无障碍主义 AI 数据集注释：与会者共同设计 stuttering 语音注释指南
人机交互
2026-02-12 v1
摘要
尽管努力增加残障人士在 AI 数据集中的代表性，但无障碍数据集往往由 lack of disability-specific 专业知识的众包工作者进行注释，导致标签不一致或不准确。本文通过对 stuttered speech 数据注释案例研究，探讨了这些注释挑战。鉴于 stuttering 的多样性以及对其表现方式的不同看法，即使是经过训练的专业人员，也难以进行 stuttered speech 的注释和转录。通过与 stuttered speech 数据的受访者和领域专家进行访谈和共同设计工作坊，我们确定了 stuttered speech 注释的挑战，并开发了将 stuttered speech 数据持有者的 lived experience 融入注释过程的实践。我们的发现凸显了具身知识在改善数据集质量方面的价值，同时揭示了残障经验的复杂性与静态标签刚性之间的张力。我们以多样性感知的方法在 AI 管道中进行数据解释，提出了无障碍主义的含义。
关键词
引用
@article{arxiv.2602.10403,
title = {Disability-First AI Dataset Annotation: Co-designing Stuttered Speech Annotation Guidelines with People Who Stutter},
author = {Xinru Tang and Jingjin Li and Shaomei Wu},
journal= {arXiv preprint arXiv:2602.10403},
year = {2026}
}