データ拡張（ガバナンス）とは
データ拡張（Data Augmentation）とは、既存のデータに変換を加えて新しい学習サンプルを生成する手法です。ガバナンスの観点からは、データ拡張の適切な管理・記録・品質保証が重要なテーマとなります。どのような拡張手法を適用したか、拡張パラメータは何か、拡張後のデータ品質は担保されているかなど、拡張プロセスの透明性と再現性を確保する必要があります。
データ拡張手法の管理
画像データでは回転、反転、クロップ、色調変換、ノイズ付加などの幾何学的・色彩的変換が一般的です。テキストデータでは同義語置換、文の言い換え、バックトランスレーション（逆翻訳）などが用いられます。これらの拡張手法とパラメータをメタデータとして記録し、データリネージの一部として管理することが重要です。拡張の過程で意味が変わってしまう（ラベルが不正確になる）リスクも考慮する必要があります。
ガバナンスの観点からの注意点
データ拡張のガバナンスでは、拡張手法の妥当性検証、拡張によるバイアスの増幅リスクの評価、拡張データの品質モニタリングが重要です。例えば、特定のクラスだけを過度に拡張すると、モデルの偏りが生じる可能性があります。また、拡張データを利用する際のライセンス上の制約や、拡張データの利用範囲を明確にしておくことも、適切なデータガバナンスの一環です。拡張の設定をバージョン管理し、再現可能な形で記録することが推奨されます。