論文：understanding the effect of task Descriptions on participation in crowdsourcing contests. Hawaii International Conference on System Sciences (HICSS)

摘要

許多僱主正在努力解決如何在眾包平臺上提供有吸引力的任務，用戶可以被有效地整合到公司的任務中。在這項研究中，調查了眾包任務描述的語言風格，並分析了這些語言風格在吸引參與者方面與任務描述成功的相關程度。基於不確定性降低理論和源可信度理論，對2,014項設計競賽的實證分析表明，某些語言風格將降低眾包解決者所感知的不確定性，提高僱主的可信度，對參與產生積極影響。同時，這些觀察到的效果可以被為完成眾包任務而提供的獎勵的幅度影響。這項研究的結果為有關眾包參與，語言學以及心理過程的理論提供了支持，同時為行業在如何更好地描述自己的眾包任務提出了很好的見解。

1.介紹

任何眾包任務的核心組成部分是任務的描述，其中給定的僱主提出了要解決的任務。這些描述通常是給定公司發佈的任務的詳細介紹。對此任務感興趣的潛在參與者將閱讀此內容，瞭解公司的要求，並決定是否參與。因此，可以看出，僱主向潛在求解者提出要求的方式對於有效的眾包任務至關重要。在這項研究中，我們關注眾包任務的語言風格以及這種風格如何與提高參與度的成功相關。

在之前的研究中，關於任務描述的研究主要集中於標題長度、任務長度以及手

動註釋分析細節水平的效用。在本文的研究中，在眾包參與的背景下對於語言的作用進行了深入分析。基於不確定性降低理論和源可信度理論，將一些特定的語言風格如信息具體性，認知複雜性引入到研究的預測模型中進行研究。從關於心理語言學的研究文獻和人際說服的背景來看，這些變量可能有效地減少用戶的不確定性並提高僱主的可信度，然後對參與產生積極影響。還發現這些語言風格在任務描述中所起的作用與完成給定任務所提供的獎勵數量有關。

主要貢獻

1. 本研究是從語言風格的角度解釋任務描述影響眾包參與的首批研究之一。
2. 這項研究有助於將語言風格研究應用於一個新的領域，即眾包競賽。
3. 本研究考慮了用戶初始注意力與實際參與度之間的差異，發現了語言風格在將潛在求解者轉化為實際參與者方面所起的作用。

2. 理論和假設

2.1. 理論

不確定性降低理論（URT）是一種源於系統科學和心理學的理論。“不確定性”通常也被稱為“不穩定的情緒”，表示當個體無法對自己的心理和行為做出具體而明確的識別和評估時，其心理狀態存在不確定性。眾包競賽代表充滿不確定性的情況。

來源可信度是指這些用戶所感知的信息來源的真實性， 可信度和完整性。過去關於該主題的研究發現，源可信度直接影響用戶的態度。具體而言，用戶對源信息的高置信度增加了信息可信度。在眾包背景下，過去的研究表明，參與者經常尋求具有更高品牌實力和更高信譽度的僱主。這是因為參與者通常期望他們的僱主具有高度可靠性，專業性和客觀性。

3.2. 假設

本研究提出求解者尋求和利用語言線索，以減少不確定性並推斷其潛在僱主的可信度，從而影響求解者參與眾包項目的比率。簡而言之，任務描述需要展示一些特定的特徵，如信息具體性，認知複雜性，心理距離，語言的準確性和知識產權聲明。

消息具體性:

H1（a）：包含更具體語言的眾包任務描述（通過使用更多文章）將表現出更多的參與。

H1（b）：包含更具體語言的眾包任務描述（通過使用更多量詞）將表現出更多的參與。

認知複雜性：

H2：包含更多認知複雜性標記的眾包任務描述（即更多否定詞）將表現出更多的參與。

	心理距離：
	H3（a）：心理距離較低的眾包任務描述（通過使用較少的第一人稱代詞）將表現出更多的參與。
	H3（b）：心理距離較低的眾包任務描述（通過使用較少的焦慮相關詞）將表現出更多的參與。

