Skip to content

의미 미분 척도

양극성 형용사 쌍과 구성 가능한 척도 점수를 사용하여 태도를 측정하는 Potato의 의미 미분 척도를 구성합니다.

의미 미분 척도 주석 스키마는 태도, 인식 또는 함축적 의미를 측정하기 위해 주석자에게 양극성 형용사 척도를 제시합니다. 각 척도는 양쪽 끝에 상반되는 형용사가 있으며(예: "Good" vs. "Bad"), 주석자는 항목이 어디에 해당하는지 나타내기 위해 스펙트럼상의 한 지점을 선택합니다.

개요

Charles Osgood가 1950년대에 개발한 의미 미분 척도는 개념의 함축적 의미를 측정하기 위해 심리학과 사회 과학에서 잘 확립된 방법입니다. 주석 작업에서는 단일 평가 척도로 표현할 수 없는 미묘하고 다차원적인 인식을 포착하는 데 유용합니다.

빠른 시작

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

구성 옵션

필드유형기본값설명
annotation_typestring필수"semantic_differential"이어야 합니다
namestring필수이 스키마의 고유 식별자
descriptionstring필수주석자에게 표시되는 안내문
pairsarray필수[left_adjective, right_adjective] 쌍의 목록
scale_pointsinteger7각 양극성 척도의 점수 개수(일반적으로 5 또는 7)
show_center_labelbooleantrue척도 중앙에 "Neutral" 레이블 표시
label_requirement.requiredbooleanfalse다음으로 넘어가기 전에 모든 척도를 평가해야 하는지 여부

예시

텍스트 스타일 평가

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
    show_center_label: true

화자 인식

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
    label_requirement:
      required: true

제품 평가

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
    show_center_label: true

감정 차원(EPA)

고전적인 평가-역량-활동 프레임워크입니다:

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
    show_center_label: true
    label_requirement:
      required: true

출력 형식

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

값은 1(왼쪽 형용사)부터 scale_points(오른쪽 형용사)까지의 범위를 가지며, 중간점은 중립을 나타냅니다.

모범 사례

  1. 기본적으로 7점 척도를 사용하십시오 - 의미 미분 척도 연구의 표준이며 충분한 세분성을 제공합니다
  2. 쌍 전반에 걸쳐 극성의 균형을 맞추십시오 - 어느 쪽이 "긍정적" 형용사를 갖는지 섞어 응답 편향을 방지하십시오
  3. 항목당 쌍을 5~8개로 제한하십시오 - 척도가 너무 많으면 피로를 유발하고 데이터 품질을 떨어뜨립니다
  4. 확립된 형용사 쌍을 사용하십시오 - 가능한 경우 기존 연구에서 검증된 쌍을 활용하십시오
  5. 중앙 레이블을 유지하십시오 - 중립 중간점은 주석자에게 중요한 기준점입니다
  6. 쌍의 순서를 무작위로 하십시오 - 가능하다면 제시 순서를 다양화하여 정박 효과를 줄이십시오

추가 자료

구현 세부 사항은 원본 문서를 참조하십시오.