Useright: a framework for data quality management in crowdsourcing systems
Notice bibliographique
Résumé
There are many problems which cannot be solved by machines, we still need help from people who are intelligent and have skills to solve those problems.Crowdsourcing is the field which uses the skills of people to work on complex problems.In the past decade, many crowdsourcing systems were developed and it is still a growing field among companies and researchers.Though there are many advantages to crowdsourcing, they still lack proper data quality measures.We enumerate the factors that can lead to different data quality problems in crowdsourcing systems.We present a general model for crowdsourcing and talk about different crowdsourcing systems using that general model.This thesis also discusses the classification of crowdsourcing systems using different data quality perspectives.To tackle the data quality problems, we describe the Useright Framework that provides a certification scheme for words and phrases in the document.In this framework, an author publishes documents using credentials obtained from one or more Useright granting institutes.An author asks an institute to provide Useright permissions for a collection of words and phrases that author has chosen.To keep the author's identity private and to check anonymity of author while reading, we introduce the cheap verification scheme.The Useright score for institute is used to increase the believability of document.We provide a design for an extended Useright Framework where an author can edit another author's document using his/her own Useright words and phrases.To evaluate the Useright Framework, we carried out a survey study on Amazon Mechanical Turk, where users were asked to estimate the data quality factors for different documents that were presented in different ways. List ofTables ix 5.2 Variance of Author Qualification for All Documents with All 4 Versions from AMT Workers who spent more than 120 Seconds . . . . . . . . .75 5.3 Variance of Free of Error (Accuracy) for All Documents with All 4Versions from AMT Workers who spent more than 120 Seconds . . . .75
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».