Porovnání manuální a automatizované obsahové analýzy: Porovnání verzí

 
(Není zobrazeno 27 mezilehlých verzí od 2 dalších uživatelů.)
Řádek 1: Řádek 1:
−
'''Porovnání manuální a automatizované obsahové analýzy:'''
+
Pojem [[obsahová analýza]] lze definovat následovně:  
  
−
Pojem obsahová analýza definuje Česká terminologická databáze knihovnictví a informační vědy (TDKIV) následovně:
+
„Analýza obsahu dokumentu zahrnující metody a pravidla pro stanovení tematiky dokumentu, příp. časového a prostorového hlediska, čtenářského určení a formy dokumentu. Slovní vyjádření obsahu dokumentu v přirozeném jazyce je transformováno do věcných selekčních údajů v procesu věcného pořádání nebo do vět v procesu sémantické redukce textu dokumentu.“<ref>BALÍKOVÁ, Marie. Obsahová analýza. <i>In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV)</i> [online]. Praha : Národní knihovna ČR, 2003 [cit. 2018-05-17]. Dostupné z: http://aleph.nkp.cz/F/?func=direct&doc_number=000001586&local_base=KTD</ref>
−
“Analýza obsahu dokumentu zahrnující metody a pravidla pro stanovení tematiky dokumentu, příp. časového a prostorového hlediska, čtenářského určení a formy dokumentu. Slovní vyjádření obsahu dokumentu v přirozeném jazyce je transformováno do věcných selekčních údajů v procesu věcného pořádání nebo do vět v procesu sémantické redukce textu dokumentu.”
 
  
−
Obsahová analýza tudíž odráží proces, jehož cílem je specificky profilovat obsahové prvky dokumentu a vztahy mezi nimi - tzn. stanovit, o čem daný dokument přesně pojednává.
+
Pomocí obsahové analýzy, dle Bohuslava Kováře, konkretizujeme obsahovou stránku [[Dokument, informační pramen a informační zdroj|dokumentu]] co nejpřesněji formulovanými slovy přirozeného jazyka a při její tvorbě vycházíme z údajů, které nám dokument poskytuje. Celý proces obsahové analýzy náleží k základu [[Tradiční systémy pořádání informací a znalostí - vlastnosti a možnosti jejich využití|věcného pořádání informací]].<ref name="kovar">KOVÁŘ, Blahoslav. <i>Obsahová analýza dokumentu</i>. Praha: Ústředí vědeckých, technických a ekonomických informací, 1974.</ref> Obsahová analýza (zpracovaná manuálně i automaticky) tudíž odráží jednu z důležitých součástí zpracování dokumentu, jehož '''cílem je specificky profilovat jeho obsahové prvky a objektivně určit vztahy mezi nimi, tzn. přesně stanovit, o čem daný dokument tématicky pojednává'''.
  
−
Dle Bohuslava Kováře obsahovou analýzou, která je základem věcného pořádání informací, definujeme přesný obsah dokumentu (přičemž vycházíme z tematických údajů dokumentu) a formulujeme jej co nejpřesnějšími slovy přirozeného jazyka.
+
Kromě oboru [[Informační a knihovní věda a knihovnictví: vysvětlení pojmů, definice jejich vzájemného vztahu a zasazení do kontextu dalších oborů|informačních věd a knihovnictví]] se obsahová analýza využívá jako systematický [[výzkumné metody|výzkumný nástroj]] ve společenských vědách s [[kvantitativní výzkum|kvantitativní]] i [[kvalitativní výzkum|kvalitativní]] aplikací na zhodnocení různých typů textových dat (sociologické, psychologické i jiné výzkumy, případové studie, projekty, zprávy z konferencí).<ref>DVOŘÁKOVÁ, Ilona. Obsahová analýza / formální obsahová analýza / kvantitativní obsahová analýza. <i>AntropoWebzin</i>. [online] Plzeň: AntropoWeb při Katedře antropologie FF ZČU v Plzni, 2005 [cit. 2018-05-17] Dostupné z: http://antropologie.zcu.cz/media/webzin/webzin_2_2010/Dvorakova__I-2-2010.pdf</ref>
  
−
Kromě oboru informačních věd a knihovnictví se obsahová analýza využívá jako systematický výzkumný nástroj ve společenských vědách s kvantitativní i kvalitativní aplikací na frekvenci různých typů textových dat.
+
== Praktické využití obsahové analýzy ==
  
−
Techniky obsahové analýzy:
 
  
−
Při identifikaci dokumentu ve vztahu k jeho obsahu využíváme postupy manuální a automatizované indexace. Indexace je podle Bohuslava Kováře přímou součástí obsahové analýzy. Zahrnuje tedy zpracování dokumentu prvky selekčního jazyka, ale i samotný proces obsahové analýzy, určení hlavních pojmů, vyjádření tématu dokumentu, i interpretaci textu.  
+
Produktem manuální i automatizované obsahové analýzy jsou '''redukované texty''' charakterizující jasně, přesně a objektivně obsah dokumentu v přirozeném jazyce, ale i prvky [[Selekční jazyk|jazyka selekčního]]. Mezi tyto výstupy řadíme:
  
