Skip to content

语义差异量表

在 Potato 中配置语义差异量表，用两极形容词对测量态度，档位数可自行设定。

语义差异量表标注方案给标注者呈现一组两极形容词量表，用于测量态度、感受或概念的内涵意义。每条量表的两端是一对相反的形容词（例如 Good 与 Bad），标注者在这条谱系上选一个位置来表示条目落在哪里。

Potato semantic differential scales rating text as formal/informal, positive/negative, and simple/complexSemantic differential in Potato

概览

语义差异量表由 Charles Osgood 在 1950 年代提出，是心理学和社会科学中测量概念内涵意义的成熟方法。在标注任务里，它适合捕捉单一评分量表表达不了的、细致的多维度感受。

快速开始

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

配置项

字段类型默认值说明
annotation_typestring必填必须为 "semantic_differential"
namestring必填本方案的唯一标识符
descriptionstring必填展示给标注者的说明文字
pairsarray必填[左侧形容词, 右侧形容词] 组成的列表
scale_pointsinteger7每条两极量表的档位数（通常为 5 或 7）
show_center_labelbooleantrue是否在量表中点显示 Neutral 标签
label_requirement.requiredbooleanfalse是否所有量表都必须评分才能继续

示例

文本风格评估

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

说话人印象

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

产品评价

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

情感维度（EPA）

经典的评价-效力-活动（Evaluation-Potency-Activity）框架：

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

输出格式

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

取值从 1（左侧形容词）到 scale_points（右侧形容词），中点表示中立。

实践建议

  1. 默认用 7 档量表 —— 这是语义差异研究的通行做法，粒度也够用
  2. 让极性方向交错 —— 把「正面」形容词分散在左右两侧，避免标注者形成固定的作答模式
  3. 每个条目控制在 5 到 8 对 —— 量表太多会让人疲劳，数据质量随之下降
  4. 优先用现成的形容词对 —— 已有研究中验证过的形容词对可以直接复用
  5. 保留中点标签 —— 中立点是标注者重要的参照
  6. 打乱形容词对的顺序 —— 条件允许的话变换呈现顺序，减少锚定效应

延伸阅读

有关实现详情，请参阅源文档。