license: cc-by-nc-sa-4.0
dataset_info:
features:
- name: question
dtype: string
- name: answer
dtype: string
- name: choices
sequence: string
- name: topic
dtype: string
splits:
- name: train
num_bytes: 16686
num_examples: 51
download_size: 11614
dataset_size: 16686
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
language:
- es
pretty_name: HumorQA
size_categories:
- n<1K
Introducción
Este corpus ha sido desarrollado por Human Profit Consulting, expertos en influencia y persuasión. El corpus se desarrolla en el contexto del estudio descrito a continuación.
Distribución de las bromas
La distribución de las bromas por clase es la que sigue:
- C/E: 30
- JP: 14
- R3: 6
- AI: 1
Guía de uso
Para trabajar con el corpus y poder evaluar LLMs, la idea es utilizar el siguiente template:
prompt_template="""Como experto en humor, tu tarea es la siguiente.
A partir de la broma que se muestra a continuación y las opciones que se te presentan, tu tarea consiste en responder únicamente con la contracción del tipo de broma.
Es decir, si la broma es de comparación-exageración, responde "C/E"; si la broma es de juego de palabras, responde "JP"; si la broma es de animar lo inanimado, responde "AI" y si la broma es de regla de tres, responde "R3". Recuerda responder sólo con la contracción del tipo de broma.
Broma: {broma}
Opciones: {opciones}
"""
# cómo usarlo con un LLM:
system_prompt = "Eres un cómico español experto en humor blanco cuya tarea consiste en identificar el tipo al que pertenecen las bromas planteadas."
messages = [
{"role": "system", "content": system_prompt},
{"role": "user", "content": prompt_template.format(broma=broma, opciones=opciones)}
]
mssg = tokenizer.apply_chat_template(messages, tokenize=False)
Licencia
Este dataset está distribuido con licencia CC BY-NC-SA 4.0
Atribución del corpus
Las bromas que forman parte de esta prueba, se consideran bromas blancas, que son aquellas que en lugar soportarse en un tópico (religión, política, sexo…) es el propio emisor en el que recae la broma. Con este tipo de humor se realizó una investigación con 94 directivos, pertenecientes a 17 empresas, representando 7 sectores de actividad, con una edad media de 43 años. El proceso metodológico de investigación contó con dos hitos: 1 Un taller pautado de humor en el que elaboraban su propio monólogo, donde contabilizar la cantidad y calidad de las bromas y 2. Una entrevista en profundidad, soportada en un cuestionario, donde se evaluaban cuatro competencias: Resiliencia, Flexibilidad Productiva, Creatividad y Persuasión. Con los datos de ambos grupos de variables demostramos que hay una correlación de 0.78 cuando las competencias son consideradas en su conjunto, dando lugar a un constructor competencial que hemos denominado Humanum Talentis. Con los datos obtenidos consideramos que se valida suficientemente la hipótesis. A su vez el taller de humor se convierte en un assessment en el que la producción de humor es capaz de predecir el nivel en Humanum Talentis con un RMSE (error cuadrático medio) de 0,738 en una escala de 1 a 10, considerado asumible.
Citation
@software{humorqa24,
author = {LenguajeNatural.AI},
title = {HumorQA},
month = March,
year = 2024,
url = {https://huggingface.co/datasets/LenguajeNaturalAI/HumorQA}
}