Ruth-Ann/jampatoisnli

---
annotations_creators:
- expert-generated
language:
- jam
language_creators:
- expert-generated
- found
license:
- other
multilinguality:
- monolingual
- other-english-based-creole
pretty_name: JamPatoisNLI
size_categories:
- n<1K
source_datasets:
- original
tags:
- creole
- low-resource-language
task_categories:
- text-classification
task_ids:
- natural-language-inference
---

# Dataset Card for [Dataset Name]

## Table of Contents
- [Table of Contents](#table-of-contents)
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-fields)
- [Data Splits](#data-splits)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)
- [Contributions](#contributions)

## Dataset Description

- **Homepage:**
- jampatoisnli.github.io
- **Repository:**
- https://github.com/ruth-ann/jampatoisnli
- **Paper:**
- https://arxiv.org/abs/2212.03419
- **Point of Contact:**
- Ruth-Ann Armsrong: [e-mail]

### Dataset Summary

JamPatoisNLI provides the first dataset for natural language inference in a creole language, Jamaican Patois.
Many of the most-spoken low-resource languages are creoles. These languages commonly have a lexicon derived from
a major world language and a distinctive grammar reflecting the languages of the original speakers and the process
of language birth by creolization. This gives them a distinctive place in exploring the effectiveness of transfer
from large monolingual or multilingual pretrained models.

### Supported Tasks and Leaderboards

Natural language inference

### Languages

Jamaican Patois

### Data Fields

premise, hypothesis, label

### Data Splits

Train: 250
Val: 200
Test: 200

### Data set creation + Annotations

Premise collection:
97% of examples from Twitter; remaining pulled from literature and online cultural website

Hypothesis construction:
For each premise, hypothesis written by native speaker (our first author) so that pair’s classification would be E, N or C

Label validation:
Random sample of 100 sentence pairs double annotated by fluent speakers

### Social Impact of Dataset

JamPatoisNLI is a low-resource language dataset in an English-based Creole spoken in the Caribbean,
Jamaican Patois. The creation of the dataset contributes to expanding the scope of NLP research
to under-explored languages across the world.

### Dataset Curators

[@ruth-ann](https://github.com/ruth-ann)

### Citation Information

@misc{https://doi.org/10.48550/arxiv.2212.03419,
doi = {10.48550/ARXIV.2212.03419},

url = {https://arxiv.org/abs/2212.03419},

author = {Armstrong, Ruth-Ann and Hewitt, John and Manning, Christopher},

keywords = {Computation and Language (cs.CL), Machine Learning (cs.LG), FOS: Computer and information sciences, FOS: Computer and information sciences, I.2.7},

title = {JamPatoisNLI: A Jamaican Patois Natural Language Inference Dataset},

publisher = {arXiv},

year = {2022},

copyright = {arXiv.org perpetual, non-exclusive license}
}

### Contributions

Thanks to Prof. Christopher Manning and John Hewitt for their contributions, guidance, facilitation and support related to the creation of this dataset.

annotations_creators:
- 专家生成
language:
- jam（牙买加帕图瓦语，Jamaican Patois）
language_creators:
- 专家生成
- 公开采集
license:
- 其他
multilinguality:
- 单语言
- 其他英语基克里奥尔语
pretty_name: JamPatoisNLI
size_categories:
- 样本数少于1000
source_datasets:
- 原创数据集
tags:
- 克里奥尔语（Creole）
- 低资源语言（Low-resource Language）
task_categories:
- 文本分类
task_ids:
- 自然语言推理（Natural Language Inference）

---

# 数据集卡片

## 目录
- [目录](#目录)
- [数据集描述](#数据集描述)
- [数据集摘要](#数据集摘要)
- [支持任务与基准排行榜](#支持任务与基准排行榜)
- [语言分布](#语言分布)
- [数据集结构](#数据集结构)
- [数据实例](#数据实例)
- [数据字段](#数据字段)
- [数据划分](#数据划分)
- [数据集构建](#数据集构建)
- [构建初衷](#构建初衷)
- [源数据来源](#源数据来源)
- [注释流程](#注释流程)
- [个人与敏感信息说明](#个人与敏感信息说明)
- [数据集使用注意事项](#数据集使用注意事项)
- [数据集的社会影响](#数据集的社会影响)
- [偏见讨论](#偏见讨论)
- [其他已知局限性](#其他已知局限性)
- [附加信息](#附加信息)
- [数据集整理者](#数据集整理者)
- [许可信息](#许可信息)
- [引用信息](#引用信息)
- [贡献致谢](#贡献致谢)

