Translation status

480 Strings 100%
Browse Translate
6,983 Words 100%
46,083 Characters 100%

Strings status

Strings Words Characters
480 6,983 46,083
All strings Browse Translate Zen
480 6,983 46,083
Translated strings Browse Translate Zen
6 9 60
Translated strings with dismissed checks Browse Translate Zen

Overview

Project website jasp-stats.org
Project maintainers User avatar JASPStats
Translation license GNU General Public License v2.0 or later
Translation process
  • Translations can be made directly.
  • Translation suggestions can be made.
  • Any authenticated user can contribute.
  • The translation uses bilingual files.
Source code repository https://github.com/jasp-stats/jaspAudit
Repository branch master
Last remote commit Translated using Weblate (Russian) (#560) e15b674
Weblate (bot) authored 16 hours ago
Last commit in Weblate Merge remote-tracking branch 'origin/master' 02f4f25
Hosted Weblate authored 19 hours ago
Weblate repository https://hosted.weblate.org/git/jasp/jaspaudit-r/
File mask po/R-*.po
Translation file Download po/R-es.po
Last change April 13, 2025, 2:02 a.m.
Last change made by None
Language Spanish
Language code es
Text direction Left to right
Case sensitivity Case-sensitive
Number of speakers 507,161,083
Number of plurals 2
Plural type One/other
Plurals Singular 1
Plural 0, 2, 3, 4, 5, 6, 7, 8, 9, 10, …
Plural formula n != 1
2 days ago

String statistics

Strings percent Hosted strings Words percent Hosted words Characters percent Hosted characters
Total 480 6,983 46,083
Translated 100% 480 100% 6,983 100% 46,083
Needs editing 0% 0 0% 0 0% 0
Read-only 0% 0 0% 0 0% 0
Failing checks 0% 0 0% 0 0% 0
Strings with suggestions 0% 0 0% 0 0% 0
Untranslated strings 0% 0 0% 0 0% 0
Last 12 months Previous

Activity in last 12 months

197 changes 4 changes 11 changes 5 changes 3 changes 15 changes 36 changes 4 changes 5 changes 4 changes 7 changes 5 changes 137 changes 6 changes 19 changes 12 changes 13 changes 5 changes 17 changes 14 changes 4 changes 23 changes 6 changes 7 changes
AprMayJunJulAugSepOctNovDecJanFebMar

Quick numbers

6,983
Hosted words
480
Hosted strings
100%
Translated
4
Contributors
and previous 30 days

Trends of last 30 days

+27%
Hosted words
+100%
+8%
Hosted strings
+100%
—
Translated
+100%
+100%
Contributors
—
User avatar None

Changes committed
Changes committed 4 days ago
User avatar ecadrian

Translation completed
Translation completed 4 days ago
User avatar ecadrian

Translation added
<u>Definition of Fairness:</u>
The algorithm is fair if its use results in the same number of items from different groups incorrectly experiencing no changes in the status quo (i.e., being incorrectly classified as negative). The term items refers to what is being classified; these items can be people, like job applicants, or objects, such as bank accounts.

<u>Formula:</u>
False negative rate parity is based on the false negative rate, calculated as FN/(TP+FN), applied to both privileged and unprivileged groups. Here, FN denotes false negatives (incorrectly classified negative items), and TP denotes true positives (correctly classified positive items).
<u>Definición de Justicia:</u>
El algoritmo es justo si con su uso resulta el mismo número de elementos de grupos diferentes, que incorrectamente no experimentan cambios en el statu quo (i.e. siendo clasificados incorrectamente, como negativos). El término elementos se refiere a lo que se está clasificando; estos elementos pueden ser personas (como demandantes de empleo) u objetos (como cuentas bancarias).

<u>Fórmula:</u>
La paridad del ratio de negativos falsos se basa en el ratio de negativos falsos, calculado como NF/(PV+NF), aplicado tanto al grupo privilegiado como al no privilegiado. Aquí, NF denota los negativos falsos (elementos clasificados como negativos incorrectamente) y PV denota los positivos verdaderos (elementos clasificados como positivos correctamente ).
4 days ago
User avatar ecadrian

Translation changed
<u>Definition of Fairness:</u>
The algorithm is fair if its use results in the same number of items from different groups experiencing incorrect changes in the status quo (i.e., being incorrectly classified as positive). The term items refers to what is being classified; these items can be people, like job applicants, or objects, such as bank accounts.

<u>Formula:</u>
False positive rate parity is based on the false positive rate, calculated as FP/(TN+FP), applied to both privileged and unprivileged groups. Here, FP denotes false positives (incorrectly classified positive items), and TN denotes true negatives (correctly classified negative items).
<u>Definición de Justicia:</u>
El algoritmo es justo si con su uso resulta el mismo número de elementos de grupos diferentes, que experimentan cambios incorrectos en el statu quo (i.e. siendo clasificados incorrectamente, como positivos). El término elementos se refiere a lo que se está clasificando; estos elementos pueden ser personas (como demandantes de empleo) u objetos (como cuentas bancarias).

