시계열에서 이벤트를 식별하려고하는 여러 독립 코더가 있습니다.이 경우 대면 대화 비디오를보고 특정 비언어적 행동 (예 : 헤드 노드)을 찾고 각 시간과 범주를 코딩합니다. 행사. 이 데이터는 샘플링 속도가 높은 (30 프레임 / 초) 이산 시계열 또는 연속 시계열로 처리하기에 적당 할 수 있습니다.
인터-래터 신뢰도의 일부 측정 값을 계산하고 싶지만 이벤트 발생 시기에 약간의 불확실성이 있을 것으로 예상 합니다. 즉, 한 코더가 다른 코더가 시작했다고 생각한 것보다 1/4 초 후에 특정 움직임이 시작된 코드를 예상 할 수 있습니다. 도움이되는 경우는 드물다. 일반적으로 이벤트간에 최소 몇 초 (수백 개의 비디오 프레임)가 필요합니다.
이러한 종류의 동의와 불일치를 모두 검토하는 평가자 간 신뢰도를 평가하는 좋은 방법이 있습니까? (1) 평가자는 어떤 이벤트가 발생했는지 (있는 경우)에 동의하고, (2) 언제 발생했는지 에 동의 합니까? 두 번째는 사람들에게 말하는 것과 같이 대화에서 발생하는 다른 것들과 관련하여 이러한 이벤트의 타이밍을 보는 데 관심이 있기 때문에 나에게 중요합니다.
내 분야의 표준 관행은 사물을 시간 조각으로 나누고, 1/4 분의 1 정도라고 말하고 각 조각이 시간 조각별로보고 된 이벤트를 집계 한 다음 Cohen의 카파 또는 유사한 측정을 계산하는 것 같습니다. 그러나 슬라이스 기간의 선택은 특별하며, 이벤트 시간의 불확실성에 대한 좋은 아이디어는 얻지 못합니다.
내가 지금까지 생각한 것은 일종의 신뢰성 곡선을 계산할 수 있다는 것입니다. 두 개의 이벤트가 동시에 코딩되는 것으로 간주되는 창 크기의 함수 인 kappa와 같은 것입니다. 그래도 어디로 가야할지 모르겠습니다.