基于R实现ELAN标注片段长度的跨编码者信度评估脚本问询

现成脚本说明 #

目前没有专门适配ELAN标注片段跨编码者信度验证的通用现成脚本，但可以用R的dplyr和purrr包快速实现你需要的功能。

实现步骤与代码 #

1. 模拟示例数据

先构造符合需求的示例数据集（实际使用时替换为你的真实数据即可）：

library(dplyr)
library(purrr)

# 模拟Coder1的标注数据
Coder1 <- tibble(
  coder = "Coder1",
  segment_type = rep("vocalization", 5),
  begin = c(363, 356, 360, 369, 392),
  end = c(364, 356, 360, 374, 392),
  dur = c(0.41, 0.33, 0.29, 4.92, 0.21)
)

# 模拟Coder2的标注数据
Coder2 <- tibble(
  coder = "Coder2",
  segment_type = rep("vocalization", 4),
  begin = c(363.2, 369.1, 371.5, 400),
  end = c(363.8, 371.2, 374.1, 401),
  dur = c(0.6, 2.1, 2.6, 1)
)

2. 核心匹配逻辑实现

针对Coder1的每个"vocalization"片段，检查Coder2中是否存在至少一个同类型片段满足起始时间差≤1秒、结束时间差≤1秒、时长差≤1秒的条件，满足则标记Match=TRUE：

# 筛选出两个编码者的发声片段
c1_voc <- Coder1 %>% filter(segment_type == "vocalization")
c2_voc <- Coder2 %>% filter(segment_type == "vocalization")

# 为Coder1添加Match列
output <- c1_voc %>%
  mutate(
    Match = map_lgl(row_number(), function(i) {
      # 提取当前行的时间参数
      curr_begin <- begin[i]
      curr_end <- end[i]
      curr_dur <- dur[i]
      
      # 检查Coder2中是否存在符合条件的片段
      any(
        abs(c2_voc$begin - curr_begin) <= 1,
        abs(c2_voc$end - curr_end) <= 1,
        abs(c2_voc$dur - curr_dur) <= 1,
        .and = TRUE  # 确保三个条件同时满足
      )
    })
  )

3. 查看结果

运行后输出符合预期的结果：

> head(output)
# A tibble: 5 x 6
  coder  segment_type begin   end   dur Match
  <chr>  <chr>        <dbl> <dbl> <dbl> <lgl>
1 Coder1 vocalization   363   364  0.41 TRUE 
2 Coder1 vocalization   356   356  0.33 FALSE
3 Coder1 vocalization   360   360  0.29 FALSE
4 Coder1 vocalization   369   374  4.92 TRUE 
5 Coder1 vocalization   392   392  0.21 FALSE

逻辑说明 #

• 先筛选出目标类型片段，避免无关数据干扰计算
• 使用map_lgl逐行处理Coder1的数据，只要Coder2中有任意一个片段同时满足三个时间差条件，当前行的Match就设为TRUE，完美适配编码者对同一发声片段的拆分/合并标注场景

内容的提问来源于stack exchange，提问作者Catherine Laing