A Machine Learning-Based Approach to Enhancing Label Aggregation in Crowdsourcing

Himanshu Suyal; Avtar Singh

doi:10.14201/adcaij.32757

A Machine Learning-Based Approach to Enhancing Label Aggregation in Crowdsourcing

Himanshu Suyal

School of Computer Science Engineering & Technology, Bennett University, Greater Noida, Uttar Pradesh, India suyal.himanshu[at]gmail.com
Avtar Singh

Department of Computer Science Engineering, Dr B. R. Ambedkar NIT Jalandhar, Punjab 144008, India

https://doi.org/10.14201/adcaij.32757

Descargar

+ −

Métricas

306 Views

446 Downloads

752 Total

Cómo citar

Suyal, H., & Singh, A. (2025). A Machine Learning-Based Approach to Enhancing Label Aggregation in Crowdsourcing. ADCAIJ: Advances in Distributed Computing and Artificial Intelligence Journal, 14, e32757. https://doi.org/10.14201/adcaij.32757

Descargar cita

Fechas editoriales

Enviado:

2025-01-05

Aceptado:

2025-09-30

Publicado:

2025-12-09

Número

Vol. 14 (2025)

Sección

Artículos

Palabras clave

supervised machine learning
crowdsourcing
label aggregation
class imbalance

Agencias de apoyo

Esta investigación no contó con financiación

Licencia

Derechos de autor 2025 Himanshu Suyal

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Usted es libre de:

Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar — remezclar, transformar y construir a partir del material
La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia

Bajo los siguientes términos:

Atribución — Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
NoComercial — Usted no puede hacer uso del material con propósitos comerciales.
CompartirIgual — Si remezcla, transforma o crea a partir del material, debe distribuir su contribución bajo la lamisma licencia del original.
No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.

Avisos:

No tiene que cumplir con la licencia para elementos del materiale en el dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.

No se dan garantías. La licencia podría no darle todos los permisos que necesita para el uso que tenga previsto. Por ejemplo, otros derechos como publicidad, privacidad, o derechos morales pueden limitar la forma en que utilice el material.