−
Indexace dle TDKIV: “Proces vyjádření obsahu dokumentu pomocí prvků selekčního jazyka, obvykle s cílem umožnit zpětné vyhledávání. Podle použitých metod se rozlišuje pojmová a slovní indexace, podle použitých postupů se rozlišuje intelektuální, automatická a poloautomatická indexace.” Dle výše zmíněné definice tedy pro funkční zpětné vyhledání musí být obsah dokumentu kvalitně zpracován selekčním jazykem.
+
* referát
 +
* anotaci
 +
* abstrakt
 +
* rejstříky
 +
* odkazy
 +
* předmětová hesla
 +
* deskriptory<ref name="kovar" />
  
−
Manuální obsahová analýza:
+
== Techniky zpracování obsahové analýzy ==
−
Veškeré fáze indexace realizované lidmi - indexátory - na intelektuální rovině. Analýza ovšem může být ovlivněna subjektivním lidským faktorem. Jelikož zpracování závisí zcela na zkušenostech indexátora, je reálné, že v případě obsahové analýzy dvou stejných dokumentů narazíme na odlišnosti. Popis dokumentu probíhá dle předem stanovených pravidel. Zpracovatel primárně čerpá z tradičních zdrojů informací (níže blíže specifikováno dle normy) a plně vnímá obsahové prvky dokumentu a kombinace termínů v textu. Nutností u kvalifikovaného indexátora jsou zkušenosti se zpracováním dokumentů, znalost problematiky textu, soustředění, pečlivost, schopnost porozumění danému dokumentu po obsahové i jazykové stránce, systematické, logické a analytické myšlení. Při provedení analýzy je tedy kladen důraz na využití dosavadních znalostí, zkušeností, objektivitu, uvažování o dokumentu a porozumění jeho významu. Profesionální indexátor má při zpracování analýzy dokumentu, dle výše zmíněných skutečností, dbát na správný postup, identifikaci prvků tvořící podstatu obsahu a dokázat text zhodnotit jako celek.
 
  
−
Tato technika, ačkoliv je díky porozumění textu kvalitnější než automatizovaná, nedisponuje ovšem stejnou rychlostí. Zpracování je velice časově a intelektuálně náročné a celkově nákladnější v poměru cena/zanalyzovaný dokument. Zmíněné faktory jistě ukazují na upřednostňování automatické indexace v praxi, ale i tato technika má své nedostatky.
 
  
−
Při manuální tvorbě obsahové analýzy může pomoci i norma ČSN ISO 5963 (010174) Dokumentace. Metody analýzy dokumentů, určování jejich obsahu a výběru lexikálních jednotek selekčního jazyka. Dle uvedené normy je nutné objektivně posoudit všechny důležité prvky dokumentu.
+
Při '''identifikaci dokumentu''' '''ve vztahu k jeho obsahu''' využíváme postupy '''manuální a automatizované [[indexace]]''', které zahrnují zpracování dokumentu lexikálními prvky [[Selekční jazyk|selekčního jazyka]], ale i komplexní proces obsahové analýzy, určení hlavních pojmů a vyjádření tématu dokumentu, i [[interpretace|interpretaci]] textu.<ref>KOVÁŘ, Blahoslav. České termíny pro pojmenování procesu věcného pořádání a jeho druhů. <i>Knihovnictví a bibliografie</i>. 1973, roč. 2, č. 2, s. 37-44. Příl. čas. Čtenář, 1973, roč. 24, č. 2.</ref> Manuální a automatizovanou indexací tedy koncovým uživatelům zajistíme relevantní a přesné podklady pro vyhledání a zjištění tématiky dokumentu.
  
−
Části dokumentu, z nichž lze primárně čerpat data k analýze - posuzujeme obsahová data i samotný text:
+
'''Definice''' '''indexace dle TDKIV:'''
−
název a podnázev
 
