para o viés nas estimativas de tamanho de efeito devido a filtros de significância que levam a distribuições truncadas ou censuradas é parar de relatar seletivamente resultados. Projetar estudos altamente informativos que tenham alta capacidade de rejeitar a hipótese nula, como o menor tamanho de efeito de interesse em um teste de equivalência, é um bom ponto de partida. Publicar pesquisas como Relatórios Registrados é ainda melhor. Eventualmente, se não resolvermos esse problema por conta própria, é provável que enfrentemos ações regulatórias externas que nos forcem a incluir todos os estudos que receberam aprovação do comitê de ética em um registro público e atualizar o registro com a estimativa do tamanho do efeito, como é feito para ensaios clínicos. (...)
Uma das consequências é que estudos de meta-análise serão enviesados.
Ameaça de processo por divulgar informações públicas
A notícia é uma decepção:
A localização dos aviões é informações públicas fornecidas pelo governo, um resultado inevitável das considerações sobre a segurança em jogo. As pessoas ricas odeiam isso porque significa que o público sabe quando seus jatos particulares estão no ar, queimando carbono e levando-os (ou seus amigos ou clientes) para lugares interessantes. Elon Musk se fez de bobo tentando se livrar desses dados censurando, e o mais recente a divulgar sua existência é Taylor Swift, que ameaçou processar o mesmo cara (que divulga estas informações).
Um advogado de Swift enviou uma carta de cessação e desistência ao estudante da Universidade da Flórida Central, Jack Sweeney, em dezembro, de acordo com The Washington Post. A carta que Sweeney compartilhou com o jornal diz que as contas de mídia social de Sweeney causam "danos diretos e irreparáveis, além de sofrimento emocional e físico". Ela diz que, a menos que Sweeney pare o "comportamento perseguidor e assediante", o artista "não terá escolha a não ser buscar todos e quaisquer remédios legais."
"Eu acho importante notar que não onde pretendo prejudicar. Na verdade, acho que Swift tem boas músicas. Acredito em transparência e informação pública ", escreveu Sweeney em um e-mail para The Verge.
Você já deve saber que Swift está no topo da lista de jatos na queima de carbono. E agora você sabe que pode rastrear seu jato especificamente.
Você pode imaginar ser o advogado que tem que contar a uma celebridade "se você ameaça há uma chance muito pequena de que funcione e uma probabilidade esmagadora de que apenas a divulgue mais?" Aposto que advogados de celebridades contam com isso.
Ao final do texto, o efeito Streisand, em homenagem a Barbra Streisand. O Efeito Streisand é um fenômeno que ocorre quando uma tentativa de ocultar, remover ou censurar uma informação acaba resultando em sua maior divulgação pública do que teria acontecido originalmente. O termo deriva de um incidente em 2003, quando a cantora Barbra Streisand processou um fotógrafo por incluir uma foto aérea de sua casa ao falar da erosão costeira na Califórnia. O processo acabou gerando uma enorme atenção para a foto e para a questão da liberdade de expressão na internet.
Regulador admite a impossibilidade de reestruturar o setor de auditoria na Inglaterra
Logo após o escândalo da empresa Carillion, na Inglaterra, surgiram pressão dos políticos para uma grande reforma no mercado de auditoria. O foco era o oligopólio existente e falava-se na possível divisão das empresas. A pressão era enorme e o assunto ficou em pauta durante muito tempo. O blog relatou, no passado, a possibilidade de uma cisão das empresas. Mas estamos em 2024 e nada ocorreu. Pelo contrário, parece cada vez mais provável a manutenção do status quo.
Para Peterson, as tentativas de reduzir as quatro grandes ou redistribuir auditorias são impraticáveis devido a problemas de escala e expertise. Ele argumentam que críticas à qualidade da auditoria não podem ser resolvidas transferindo clientes ou pessoal para empresas menores. Há limitações estruturais enfrentadas por empresas menores.
Foto: aqui
12 fevereiro 2024
Grandes corporações e a Disrupção
Chats abalam o setor jurídico
Eis o resumo (traduzido pelo ChatGPT), via aqui:
Este artigo apresenta uma comparação inovadora entre Modelos de Linguagem Grande (LLMs, na sigla em inglês) e revisores tradicionais de contratos legais, advogados juniores e prestadores de serviços de processo legal terceirizados. Nós dissecamos se os LLMs podem superar os humanos em precisão, velocidade e eficiência de custo durante a revisão de contratos. Nossa análise empírica compara os LLMs com um conjunto de dados de verdade estabelecido por advogados seniores, revelando que modelos avançados alcançam ou superam a precisão humana na determinação de questões legais. Em termos de velocidade, os LLMs completam revisões em meros segundos, superando as horas necessárias por seus equivalentes humanos. Em termos de custo, os LLMs operam a uma fração do preço, oferecendo uma redução de custo impressionante de 99,97 por cento em relação aos métodos tradicionais. Estes resultados não são apenas estatísticas, eles sinalizam uma mudança sísmica na prática jurídica. Os LLMs estão prontos para perturbar a indústria jurídica, melhorando a acessibilidade e eficiência dos serviços jurídicos. Nossa pesquisa afirma que a era da dominação dos LLMs na revisão de contratos legais está sobre nós, desafiando o status quo e clama