Semantisches Differenzial

Name: Potato
Author: Potato

Semantische Differenziale in Potato konfigurieren, um Einstellungen mit bipolaren Adjektivpaaren und frei wählbarer Zahl an Skalenstufen zu messen.

Das Annotationsschema Semantic Differential zeigt Annotatoren bipolare Adjektivskalen, mit denen sich Einstellungen, Wahrnehmungen oder konnotative Bedeutungen messen lassen. Jede Skala hat an ihren Enden gegensätzliche Adjektive (etwa „Good“ gegenüber „Bad“); die Annotatoren wählen einen Punkt dazwischen, um einzuordnen, wo das Element liegt.

Semantische Differenziale in Potato, die einen Text als formal/informell, positiv/negativ und einfach/komplex bewerten Semantic differential in Potato

Überblick

Semantische Differenziale gehen auf Charles Osgood in den 1950er-Jahren zurück und sind in Psychologie und Sozialwissenschaften ein etabliertes Verfahren, um die konnotative Bedeutung von Konzepten zu messen. In Annotationsaufgaben helfen sie, feine, mehrdimensionale Wahrnehmungen zu erfassen, die sich mit einer einzelnen Bewertungsskala nicht ausdrücken lassen.

Schnellstart

yaml

annotation_schemes:
  - annotation_type: semantic_differential
    name: text_perception
    description: Rate how you perceive this text on each scale.
    pairs:
      - ["Formal", "Informal"]
      - ["Positive", "Negative"]
      - ["Simple", "Complex"]
    scale_points: 7

Konfigurationsoptionen

Feld	Typ	Standard	Beschreibung
`annotation_type`	string	Pflicht	Muss `"semantic_differential"` sein
`name`	string	Pflicht	Eindeutige Kennung dieses Schemas
`description`	string	Pflicht	Anweisungen, die den Annotatoren angezeigt werden
`pairs`	array	Pflicht	Liste von Paaren der Form `[left_adjective, right_adjective]`
`scale_points`	integer	`7`	Zahl der Stufen je bipolarer Skala (üblich sind 5 oder 7)
`show_center_label`	boolean	`true`	In der Skalenmitte die Bezeichnung `"Neutral"` anzeigen
`label_requirement.required`	boolean	`false`	Ob alle Skalen vor dem Weitergehen bewertet sein müssen

Beispiele

Beurteilung des Schreibstils

yaml

annotation_schemes:
  - annotation_type: semantic_differential
    name: writing_style
    description: Rate the writing style of this text on each dimension.
    pairs:
      - ["Formal", "Informal"]
      - ["Objective", "Subjective"]
      - ["Concise", "Verbose"]
      - ["Clear", "Ambiguous"]
    scale_points: 7

Wahrnehmung von Sprechern

yaml

annotation_schemes:
  - annotation_type: semantic_differential
    name: speaker_impression
    description: Rate your impression of the speaker on each dimension.
    pairs:
      - ["Competent", "Incompetent"]
      - ["Warm", "Cold"]
      - ["Trustworthy", "Untrustworthy"]
      - ["Dominant", "Submissive"]
    scale_points: 7

Produktbewertung

yaml

annotation_schemes:
  - annotation_type: semantic_differential
    name: product_perception
    description: How do you perceive this product?
    pairs:
      - ["Innovative", "Traditional"]
      - ["Affordable", "Expensive"]
      - ["Reliable", "Unreliable"]
      - ["Simple", "Complex"]
    scale_points: 5

Emotionsdimensionen (EPA)

Das klassische Modell aus Evaluation, Potency und Activity:

yaml

annotation_schemes:
  - annotation_type: semantic_differential
    name: epa_rating
    description: Rate this concept on each dimension.
    pairs:
      - ["Good", "Bad"]
      - ["Powerful", "Weak"]
      - ["Active", "Passive"]
    scale_points: 7

Ausgabeformat

json

{
  "text_perception": {
    "labels": {
      "Formal-Informal": 5,
      "Positive-Negative": 2,
      "Simple-Complex": 4
    }
  }
}

Die Werte reichen von 1 (linkes Adjektiv) bis scale_points (rechtes Adjektiv), der Mittelpunkt steht für neutral.

Praxistipps

Standardmäßig siebenstufige Skalen – das ist der Standard in der Forschung zum semantischen Differenzial und bietet genug Abstufung
Polarität über die Paare mischen – mal links, mal rechts das „positive“ Adjektiv setzen, damit sich keine Antworttendenz einschleift
5 bis 8 Paare pro Element – zu viele Skalen ermüden und senken die Datenqualität
Etablierte Adjektivpaare nutzen – wenn möglich validierte Paare aus vorhandener Forschung übernehmen
Die mittlere Bezeichnung behalten – der neutrale Mittelpunkt ist ein wichtiger Bezugspunkt für Annotatoren
Reihenfolge der Paare variieren – wenn möglich die Präsentationsreihenfolge wechseln, um Ankereffekte zu verringern

Weiterführende Informationen

Likert-Skalen – ordinale Bewertungsskalen für Zustimmung und Häufigkeit
Schieberegler – Annotation kontinuierlicher Werte
Paarweiser Vergleich – zwei Elemente direkt vergleichen

Implementierungsdetails stehen in der Quelldokumentation.