Skip to content

Differenziale semantico

Configura in Potato le scale a differenziale semantico per misurare gli atteggiamenti con coppie di aggettivi bipolari e un numero di punti a scelta.

Lo schema di annotazione a differenziale semantico propone agli annotatori scale di aggettivi bipolari per misurare atteggiamenti, percezioni o significati connotativi. Ogni scala ha aggettivi opposti alle due estremità (per esempio «Buono» contro «Cattivo») e l'annotatore sceglie un punto lungo lo spettro per indicare dove si colloca l'elemento.

Scale a differenziale semantico di Potato che valutano un testo su formale/informale, positivo/negativo e semplice/complessoSemantic differential in Potato

Panoramica

Sviluppate da Charles Osgood negli anni Cinquanta, le scale a differenziale semantico sono un metodo consolidato in psicologia e nelle scienze sociali per misurare il significato connotativo dei concetti. Nei compiti di annotazione servono a cogliere percezioni sfumate e multidimensionali che una singola scala di valutazione non riesce a esprimere.

Avvio rapido

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

Opzioni di configurazione

CampoTipoPredefinitoDescrizione
annotation_typestringObbligatorioDeve essere "semantic_differential"
namestringObbligatorioIdentificatore univoco per questo schema
descriptionstringObbligatorioIstruzioni visualizzate agli annotatori
pairsarrayObbligatorioElenco di coppie [aggettivo_sinistro, aggettivo_destro]
scale_pointsinteger7Numero di punti di ogni scala bipolare (di solito 5 o 7)
show_center_labelbooleantrueMostra un'etichetta «Neutral» al centro della scala
label_requirement.requiredbooleanfalseSe tutte le scale vanno valutate prima di proseguire

Esempi

Valutazione dello stile di un testo

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

Percezione di chi parla

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

Valutazione di un prodotto

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

Dimensioni emotive (EPA)

Il classico schema Evaluation-Potency-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

Formato di output

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

I valori vanno da 1 (aggettivo di sinistra) a scale_points (aggettivo di destra), con il punto intermedio che rappresenta la posizione neutra.

Buone pratiche

  1. Usa scale a 7 punti come impostazione di partenza - sono lo standard nella ricerca sul differenziale semantico e offrono una granularità sufficiente
  2. Bilancia la polarità tra le coppie - alterna il lato in cui compare l'aggettivo «positivo» per evitare risposte automatiche
  3. Tieni le coppie tra 5 e 8 per elemento - troppe scale stancano e abbassano la qualità dei dati
  4. Usa coppie di aggettivi già collaudate - quando esistono, riprendi le coppie validate dalla ricerca precedente
  5. Lascia l'etichetta centrale - il punto neutro è un riferimento utile per gli annotatori
  6. Randomizza l'ordine delle coppie - se puoi, varia l'ordine di presentazione per ridurre gli effetti di ancoraggio

Ulteriori letture

Per i dettagli implementativi, vedi la documentazione sorgente.