## 数据集描述

- **主页**：jampatoisnli.github.io
- **代码仓库**：https://github.com/ruth-ann/jampatoisnli
- **相关论文**：https://arxiv.org/abs/2212.03419
- **联系方式**：Ruth-Ann Armstrong：[e-mail]

### 数据集摘要
JamPatoisNLI 是首个针对克里奥尔语（Creole）——牙买加帕图瓦语（Jamaican Patois）——的自然语言推理（Natural Language Inference, NLI）数据集。全球使用人口众多的低资源语言（Low-resource Language）多为克里奥尔语，这类语言通常以主流世界语言为词源基础，同时拥有源自原始使用者母语及克里奥尔化语言诞生过程的独特语法体系，这使得它们成为探究大型单语或多语预训练模型迁移学习效果的独特研究场景。

### 支持任务与基准排行榜
自然语言推理

### 语言分布
牙买加帕图瓦语（Jamaican Patois）

### 数据字段
前提（premise）、假设（hypothesis）、标签（label）

### 数据划分
训练集：250条；验证集：200条；测试集：200条

### 数据集构建与注释流程
前提收集：97%的样本来自Twitter平台，剩余样本取自学术文献与在线文化网站。
假设构建：针对每一条前提，由母语使用者（本文第一作者）撰写假设，使得该前提-假设对的分类结果为蕴含（E）、中性（N）或矛盾（C）。
标签验证：随机抽取100个句子对，由流利使用该语言的使用者进行双重标注。

### 数据集的社会影响
JamPatoisNLI是针对加勒比地区使用的英语基克里奥尔语——牙买加帕图瓦语——的低资源语言数据集。该数据集的构建有助于将自然语言处理（NLP）研究的范围拓展至全球范围内尚未得到充分探索的语言。

### 数据集整理者
[@ruth-ann](https://github.com/ruth-ann)

### 引用信息
bibtex
@misc{https://doi.org/10.48550/arxiv.2212.03419,
doi = {10.48550/ARXIV.2212.03419},
url = {https://arxiv.org/abs/2212.03419},
author = {Armstrong, Ruth-Ann and Hewitt, John and Manning, Christopher},
keywords = {Computation and Language (cs.CL), Machine Learning (cs.LG), FOS: Computer and information sciences, FOS: Computer and information sciences, I.2.7},
title = {JamPatoisNLI: A Jamaican Patois Natural Language Inference Dataset},
publisher = {arXiv},
year = {2022},
copyright = {arXiv.org perpetual, non-exclusive license}
}

### 贡献致谢
感谢Christopher Manning教授与John Hewitt为本数据集的构建提供的贡献、指导、协调与支持。

原始信息汇总

数据集概述

数据集基本信息

• 名称: JamPatoisNLI
• 语言:
  • 主要语言: Jamaican Patois
  • 其他: English-based Creole
• 许可证: other
• 多语言性:
  • 单语种
  • 其他英语基础克里奥尔语
• 大小: 小于1K
• 来源: 原始数据
• 标签:
  • 克里奥尔语
  • 低资源语言
• 任务类别: 文本分类
• 任务ID: 自然语言推理

数据集描述

数据集摘要

JamPatoisNLI 是首个针对克里奥尔语Jamaican Patois的自然语言推理数据集。该数据集探索了大型单语或多语预训练模型在克里奥尔语中的迁移效果。

支持的任务和排行榜

• 自然语言推理

语言

• Jamaican Patois

数据结构

数据实例

• 训练集: 250
• 验证集: 200
• 测试集: 200

数据字段

• 前提 (premise)
• 假设 (hypothesis)
• 标签 (label)

数据分割

• 训练集
• 验证集
• 测试集

数据集创建

来源数据

• 前提收集: 97%来自Twitter，其余来自文献和在线文化网站
• 假设构建: 每个前提由母语者编写，以确保分类为E, N或C
• 标签验证: 随机抽样100对句子由流利说话者双重标注

社会影响

JamPatoisNLI 是一个针对加勒比地区英语基础克里奥尔语Jamaican Patois的低资源语言数据集，有助于扩大NLP研究的范围，覆盖全球未充分探索的语言。

数据集管理者

• @ruth-ann

引用信息

@misc{https://doi.org/10.48550/arxiv.2212.03419, doi = {10.48550/ARXIV.2212.03419}, url = {https://arxiv.org/abs/2212.03419}, author = {Armstrong, Ruth-Ann and Hewitt, John and Manning, Christopher}, keywords = {Computation and Language (cs.CL), Machine Learning (cs.LG), FOS: Computer and information sciences, FOS: Computer and information sciences, I.2.7}, title = {JamPatoisNLI: A Jamaican Patois Natural Language Inference Dataset}, publisher = {arXiv}, year = {2022}, copyright = {arXiv.org perpetual, non-exclusive license} }