<u>Fórmula:</u>
La paridad del ratio de positivos falsos se basa en el ratio de positivos falsos, calculado como PF/(NV+PF), aplicado tanto al grupo privilegiado como al no privilegiado. Aquí, PF denota los positivos falsos (elementos clasificados como positivos incorrectamente) y NV denota los negativos verdaderos (elementos clasificados como negativos correctamente ).
4 days ago
User avatar ecadrian

Translation added
<u>Definition of Fairness:</u>
The algorithm is fair if its use results in the same number of items from different groups experiencing incorrect changes in the status quo (i.e., being incorrectly classified as positive). The term items refers to what is being classified; these items can be people, like job applicants, or objects, such as bank accounts.

<u>Formula:</u>
False positive rate parity is based on the false positive rate, calculated as FP/(TN+FP), applied to both privileged and unprivileged groups. Here, FP denotes false positives (incorrectly classified positive items), and TN denotes true negatives (correctly classified negative items).
<u>Definición de Justicia:</u>
El algoritmo es justo si con su uso resulta el mismo número de elementos de grupos diferentes, que experimentan cambios incorrectos en el statu quo (i.e. siendo clasificados incorrectamente, como positivos). El término elementos se refiere a lo que se está clasificando; estos elementos pueden ser personas (como demandantes de empleo) u objetos (como cuentas bancarias).

<u>Fórmula:</u>
La paridad del ratio positivos falsos se basa en el ratio de positivos falsos, calculado como PF/(NV+PF), aplicado tanto al grupo privilegiado como al no privilegiado. Aquí, PF denota los positivos falsos (elementos clasificados como positivos incorrectamente) y NV denota los negativos verdaderos (elementos clasificados como negativos correctamente ).
4 days ago
User avatar ecadrian

Translation added
<u>Definition of Fairness:</u>
The algorithm is fair if its use results in the same number of items from different groups correctly experiencing changes and correctly experiencing no changes in the status quo (i.e., being correctly classified as positive and being correctly classified as negative). The term items refers to what is being classified; these items can be people, like job applicants, or objects, such as bank accounts.

<u>Formula:</u>
Accuracy parity is based on accuracy, calculated as (TP+TN)/N, applied to both privileged and unprivileged groups. Here, TP denotes true positives (correctly classified positive items), TN denotes true negatives (correctly classified negative items), and N represents the total number of items classified by the algorithm. The sum of TP and TN reflects the total number of correct classifications made by the algorithm.

<u>Further Details:</u>
Accuracy parity, like accuracy as a model evaluation metric, has a major flaw when applied to cases where the positive class is a small minority. For example, if %1$s%% of the privileged group and %2$s%% of the unprivileged group commit fraud, accuracy may seem high overall (%3$s%%), but masks disparities, with the unprivileged group having lower accuracy (%4$s%%) compared to the privileged group (%5$s%%). Unlike other measures, accuracy parity does not consider varying error costs. It fails to detect increases in false negatives or false positives, missing the associated rise in costs.
<u>Definición de Justicia:</u>
El algoritmo es justo si con su uso resulta el mismo número de elementos de grupos diferentes, que correctamente experimentan cambios y que correctamente no experimentan cambios en el statu quo (i.e. siendo clasificados correctamente como positivos y siendo clasificados correctamente como negativos). El término elementos se refiere a lo que se está clasificando; estos elementos pueden ser personas (como demandantes de empleo) u objetos (como cuentas bancarias).

<u>Fórmula:</u>
La paridad de la precisión se basa en la precisión, calculada como (PV+NV)/N, aplicada tanto al grupo privilegiado como al no privilegiado. Aquí, PV denota los positivos verdaderos (elementos clasificados como positivos correctamente), NV denota los negativos verdaderos (elementos clasificados como negativos correctamente), y N representa el número total de elementos clasificados por el algoritmo. La suma de PV y NV refleja el número total de clasificaciones correctas hechas por el algoritmo.

<u>Detalles adicionales:</u>
La paridad de la precisión, semejante a la precisión como una métrica de evaluación del modelo, tiene un grave defecto cuando se aplica a casos en los que la clase positiva es una pequeña minoría. Por ejemplo, si el %1$s%% del grupo privilegiado y el %2$s%% del grupo no privilegiado cometen fraude, la precisión puede parecer alta sobre el total (%3$s%%), pero enmascara discrepancias, teniendo el grupo no privilegiado una precisión menor (%4$s%%) comparada con la del grupo privilegiado (%5$s%%). A diferencia de otras medidas, la paridad de la precisión no considera variar los costes del error. Falla en la detección de los incrementos en los negativos falsos o positivos falsos, omitiendo el aumento asociado en los costes.
4 days ago
User avatar ecadrian

Translation changed
<u>Definition of Fairness:</u>
The algorithm is fair if its use results in the same number of items from different groups correctly experiencing no changes in the status quo (i.e., being correctly classified as negative). The term items refers to what is being classified; these items can be people, like job applicants, or objects, such as bank accounts.

