Somme constante

Name: Potato
Author: Potato

Configurez l'annotation à somme constante dans Potato pour répartir un budget fixe de points entre plusieurs catégories, avec des champs numériques ou des curseurs.

Le schéma d'annotation à somme constante permet aux annotateurs de répartir un nombre fixe de points entre plusieurs catégories. Contrairement aux étiquettes souples, qui reposent sur des curseurs liés, la somme constante accepte aussi bien des champs numériques que des curseurs, et vise les tâches où l'annotateur doit trancher explicitement des arbitrages à l'intérieur d'un budget fixe.

Interface à somme constante de Potato, répartissant 100 points entre des priorités de fonctionnalités La somme constante dans Potato

Vue d'ensemble

Les tâches à somme constante sont courantes en recherche par questionnaire et en élicitation de préférences. On donne aux annotateurs un stock fixe de points (100, par exemple) qu'ils doivent répartir entre des éléments pour exprimer une importance, une préférence ou une proportion relative. L'interface garantit que le total des allocations reste égal à la somme configurée.

Démarrage rapide

yaml

annotation_schemes:
  - annotation_type: constant_sum
    name: feature_importance
    description: Distribute 100 points across features based on their importance.
    labels: ["Accuracy", "Speed", "Ease of Use", "Cost"]
    total_points: 100

Options de configuration

Champ	Type	Défaut	Description
`annotation_type`	string	Obligatoire	Doit valoir `"constant_sum"`
`name`	string	Obligatoire	Identifiant unique de ce schéma
`description`	string	Obligatoire	Consignes affichées aux annotateurs
`labels`	array	Obligatoire	Liste des éléments entre lesquels répartir les points (2 minimum)
`total_points`	integer	`100`	Total fixe auquel les allocations doivent s'élever
`min_per_item`	integer	`0`	Nombre de points minimal que chaque élément doit recevoir
`input_type`	string	`"number"`	Mode de saisie : `"number"` pour des champs de texte ou `"slider"` pour des curseurs
`label_requirement.required`	boolean	`false`	Si l'annotation doit être complétée avant de passer à la suite

Exemples

Priorisation de fonctionnalités

yaml

annotation_schemes:
  - annotation_type: constant_sum
    name: feature_priority
    description: Allocate 100 points to indicate which features matter most to you.
    labels: ["Performance", "Reliability", "Usability", "Security"]
    total_points: 100
    input_type: number

Répartition budgétaire

yaml

annotation_schemes:
  - annotation_type: constant_sum
    name: budget_allocation
    description: How would you distribute a $1000 budget across these areas?
    labels: ["Marketing", "Engineering", "Design", "Research"]
    total_points: 1000
    input_type: slider
    min_per_item: 50

Répartition du temps

yaml

annotation_schemes:
  - annotation_type: constant_sum
    name: time_spent
    description: Distribute 24 points (hours) across daily activities.
    labels: ["Work", "Sleep", "Exercise", "Leisure", "Commute", "Other"]
    total_points: 24
    min_per_item: 0

Comparaison simple avec des curseurs

yaml

annotation_schemes:
  - annotation_type: constant_sum
    name: text_comparison
    description: Distribute 10 points between the two texts based on quality.
    labels: ["Text A", "Text B"]
    total_points: 10
    input_type: slider

Format de sortie

json

{
  "feature_importance": {
    "labels": {
      "Accuracy": 40,
      "Speed": 25,
      "Ease of Use": 20,
      "Cost": 15
    }
  }
}

Les valeurs totalisent toujours le total_points configuré.

Bonnes pratiques

Choisissez un total intuitif : 100 fonctionne bien pour des pourcentages ; des totaux plus petits (10, 20) conviennent mieux aux tâches rapides
Utilisez des champs numériques pour la précision : quand les valeurs exactes comptent, la saisie numérique est plus exacte que les curseurs
Utilisez des curseurs pour la vitesse : les curseurs vont plus vite pour des répartitions approximatives
Limitez le nombre d'éléments : au-delà de 7 ou 8 éléments, la répartition devient coûteuse en attention
Envisagez des allocations minimales : utilisez min_per_item quand chaque catégorie doit recevoir au moins quelques points
Donnez un contexte clair : expliquez ce que représentent les points (importance, temps, argent, etc.)

Pour aller plus loin

Étiquette souple : distribution de probabilité avec curseurs liés
Best-Worst Scaling : annotation de préférence relative
Échelles de Likert : échelles d'évaluation ordinales

Pour les détails d'implémentation, consultez la documentation source.