الگوریتمی برای طراحی آزمایش‌های کارآمدتر و منصفانه‌تر میان گروه‌های مختلف

طراحی آزمایش در حوزه‌هایی مانند سلامت، بازاریابی و سیاست‌گذاری عمومی برای تصمیم‌گیری مبتنی بر شواهد اهمیت دارد. اما وقتی شرکت‌کنندگان به زیرگروه‌های ناهمگون تقسیم می‌شوند، روش‌های رایج اغلب توان آماری یا کارایی کلی نمونه‌گیری را در اولویت می‌گذارند و ملاحظات انصاف میان زیرگروه‌ها را نادیده می‌گیرند.

نویسندگان پیش‌چاپ arXiv:2611.01867 الگوریتم «طراحی زمینه‌ایِ پیگیری و توقفِ آگاه از انصاف» (F-CTSD) را برای پرداختن به این مسئله پیشنهاد می‌کنند. به‌گفتهٔ چکیده، این الگوریتم برای انصاف میان زیرگروه‌ها تضمین‌های آماری فراهم می‌کند و در عین حال می‌کوشد تعداد نمونه‌های موردنیاز را به حداقل برساند. پژوهش همچنین بده‌بستان میان انصاف و کارایی را کمّی‌سازی می‌کند و پیچیدگی نمونهٔ دقیق الگوریتم را تحت قیدهای انصاف استخراج می‌کند.

این کار در قالب پیش‌چاپ منتشر شده است؛ اطلاعات ارائه‌شده در چکیده دربارهٔ نتایج یا جزئیات ارزیابی الگوریتم فراتر از این موارد نیست.