此页面尚未提供您所选语言的版本，当前显示英文版本。

Crowdsourcing-Integration

Integration mit Prolific, MTurk und anderen Crowdsourcing-Plattformen.

Crowdsourcing-Integration

Potato lässt sich nahtlos mit Crowdsourcing-Plattformen wie Prolific und Amazon Mechanical Turk für groß angelegte Annotationsaufgaben integrieren.

Prolific-Integration

Grundlegende Einrichtung

yaml

crowdsourcing:
  platform: prolific
  enabled: true
  completion_code: "POTATO2024"  # Code shown on completion

URL-Parameter

Prolific übergibt Teilnehmerinformationen über URL-Parameter:

yaml

crowdsourcing:
  platform: prolific
  url_params:
    - PROLIFIC_PID    # Participant ID
    - STUDY_ID        # Study ID
    - SESSION_ID      # Session ID

Worker greifen wie folgt zu:

text

https://your-server.com/?PROLIFIC_PID=xxx&STUDY_ID=xxx&SESSION_ID=xxx

Prolific-Konfiguration

In Ihren Prolific-Studieneinstellungen:

Setzen Sie die Study URL auf Ihren Potato-Server
Fügen Sie URL-Parameter hinzu: ?PROLIFIC_PID={{%PROLIFIC_PID%}}&STUDY_ID={{%STUDY_ID%}}&SESSION_ID={{%SESSION_ID%}}
Setzen Sie den Completion code passend zu Ihrer Konfiguration

Validierung

Prolific-Teilnehmer verifizieren:

yaml

crowdsourcing:
  platform: prolific
  validate_participant: true
  completion_code: "POTATO2024"

Amazon MTurk-Integration

Grundlegende Einrichtung

yaml

crowdsourcing:
  platform: mturk
  enabled: true

HIT-Konfiguration

Erstellen Sie ein External Question HIT, das auf Ihren Server zeigt:

xml

<?xml version="1.0" encoding="UTF-8"?>
<ExternalQuestion xmlns="http://mechanicalturk.amazonaws.com/AWSMechanicalTurkDataSchemas/2006-07-14/ExternalQuestion.xsd">
  <ExternalURL>https://your-server.com/?workerId=${workerId}&amp;assignmentId=${assignmentId}&amp;hitId=${hitId}</ExternalURL>
  <FrameHeight>800</FrameHeight>
</ExternalQuestion>

URL-Parameter

yaml

crowdsourcing:
  platform: mturk
  url_params:
    - workerId
    - assignmentId
    - hitId

Sandbox-Tests

Testen Sie zuerst mit der MTurk Sandbox:

yaml

crowdsourcing:
  platform: mturk
  sandbox: true  # Use sandbox environment

Worker-Verwaltung

Worker verfolgen

yaml

crowdsourcing:
  track_workers: true
  worker_id_field: worker_id

Instanzen pro Worker begrenzen

yaml

instances_per_annotator: 50

Zurückkehrende Worker blockieren

Verhindern Sie, dass Worker die Aufgabe wiederholen:

yaml

crowdsourcing:
  prevent_retakes: true

Qualitätskontrolle

Aufmerksamkeitsprüfungen

Testfragen einfügen:

yaml

attention_checks:
  enabled: true
  frequency: 10  # Every 10 instances
  fail_threshold: 2
  action: warn  # or 'block'

Goldstandard-Fragen

json

{
  "id": "gold_1",
  "text": "The sky is typically blue during a clear day.",
  "gold_label": "True",
  "is_gold": true
}

yaml

quality_control:
  gold_questions: true
  gold_percentage: 10  # 10% of instances
  min_gold_accuracy: 70

Zeitlimits

yaml

crowdsourcing:
  min_time_per_instance: 5  # seconds
  max_time_total: 3600  # 1 hour

Arbeit minderer Qualität ablehnen

yaml

quality_control:
  auto_reject:
    enabled: true
    conditions:
      - gold_accuracy_below: 50
      - completion_time_under: 300  # seconds

Abschlussbehandlung

Abschlusscode anzeigen

yaml

completion:
  show_code: true
  code: "POTATO2024"
  message: "Thank you! Your completion code is: {code}"

