并合与否：在识别星系并合特征中考量人类偏差

宇宙时间内显著的星系并合在星系演化理论中起着基础性作用。许多形态学研究广泛使用人类分类者来目视评估星系是否处于并合系统中，这仍是其基本组成部分。采用人类分类者的研究通常构建对照组样本，并依赖于这样一种假设：使用人类所引入的偏差将均匀施加于所有样本。在本工作中，我们检验了这一假设并发展了校正它的方法。利用许多形态学研究中采用的标准二项统计方法，我们发现并合比例、误差以及两个样本间差异的显著性依赖于任一给定样本的内禀并合比例。我们提出了一种量化单个自然人分类者并合偏差的方法，并将这些偏差纳入一个完整的概率模型，以确定并合比例以及单个星系处于并合中的概率。利用14组模拟的人类响应与准确度，我们能够将星系正确标记为“并合”或“孤立”，与真实值的偏差在1%以内。利用14组人类对一组逼真模拟星系快照的真实响应，我们的模型能够恢复并合前并合比例，误差在10%以内。我们的方法不仅可以提高探测宇宙正午时期星系并合状态研究的准确性，还可用于在使用人类分类数据集的机器学习研究中构建更精确的标注训练集。