Skip to content

トレーニングフェーズ

メインタスクの前に練習問題でアノテーターをトレーニングし資格認定する。

トレーニングフェーズ

Potato 2.0には、メインのアノテーションタスクを開始する前にアノテーターを資格認定するためのオプションのトレーニングフェーズが含まれています。アノテーターは既知の正解を持つ練習問題に回答し、パフォーマンスについてフィードバックを受け取ります。

使用場面

  • アノテーターがタスクを理解していることを確認する
  • 低品質のアノテーターをフィルタリングする
  • 実際のアノテーション前にガイド付き練習を提供する
  • 基準品質メトリクスを収集する
  • 例を通じてアノテーションガイドラインを教える

仕組み

  1. アノテーターがトレーニング問題のセットを完了する
  2. 各回答について即座にフィードバックを受ける
  3. 合格基準に対して進捗が追跡される
  4. 合格したアノテーターのみがメインタスクに進める

設定

基本設定

yaml
phases:
  training:
    enabled: true
    data_file: "data/training_data.json"
    schema_name: sentiment  # Which annotation scheme to train
 
    # Passing criteria
    passing_criteria:
      min_correct: 8  # Must get at least 8 correct
      total_questions: 10

完全な設定

yaml
phases:
  training:
    enabled: true
    data_file: "data/training_data.json"
    schema_name: sentiment
 
    passing_criteria:
      # Different criteria options (choose one or combine)
      min_correct: 8
      require_all_correct: false
      max_mistakes: 3
      max_mistakes_per_question: 2
 
    # Allow retries
    retries:
      enabled: true
      max_retries: 3
 
    # Show explanations for incorrect answers
    show_explanations: true
 
    # Randomize question order
    randomize: true

合格基準

トレーニングフェーズの合格にはさまざまな基準を設定できます：

最低正解数

yaml
passing_criteria:
  min_correct: 8
  total_questions: 10

アノテーターは10問中少なくとも8問正解する必要があります。

全問正解必須

yaml
passing_criteria:
  require_all_correct: true

アノテーターはすべての問題に正解する必要があります。

最大ミス数

yaml
passing_criteria:
  max_mistakes: 3

アノテーターは合計3回のミスで不合格になります。

問題あたりの最大ミス数

yaml
passing_criteria:
  max_mistakes_per_question: 2

アノテーターは1つの問題で2回ミスすると不合格になります。

複合基準

yaml
passing_criteria:
  min_correct: 8
  max_mistakes_per_question: 3

8問正解し、かつ1つの問題で3回以上ミスしないことが必要です。

トレーニングデータ形式

トレーニングデータには正解とオプションの説明を含める必要があります：

json
[
  {
    "id": "train_1",
    "text": "I absolutely love this product! Best purchase ever!",
    "correct_answers": {
      "sentiment": "Positive"
    },
    "explanation": "This text expresses strong positive sentiment with words like 'love' and 'best'."
  },
  {
    "id": "train_2",
    "text": "This is the worst service I've ever experienced.",
    "correct_answers": {
      "sentiment": "Negative"
    },
    "explanation": "The words 'worst' and the overall complaint indicate negative sentiment."
  },
  {
    "id": "train_3",
    "text": "The package arrived on time.",
    "correct_answers": {
      "sentiment": "Neutral"
    },
    "explanation": "This is a factual statement without emotional indicators."
  }
]

複数スキーマのトレーニング

複数のアノテーションスキームを持つタスクの場合：

json
{
  "id": "train_1",
  "text": "Apple announced new iPhone features yesterday.",
  "correct_answers": {
    "sentiment": "Neutral",
    "topic": "Technology"
  },
  "explanation": {
    "sentiment": "This is a factual news statement.",
    "topic": "The text discusses Apple and iPhone, which are tech topics."
  }
}

ユーザー体験

トレーニングフロー

  1. ユーザーに「トレーニングフェーズ」インジケーターが表示される
  2. 問題がアノテーションフォームとともに表示される
  3. ユーザーが回答を送信する
  4. 即座にフィードバックが表示される：
    • 正解：緑のチェックマーク、次へ進む
    • 不正解：赤のバツ印、説明が表示、リトライオプション

フィードバック表示

アノテーターが不正解の場合：

  • 正解がハイライトされる
  • 提供された説明が表示される
  • リトライボタンが表示される（リトライが有効な場合）
  • 合格基準に対する進捗が表示される

