Sprout:众包任务设计的群体赋能任务设计工具

众包任务设计与质量控制原型设计与用户测试HCI 研究员Amazon Mechanical Turk 工作者

虽然众包支持大规模数据收集,但确保高质量数据仍然是一个挑战。特别是,有效的任务设计几乎是每个众包成功案例的基础,但仍然难以实现。任务设计困难,因为它涉及一个昂贵的迭代过程:确定所需的工作输出类型,向工作者传达这一信息,观察工作者表现,理解模糊之处,修改指令,并重复这一过程直到输出令人满意。为了促进这一过程,我们提出了一个新颖的元工作流程,以及我们的开源工具Sprout,它实现了这一工作流程。Sprout通过以下方式改进任务设计:(1)从群体工作者中引出困惑点,(2)使请求者能够快速理解这些误解和整体问题空间,(3)指导请求者改进任务设计。我们报告了一项用户研究的结果,包含两个标注任务,表明请求者强烈偏好Sprout,并产生了比当前最佳实践(带有关工作者培训和测试工作流的指令)更高质量的指令。我们还为支持众包任务设计的未来工具提供了一系列设计建议。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/uist/2988/2018

广告推荐

学习 AI 编程到 CodeNow

一眼看懂

论文快照

fact_check
dataset
来源
UIST
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
众包任务设计与质量控制、原型设计与用户测试
work
职业/产业
HCI 研究员、Amazon Mechanical Turk 工作者
article
内容状态
仅摘要
hub
相关论文
9 篇相关论文