Відповіді на поширені запитання

Розмічений текст на платформі наразі походить з українських будівельних норм (ДБН). Кожен сегмент отримує три незалежні проходи розмітки, після чого — адʼюдикацію за опублікованими настановами з анотації та аудит одностайних записів (тих, де всі три проходи збіглися). Cohen’s κ наводимо для кожного документа; експертна валідація ще попереду.

Мовлення: учасники читають уголос короткі будівельні тексти в браузері (WebM/Opus, у Safari — MP4/AAC) або завантажують аудіофайли (бажано WAV); у даних мовці фігурують лише під псевдонімами (SPK-NNN).

Девʼять класів сутностей: material, tool, process, measurement, structure, safety, regulation, property, load_effect. Точні визначення міток і правила меж спанів — у настановах з анотації.

Подайте заявку на приєднання до платформи — після схвалення зможете анотувати завдання, читати вголос короткі будівельні тексти, додавати тексти й терміни в лексикон. Найактивніших учасників показано в таблиці учасників на головній сторінці; згадка учасників у dataset card — у планах.

Кожен сегмент отримує три незалежні проходи розмітки. Далі — адʼюдикація за опублікованими настановами, а одностайні записи (всі три проходи збіглися) проходять окремий аудит. Cohen’s κ наводимо для кожного документа, а на сторінці IAA показано метрики згоди для зведених записів. Експертна валідація ще попереду.

Ще ні — першу вибірку (текстовий корпус із datasheet і настановами) заплановано на IV квартал 2026 на Hugging Face і Zenodo. До того розмічені сегменти можна переглянути в огляді корпусу.

BibTeX — на сторінці датасетів, у розділі «Цитування». Цей запис охоплює проєкт загалом; цитування окремих підмножин (мовлення, текст, лексикон) буде наведено в кожному репозиторії на Hugging Face в міру їх публікації.

Аудіофайли зберігаються під службовими назвами та без метаданих, які може містити формат файлу (теги, програма запису, пристрій чи браузер, час створення); сам звук не змінюється. Мовці фігурують у даних лише під псевдонімами (SPK-NNN) — це псевдонімізація, а не анонімізація: голос лишається впізнаваним. Будь-який учасник може експортувати свої дані, відкликати згоду або видалити акаунт через робочий простір анотації (GDPR-панель). Подробиці — у Політиці конфіденційності.