25、数据标注人员协作指南

数据标注人员协作指南

在数据标注领域，不同类型的工作人员有着各自独特的优势和特点。了解如何与他们协作，对于提高数据标注的质量和效率至关重要。本文将详细介绍内部专家和外包人员在数据标注中的相关要点。

1. 数据标注与模型预测审查

• 标注的广义定义 ：标注在不同场景下有不同含义，既可以指对原始数据进行标注，也可以是人类在机器学习模型辅助下或与模型交互进行标注。
• 工作量计算要点 ：计算标注工作量时，要考虑数据呈现的不同方式以及所需的不同工作量。

2. 机器学习辅助人类标注

• 模型的双重用途 ：许多模型既可以用于自动化任务，也可以辅助人类工作。例如，碰撞检测算法可用于自动驾驶车辆，也可用于提醒驾驶员；医学成像算法可用于诊断，也可辅助医生决策。
• 工作原则 ：对于机器学习辅助人类的情况，要遵循工作安全和透明度原则。明确目标是辅助终端用户工作，而非训练自动化替代者。若要利用终端用户反馈实现任务自动化，需坦诚告知并给予相应补偿。

3. 内部专家

内部专家通常是指与算法构建者在同一组织工作的人员。尽管他们是大多数机器学习项目的主要劳动力，但与外包和众包人员相比，对内部标注人员的质量控制和人员管理研究较少。

3.1 内部专家的优势

• 领域专业知识 ：在处理复杂问题时，如分析财务报告或诊断医学图