Weiterleitung bei Abschluss

yaml

completion:
  redirect: true
  redirect_url: "https://prolific.co/submissions/complete?cc={code}"

Benutzerdefinierte Abschlussseite

yaml

completion:
  custom_template: templates/completion.html

Vergütungsstufen

Basierend auf Qualität

yaml

payment:
  tiers:
    - name: bonus
      condition:
        gold_accuracy_above: 90
      amount: 0.50
    - name: standard
      condition:
        gold_accuracy_above: 70
      amount: 0.00
    - name: reject
      condition:
        gold_accuracy_below: 50

Vollständiges Beispiel: Prolific-Studie

yaml

task_name: "Sentiment Analysis Study"
 
# Crowdsourcing settings
crowdsourcing:
  platform: prolific
  enabled: true
  completion_code: "SENT2024"
  url_params:
    - PROLIFIC_PID
    - STUDY_ID
    - SESSION_ID
  prevent_retakes: true
 
# Open access for crowdworkers
allow_all_users: true
 
# Task assignment
instances_per_annotator: 50
annotation_per_instance: 3
 
# Quality control
attention_checks:
  enabled: true
  frequency: 10
  fail_threshold: 2
 
quality_control:
  gold_questions: true
  gold_percentage: 5
  min_gold_accuracy: 70
 
# Data
data_files:
  - path: data/main.json
    text_field: text
 
# Annotation scheme
annotation_schemes:
  - annotation_type: radio
    name: sentiment
    description: "What is the sentiment?"
    labels:
      - Positive
      - Negative
      - Neutral
    keyboard_shortcuts:
      Positive: "1"
      Negative: "2"
      Neutral: "3"
 
# Completion
completion:
  show_code: true
  code: "SENT2024"
  message: |
    ## Thank you for participating!
 
    Your completion code is: **{code}**
 
    Please return to Prolific and enter this code to receive payment.

Vollständiges Beispiel: MTurk HIT

yaml

task_name: "Image Classification HIT"
 
crowdsourcing:
  platform: mturk
  enabled: true
  url_params:
    - workerId
    - assignmentId
    - hitId
 
allow_all_users: true
instances_per_annotator: 20
 
# Time constraints
crowdsourcing:
  min_time_per_instance: 3
  max_time_total: 1800
 
# MTurk form submission
completion:
  mturk_submit: true
  submit_url: "https://www.mturk.com/mturk/externalSubmit"
 
annotation_schemes:
  - annotation_type: radio
    name: category
    description: "What is shown in this image?"
    labels:
      - Cat
      - Dog
      - Bird
      - Other

Worker überwachen

Admin-Dashboard

yaml

admin_users:
  - researcher@university.edu
 
admin_dashboard:
  enabled: true
  show_worker_stats: true

Unter /admin einsehen:

Worker-Abschlussraten
Durchschnittliche Zeit pro Instanz
Goldgenauigkeitswerte
Ergebnisse der Aufmerksamkeitsprüfungen

Worker-Daten exportieren

bash

potato export-workers config.yaml --output workers.csv

Bewährte Methoden

Gründlich testen - Pilotversuch mit kleiner Gruppe zuerst
Faire Vergütung festlegen - Geschätzte Zeit berechnen und fair bezahlen
Klare Anweisungen - Beispiele und Sonderfälle einbeziehen
Aufmerksamkeitsprüfungen verwenden - Zufälliges Klicken erkennen
Goldfragen einbeziehen - Verständnis verifizieren
Echtzeit-Überwachung - Probleme frühzeitig erkennen
Ablehnung einplanen - Klare Qualitätskriterien im Voraus festlegen
Probleme kommunizieren - Worker über Probleme kontaktieren
Auf Feedback aufbauen - Auf Basis von Worker-Kommentaren verbessern
Daten regelmäßig exportieren - Nicht bis zum Ende warten

Weiterführende Informationen

MTurk Integration - Detaillierter MTurk-Einrichtungsleitfaden
Passwordless Login - URL-basierte Authentifizierung
Quality Control - Aufmerksamkeitsprüfungen und Goldstandards

Implementierungsdetails finden Sie in der Quelldokumentation.