精確語言：

H4：使用精確語言的眾包任務描述將表現出更多的參與。

H5：擁有知識產權聲明的眾包任務描述將表現出更多的參與。

任務獎勵的適度效果：

H6（a）：所提供的獎勵金額將對眾包任務描述中的具體性（使用更多文章）的作用產生負面影響。

H6（b）：所提供的獎勵金額將對眾包任務描述中的具體性（使用更多量詞）的作用產生負面影響。

H7：所提供的獎勵金額將對眾包任務描述中認知複雜性的作用產生負面影響。

H8（a）：所提供的獎勵金額將對眾包任務描述中心理疏遠（使用較少的第一人稱代詞）的作用產生負面影響。

H8（b）：所提供的獎勵金額將對眾包任務描述中心理疏遠（使用較少的焦慮相關詞）的作用產生負面影響。

H9：所提供的獎勵金額將對在眾包任務描述中使用精確語言的作用產生負面影響。

H10：所提供的獎勵金額將對眾包任務描述中的知識產權聲明的作用產生負面影響。

4. 方法

4.1. 樣品

本研究調查了一個在線進行的現實世界眾包競賽的大型數據集。這些數據來自TaskCN.com，這是中國主要的眾包平臺之一。該研究的樣本數據是在2015年1月至2018年1月的三年內收集的。總共包括約3,700個單一獲勝者競賽項目。

4.2. 可變測量

因變量：研究的因變量，眾包競賽的參與，可以具體測量為在眾包平臺上直接可用的解算器數量。

獨立變量：研究的獨立變量例如：信息具體性，認知複雜性和心理距離可以使用LIWC 2015軟件進行分析。對於本研究，每個任務描述都將轉換為文本文件並分配一個標識號。然後編寫代碼以對每個單獨的文本執行中文分詞。此後，LIWC程序分別處理每個任務描述，產生指示每個類別的詞頻的輸出。但是，使用LIWC無法測量兩個變量，即精確語言和知識產權聲明。

TTR的較高值將表明溝通者（指眾包僱主）的謹慎和靈巧操縱，而TTR的較低值與更輕鬆和透明的溝通方式相關聯。

控制變量：本研究控制了幾個與眾包成功相關的因素。這些控制變量分別為：市場成熟度（任務ID），任務獎勵金額，任務持續時間（以分鐘為單位），任務標題長度（以中文字符數表示），任務描述長度（以中文字符數表示），數量關注者，僱主的信用評分，註冊時間，已發佈任務的累計數量，以及僱主是否使用了電子郵件或實名認證。

5. 結果分析

為了測試該研究的假設，搭建了三個迴歸模型，並通過了多元迴歸的統計假設檢驗。首先運行僅包含控制變量的基本模型。與過去對這些變量進行的研究一致，市場成熟度，獎勵金額，追隨者數量，任務持續時間和任務標題長度均與眾包參與相關。

對於模型2，假設具體語言（即文章和量詞），心理距離（即人稱代詞），認知複雜性，精確語言和知識產權聲明與參與度相關。結果發現該模型很好地擬合了數據， p值小於0.001。然而，研究發現精確的語言，文章和焦慮並不重要。此外，發現量詞的數量與預測的相反。具體而言，隨著量詞數量的減少，表現出更高的參與率。

對於模型3，本研究假設語言風格的影響可以通過眾包任務描述中的任務獎勵來緩和。根據結果可以得出結論，所提供的獎勵數量對否定詞，知識產權和第一人稱代詞具有顯著的調節作用。同時，獎勵金額將在調節否定詞的效果方面表現出積極的效果。

6. 討論

6.1. 主要發現

在本研究中， H1（a）， H3（a）， H4， H5， H8（a）和H10的假設被採納，然而，對於H2和H6，發現結果與本研究的假設相反。本研究的結果與過去的研究形成鮮明對比，過去的研究表明，眾包的動態在可變任務描述中可能是穩定的。

6.2. 實際影響

從實用的角度來看，這項研究的研究結果表明，僱主可以使用幾種策略來更好地描述他們的任務要求並吸引更多的求解者參與。首先，潛在的參與者將讀取任務描述以減少不確定性。僱主可以使用具有更多認知複雜性並使用更少量詞的措辭。其次，通過眾包任務描述提供高質量的信息，僱主可以提高他們對任務的可信度。為實現這一目標，僱主應使用較少的人稱代詞，並在其任務描述中提供明確的知識產權聲明。一般而言，僱主提供的任務信息越詳細，潛在解決者對僱主越有信心，參與者就會越多。

致謝

本文由中國科學院軟件研究所2018級碩士胡天毅翻譯轉述。

閱讀更多 慕測科技 的文章

關鍵字: 對眾 語言 設計