CrowdAct
CrowdAct
复制标题
群众法案
DOI：
10.1145/3432222
复制
发表时间：
2021
影响因子：
--
通讯作者：
Sozo Inoue
中科院分区：
文献类型：
--
作者：
Nattaya Mairittha;Tittaya Mairittha;P. Lago;Sozo Inoue
在这项研究中，我们提出了新的游戏化的主动学习和不准确检测的众包数据标记的活动识别系统，使用移动的传感（CrowdAct）。首先，我们利用主动学习来解决缺乏准确信息的问题。其次，我们提出了将游戏化融入主动学习，以克服缺乏动力和持续参与的问题。最后，我们介绍了一个不准确的检测算法，以尽量减少不准确的数据。为了证明所提出的模型在现实环境中的能力和可行性，我们开发并部署了一个众包平台的CrowdAct系统。在我们的实验设置中，我们招募了120名不同的工人。此外，我们还使用智能手机传感器和用户参与信息从19个活动类别中收集了6，549个活动标签。我们通过使用机器学习、描述性和推断性统计等技术将CrowdAct与基线进行比较，以实证方式评估了CrowdAct的质量。我们的研究结果表明，CrowdAct在提高活动准确性识别，提高员工参与度和减少众包数据标签中的不准确数据方面是有效的。根据我们的研究结果，我们强调了有关通过众包设计高效活动数据收集的关键且有前途的未来研究方向。
In this study, we propose novel gamified active learning and inaccuracy detection for crowdsourced data labeling for an activity recognition system using mobile sensing (CrowdAct). First, we exploit active learning to address the lack of accurate information. Second, we present the integration of gamification into active learning to overcome the lack of motivation and sustained engagement. Finally, we introduce an inaccuracy detection algorithm to minimize inaccurate data. To demonstrate the capability and feasibility of the proposed model in realistic settings, we developed and deployed the CrowdAct system to a crowdsourcing platform. For our experimental setup, we recruited 120 diverse workers. Additionally, we gathered 6,549 activity labels from 19 activity classes by using smartphone sensors and user engagement information. We empirically evaluated the quality of CrowdAct by comparing it with a baseline using techniques such as machine learning and descriptive and inferential statistics. Our results indicate that CrowdAct was effective in improving activity accuracy recognition, increasing worker engagement, and reducing inaccurate data in crowdsourced data labeling. Based on our findings, we highlight critical and promising future research directions regarding the design of efficient activity data collection with crowdsourcing.
Amazon Mechanical Turk 上工人收入的数据驱动分析
DOI：
10.48550/arxiv.1712.05796
发表时间：
2017
期刊：
arXiv e-prints
影响因子：
--
作者：
Hara Kotaro
通讯作者：
Hara Kotaro
影响因子：
16.6
作者：
Bulling, Andreas;Blanke, Ulf;Schiele, Bernt
通讯作者：
Schiele, Bernt