<u>Formula:</u>
Negative predictive value parity is based on the negative predictive value, calculated as TN/(TN+FN), applied to both privileged and unprivileged groups. Here, TN denotes true negatives (correctly classified negative items) and FN denotes false negatives (incorrectly classified negative items).
<u>Definición de Justicia:</u>
El algoritmo es justo si con su uso resulta el mismo número de elementos de grupos diferentes, que no experimentan cambios correctorrectamente cambios en el statu quo (i.e. siendo clasificados correctamente, como negativos). El término elementos se refiere a lo que se está clasificando; estos elementos pueden ser personas (como demandantes de empleo) u objetos (como cuentas bancarias).

<u>Fórmula:</u>
La paridad del valor predictivo negativo se basa en el valor predictivo negativo, calculado como NV/(NV+NF), aplicado tanto al grupo privilegiado como al no privilegiado. Aquí, NV denota los negativos verdaderos (elementos clasificados como negativos correctamente) y NF denota los negativos falsos (elementos clasificados como negativos incorrectamente ).
4 days ago
User avatar ecadrian

Translation changed
<u>Definition of Fairness:</u>
The algorithm is fair if its use results in the same number of items from different groups correctly experiencing no changes in the status quo (i.e., being correctly classified as negative). The term items refers to what is being classified; these items can be people, like job applicants, or objects, such as bank accounts.

<u>Formula:</u>
Specificity parity is based on the true negative rate, calculated as TN/(TN+FP), applied to both privileged and unprivileged groups. Here, TN denotes true negatives (correctly classified negative items) and FP denotes false positives (incorrectly classified positive items).
<u>Definición de Justicia:</u>
El algoritmo es justo si con su uso resulta el mismo número de elementos de grupos diferentes, que no experimentan cambios correctorrectamente cambios en el statu quo (i.e. siendo clasificados correctamente, como negativos). El término elementos se refiere a lo que se está clasificando; estos elementos pueden ser personas (como demandantes de empleo) u objetos (como cuentas bancarias).

<u>Fórmula:</u>
La paridad de la especificidad se basa en el ratio negativos verdaderos, calculado como NV/(NV+PF), aplicado tanto al grupo privilegiado como al no privilegiado. Aquí, NV denota los negativos verdaderos (elementos clasificados como negativos correctamente) y PF denota los positivos falsos (elementos clasificados como positivos incorrectamente ).
4 days ago
User avatar ecadrian

Translation added
<u>Definition of Fairness:</u>
The algorithm is fair if its use results in the same number of items from different groups correctly experiencing no changes in the status quo (i.e., being correctly classified as negative). The term items refers to what is being classified; these items can be people, like job applicants, or objects, such as bank accounts.

<u>Formula:</u>
Negative predictive value parity is based on the negative predictive value, calculated as TN/(TN+FN), applied to both privileged and unprivileged groups. Here, TN denotes true negatives (correctly classified negative items) and FN denotes false negatives (incorrectly classified negative items).
<u>Definición de Justicia:</u>
El algoritmo es justo si con su uso resulta el mismo número de elementos de grupos diferentes, que no experimentan cambios correctos en el statu quo (i.e. siendo clasificados correctamente, como negativos). El término elementos se refiere a lo que se está clasificando; estos elementos pueden ser personas (como demandantes de empleo) u objetos (como cuentas bancarias).

<u>Fórmula:</u>
La paridad del valor predictivo negativo se basa en el valor predictivo negativo, calculado como NV/(NV+NF), aplicado tanto al grupo privilegiado como al no privilegiado. Aquí, NV denota los negativos verdaderos (elementos clasificados como negativos correctamente) y NF denota los negativos falsos (elementos clasificados como negativos incorrectamente ).
4 days ago
User avatar ecadrian

Translation added
<u>Definition of Fairness:</u>
The algorithm is fair if its use results in the same number of items from different groups correctly experiencing no changes in the status quo (i.e., being correctly classified as negative). The term items refers to what is being classified; these items can be people, like job applicants, or objects, such as bank accounts.

<u>Formula:</u>
Specificity parity is based on the true negative rate, calculated as TN/(TN+FP), applied to both privileged and unprivileged groups. Here, TN denotes true negatives (correctly classified negative items) and FP denotes false positives (incorrectly classified positive items).
<u>Definición de Justicia:</u>
El algoritmo es justo si con su uso resulta el mismo número de elementos de grupos diferentes, que no experimentan cambios correctos en el statu quo (i.e. siendo clasificados correctamente, como negativos). El término elementos se refiere a lo que se está clasificando; estos elementos pueden ser personas (como demandantes de empleo) u objetos (como cuentas bancarias).

<u>Fórmula:</u>
La paridad de la especificidad se basa en el ratio negativos verdaderos, calculado como NV/(NV+PF), aplicado tanto al grupo privilegiado como al no privilegiado. Aquí, NV denota los negativos verdaderos (elementos clasificados como negativos correctamente) y PF denota los positivos falsos (elementos clasificados como positivos incorrectamente ).
4 days ago
Browse all translation changes