管理者モニタリング

管理者ダッシュボードでトレーニングのパフォーマンスを追跡できます：

  • 完了率
  • 平均正解数
  • 合格/不合格率
  • トレーニングに費やした時間
  • 問題ごとの正解率

/admin APIエンドポイントからアクセスできます：

text
GET /api/admin/training/stats
GET /api/admin/training/user/{user_id}

例：感情分析トレーニング

yaml
task_name: "Sentiment Analysis"
task_dir: "."
port: 8000
 
# Main annotation data
data_files:
  - "data/reviews.json"
 
item_properties:
  id_key: id
  text_key: text
 
annotation_schemes:
  - annotation_type: radio
    name: sentiment
    description: "What is the sentiment of this review?"
    labels:
      - Positive
      - Negative
      - Neutral
 
# Training phase configuration
phases:
  training:
    enabled: true
    data_file: "data/training_questions.json"
    schema_name: sentiment
 
    passing_criteria:
      min_correct: 8
      total_questions: 10
      max_mistakes_per_question: 2
 
    retries:
      enabled: true
      max_retries: 3
 
    show_explanations: true
    randomize: true
 
output_annotation_dir: "output/"
output_annotation_format: "json"
allow_all_users: true

例：NERトレーニング

yaml
annotation_schemes:
  - annotation_type: span
    name: entities
    description: "Highlight named entities"
    labels:
      - Person
      - Organization
      - Location
      - Date
 
phases:
  training:
    enabled: true
    data_file: "data/ner_training.json"
    schema_name: entities
 
    passing_criteria:
      min_correct: 7
      total_questions: 10
 
    show_explanations: true

スパンアノテーションのトレーニングデータ：

json
{
  "id": "train_1",
  "text": "Tim Cook announced that Apple will open a new store in New York on March 15.",
  "correct_answers": {
    "entities": [
      {"start": 0, "end": 8, "label": "Person"},
      {"start": 24, "end": 29, "label": "Organization"},
      {"start": 54, "end": 62, "label": "Location"},
      {"start": 66, "end": 74, "label": "Date"}
    ]
  },
  "explanation": "Tim Cook is a Person, Apple is an Organization, New York is a Location, and March 15 is a Date."
}

ベストプラクティス

1. シンプルから始める

エッジケースを導入する前に、わかりやすい例から始めましょう：

json
[
  {"text": "I love this!", "correct_answers": {"sentiment": "Positive"}},
  {"text": "I hate this!", "correct_answers": {"sentiment": "Negative"}},
  {"text": "It arrived yesterday.", "correct_answers": {"sentiment": "Neutral"}}
]

2. すべてのラベルをカバー

トレーニングにすべての可能なラベルの例を含めましょう：

json
[
  {"correct_answers": {"sentiment": "Positive"}},
  {"correct_answers": {"sentiment": "Negative"}},
  {"correct_answers": {"sentiment": "Neutral"}}
]

3. 明確な説明を書く

説明はアノテーションガイドラインを教えるものであるべきです：

json
{
  "explanation": "While this text mentions a problem, the overall tone is constructive and the reviewer expresses satisfaction with the resolution. This makes it Positive rather than Negative."
}

4. 合理的な基準を設定

不必要に完璧を求めないでください：

yaml
# Too strict - may lose good annotators
passing_criteria:
  require_all_correct: true
 
# Better - allows for learning
passing_criteria:
  min_correct: 8
  total_questions: 10

5. エッジケースを含める

アノテーターを準備するためにトリッキーな例を追加しましょう：

json
{
  "text": "Not bad at all, I guess it could be worse.",
  "correct_answers": {"sentiment": "Neutral"},
  "explanation": "Despite negative words like 'not bad' and 'worse', this is actually a lukewarm endorsement - neutral rather than positive or negative."
}

ワークフローとの統合

トレーニングはマルチフェーズワークフローと統合されます：

yaml
phases:
  consent:
    enabled: true
    data_file: "data/consent.json"
 
  prestudy:
    enabled: true
    data_file: "data/demographics.json"
 
  instructions:
    enabled: true
    content: "data/instructions.html"
 
  training:
    enabled: true
    data_file: "data/training.json"
    schema_name: sentiment
    passing_criteria:
      min_correct: 8
 
  annotation:
    # Main task - always enabled
    enabled: true
 
  poststudy:
    enabled: true
    data_file: "data/feedback.json"

パフォーマンスに関する考慮事項

  • トレーニングデータは起動時に読み込まれる
  • 進捗はセッションごとにメモリに保存される
  • メインアノテーションへのパフォーマンス影響は最小限
  • 複雑なトレーニングは複数フェーズに分割することを検討する

関連情報

実装の詳細については、ソースドキュメントを参照してください。