Veri kümesi büyüdükçe kaynak çeşitliliği de artmış olur mu? Aynı metnin kopyalarının, yeniden biçimlendirilmiş sürümlerinin veya birbirinden türemiş içeriklerin çoğalması veri miktarını artırabilir; fakat modelin gördüğü bağımsız bakışların sayısını aynı ölçüde artırmaz. Bu yüzden dosya sayısı ile kaynak çeşitliliği ayrı ölçülmelidir; aksi hâlde örneklem yanlılığı yalnız kimlerin dışarıda kaldığıyla değil, kimin içeride gereğinden fazla çoğaldığıyla da ilgilidir. Bana göre iyi veri, yalnızca kalabalık değil, izlenebilir biçimde çeşitli olandır.