Constant Sum

Name: Potato
Author: Potato

Configura in Potato l'annotazione a somma costante per distribuire un budget fisso di punti tra più categorie, con campi numerici o cursori.

Lo schema di annotazione a somma costante permette agli annotatori di distribuire un numero fisso di punti tra più categorie. A differenza delle etichette soft, che usano cursori collegati fra loro, la somma costante accetta sia campi numerici diretti sia cursori, ed è pensata per i compiti in cui gli annotatori devono fare scelte di compromesso esplicite dentro un budget fisso.

Interfaccia a somma costante di Potato che distribuisce 100 punti tra le priorità di alcune funzionalità Somma costante in Potato

Panoramica

I compiti a somma costante sono comuni nella ricerca con questionari e nell'elicitazione delle preferenze. Agli annotatori viene dato un insieme fisso di punti (per esempio 100) da distribuire tra gli elementi per esprimere importanza relativa, preferenza o proporzione. L'interfaccia impone che le assegnazioni sommino sempre al totale configurato.

Avvio rapido

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

Opzioni di configurazione

Campo	Tipo	Predefinito	Descrizione
`annotation_type`	string	Obbligatorio	Deve essere `"constant_sum"`
`name`	string	Obbligatorio	Identificatore univoco per questo schema
`description`	string	Obbligatorio	Istruzioni visualizzate agli annotatori
`labels`	array	Obbligatorio	Elenco degli elementi tra cui distribuire i punti (minimo 2)
`total_points`	integer	`100`	Il totale fisso a cui le assegnazioni devono sommare
`min_per_item`	integer	`0`	Punti minimi che ogni elemento deve ricevere
`input_type`	string	`"number"`	Metodo di inserimento: `"number"` per i campi di testo o `"slider"` per i cursori
`label_requirement.required`	boolean	`false`	Se l'annotazione deve essere completata prima di proseguire

Esempi

Prioritizzazione delle funzionalità

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

Assegnazione del budget

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

Distribuzione del tempo

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

Confronto semplice con i cursori

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

Formato di output

json

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

I valori sommano sempre al valore configurato di total_points.

Buone pratiche

Scegli un totale intuitivo — 100 funziona bene per le percentuali; totali più piccoli (10, 20) sono più comodi nei compiti veloci
Usa i campi numerici quando serve precisione — se i valori esatti contano, i campi numerici sono più accurati dei cursori
Usa i cursori per la velocità — i cursori sono più rapidi per le assegnazioni approssimative
Limita il numero di elementi — oltre 7-8 elementi la distribuzione dei punti diventa cognitivamente pesante
Valuta le assegnazioni minime — usa min_per_item quando ogni categoria deve ricevere almeno qualche punto
Dai un contesto chiaro — spiega che cosa rappresentano i punti (importanza, tempo, denaro, ecc.)

Ulteriori letture

Etichette soft — distribuzione di probabilità con cursori collegati
Best-Worst Scaling — annotazione delle preferenze relative
Scale Likert — scale di valutazione ordinali

Per i dettagli implementativi, vedi la documentazione sorgente.