Muhimman ƙa'idoji
Wasu ƴan ra'ayoyi ne ke gudana a kowane babi na wannan jagorar. Su ne dalilin da ya sa take bayar da shawarwarin da take bayarwa. Idan ba ka tuna komai ba, ka tuna da waɗannan.
Gina tare da masu magana da harshen, ba kawai don su ba
Mutanen da ke magana da wani harshe sun san abin da ke daidai, abin da ke fita a yanayi na asali, da kuma abin da ke ɓata rai. Ya kamata su kasance a tsakiyar aikin tattara bayanai (dataset), ba a ƙarshen aikin a matsayin masu sanya lakabi (labellers) masu arha ba. Tsarin haɗin gwiwa (participatory model) (Nekoto et al., 2020) wanda wannan jagorar ta samo asali daga gare shi yana ɗaukar masu magana da harshen na asali a matsayin abokan ƙirƙira, kuma wannan ita ce hanyar da muke ba da shawara a kowane lokaci.
Yarda da mallaka ne a gaba
Bayanai (data) suna fitowa ne daga mutane, kuma waɗannan mutanen suna da haƙƙi a kansu. Nemi cikakkiyar yarda (informed consent) kafin kowa ya ba da gudummawa, ka kasance mai gaskiya game da yadda za a yi amfani da bayanan, kuma ka tabbatar al'umma ta ci gaba da zama mai mallakar abin da ta taimaka wajen ƙirƙirawa. Mallaka ba wani abu ba ne da za a yi alama a kansa kawai lokacin fitarwa (release). Tana tsara kowane mataki, tun daga abin da kake tattarawa har zuwa wanda kake barin ya yi amfani da shi.
Inganci a kan yawa
Ƙaramin tsarin bayanai (dataset) mai tsafta kuma wanda aka yi masa kyakkyawan rubutaccen bayani (well-documented) ya fi girma da daraja fiye da babba mai cike da kurakurai. Tattara bayanai daga intanet gaba ɗaya (web-scale crawls) don harsunan da ba su da wadatattun bayanai (low-resource languages) suna cike da rubutun da aka yi wa lakabi ba daidai ba da kuma waɗanda na'ura ta fassara (Kreutzer et al., 2022). Gara a sanya lakabi (label) ga misalai dubu ɗaya da kyau fiye da miliyan ɗaya a mummuna. Gaba ɗaya babin ingancin bayanai (data quality) yana nan ne saboda wannan ƙa'idar tana da sauƙin faɗa amma tana da wuyar kiyayewa.
Yanayi (context) yana tafiya tare da bayanan
Tsarin bayanai (dataset) ba tare da rubutaccen bayani (documentation) ba yana da wuyar amincewa kuma yana da sauƙin yin amfani da shi ba daidai ba. Yi rikodin abin da ka tattara, daga wajen wa, ta yaya, da kuma dalili. Faɗi sunayen harsunan, haruffan rubutu (scripts), da nau'o'insu daban-daban a sarari. Kyakkyawan rubutaccen bayani (documentation) shi ne abin da ke ba wasu damar sake amfani da aikinka, kuma shi ne abin da ke ba ka damar kare shi daga baya.
Gina a bayyane, tsara don sake amfani
Fitar da aikin a ƙarƙashin bayyanannen lasisi a buɗe (open licence), kuma ka sanya bayanan, ƙa'idojin, da tsarin su zama masu sauƙin sake yi (reproducible). Aikin da wasu za su iya samu, bincika, da faɗaɗawa yana ƙara haɓaka a kan lokaci. Aikin da aka kulle ba ya taimakon kowa kuma yawanci yakan ɓace ne.
Kada a cutar
Kare mutanen da ke cikin bayanan da kuma mutanen da suka gina su. Kula da abubuwan da ke ɓata rai, waɗanda ke bayyana wani, ko waɗanda ba su da aminci a fitar da su. Idan ba ka da tabbas, tambayi al'umma, kuma ka ɗauki matakin kiyayewa.
Waɗannan ƙa'idojin ba koyaushe suke tafiya a hanya ɗaya ba. Yawa (scale) yana gogayya da inganci; kasancewa a buɗe (openness) zai iya samun matsala da sirri (privacy). Yawancin wannan jagorar tana magana ne game da yin waɗannan sasantawa (trade-offs) da kyau, a bayyane, kuma tare da mutanen da harsunansu ke cikin wannan aikin.