−
identifikační údaje
 
−
obsah
 
−
úvod, předmluva i závěr
 
−
úvody, samotné kapitoly a shrnutí kapitol
 
−
rejstřík, ilustrace, tabulky
 
−
seznam použité literatury
 
−
kontext celého dokumentu
 
−
slova napsaná jiným typem písma, či pojmy tvořící podstatu textu
 
  
−
Automatizovaná indexace:
+
„Proces vyjádření obsahu dokumentu pomocí prvků selekčního jazyka, obvykle s cílem umožnit zpětné vyhledávání. Podle použitých metod se rozlišuje pojmová a slovní indexace, podle použitých postupů se rozlišuje intelektuální, automatická a poloautomatická indexace.“<ref>BALÍKOVÁ, Marie. indexace. In: <i>KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV)</i> [online]. Praha : Národní knihovna ČR, 2003 [cit. 2018-05-17]. Dostupné z: http://aleph.nkp.cz/F/?func=direct&doc_number=000001549&local_base=KTD</ref> Dle výše zmíněné definice tedy pro funkční zpětné vyhledání musí být obsah dokumentu kvalitně zpracován selekčním jazykem.
−
Podléhá využití informačních technologií a informačních systémů - v současné době nezbytný postup. Tato technika není tak časově náročná jako manuální - PC zpracování obsáhne miliony dat. V automatizovaném procesu probíhá analýza pomocí automatických postupů a přiřazování termínů selekčního jazyka, což umožní zpětné vyhledání dokumentu. Jedná se o metodu efektivní, rychlou a funkční. Programy pro zpracování analýzy ale nemají dostatečné schopnosti interpretovat obsah dat daného dokumentu, tudíž mu neporozumí jako lidé.  
 
−
Proces automatické indexace využívá značně zjednodušujících metod - kvalita výsledku je relativní. Automatická indexace snižuje náročnost celého procesu analýzy a zabraňuje přílišné subjektivitě manuální techniky. Komplikací pro automatizovanou obsahovou analýzu jsou např. slovní spojení mající význam pouze jako celek. Text může dále obsahovat:  
 
−
neexplicitně vyjádřené pojmy, nerelevantní termíny
 
−
nepřímé odkazy na jiné texty
 
−
synonyma, homonyma
 
−
slova v různých tvarech, mluvnických kategoriích
 
−
znaky (pokud dokument není psaný latinkou)
 
  
−
Současný stav manuální a automatizované metody indexace:
+
== Manuální obsahová analýza ==
−
náročný technologický vývoj z hlediska času a financí u automatizované indexace
 
−
metoda prozatím není plně automatická - implementace hybridních systémů - tzn. automatická indexace společně s intelektuálním zpracováním
 
−
metodicky se liší, ale ve jsou výsledku vzájemně kompatibilní
 
−
v praxi - systémem jsou zvoleny výrazy pro indexaci, ale finální výběr provádí indexátor
 
−
pozitivní dopad na kvalitu a přesnost výsledku
 
  
−
  Srovnání manuální a automatizované metody obsahové analýzy - shrnutí:
 
−
Indexátor nemá problém s interpretací přirozeného jazyka, má lepší jazykové schopnosti, slovní zásobu, dokáže spojit synonyma, podobné termíny, opravdu zkoumá obsah dokumentu atd. - PC srovnává symboly, které text tvoří
 
−
Každý indexátor může chápat obsah textu jinak, je ovlivněn prostředím, momentálním osobním rozpoložením, znalostmi, motivací atd.
 
−
Systém zvládá přesně analyzovat bez problému obrovské množství dat, chybí ovšem porozumění obsahu v přirozeném jazyce.
 
−
Automatizovaná metoda je díky technologickému pokroku neustále vyvíjena, avšak nákladně.
 
−
Větší shoda ve výsledku u dvou stejných dokumentů u automatické indexace.
 
−
Ideální je kombinace obou postupů
 
−
Vhodné přizpůsobit obsahovou analýzu koncovému uživateli dle formy a tématu dokumentu
 
  
 +
Manuální obsahovou analýzou rozumíme '''indexaci obsahové stránky dokumentu realizovanou lidmi''' - tzv. indexátory - tudíž se jedná o zpracování analýzy pouze na '''intelektuální rovině, bez využití automatizovaných systémů'''. Tento druh indexace je značně subjektivním, jelikož proces zpracování velice ovlivňuje lidský faktor. Popis obsahu dokumentu probíhá dle předem stanovených pravidel. Zpracovatel primárně čerpá z tradičních zdrojů [[Informace|informací]] (níže blíže specifikováno dle normy) a očekává se, že kvalitně postihne obsahové prvky dokumentu a porozumí kombinacím termínů v textu. Mezi dovednosti kvalifikovaného indexátora řadíme:
  
−
Praktické využití obsahové analýzy:
+
* zkušenosti v [[Informační a knihovní věda a knihovnictví: vysvětlení pojmů, definice jejich vzájemného vztahu a zasazení do kontextu dalších oborů|oboru]] a se zpracováním dokumentů
−
Výsledkem manuální i automatizované obsahové analýzy jsou redukované texty charakterizující jasně, přesně a objektivně obsah dokumentu v přirozeném jazyce, ale i prvky jazyka selekčního. Mezi tyto texty ředíme:
+
* schopnost porozumění danému [[Dokument, informační pramen a informační zdroj|dokumentu]] po obsahové i jazykové stránce
−
referát
+
* znalost [[Sémantika|sémantiky]] a problematiky různých typů textu
−
anotaci
+
* znalost konkrétního selekčního jazyka
−
abstrakt
+
* efektivní práce s dokumenty - např. racionální čtení
−
rejstříky, odkazy
+
* rozvinutá slovní zásoba, včetně odborných termínů napříč obory
−
předmětová hesla, deskriptory
+
* systematické, logické a analytické myšlení
 +
* soustředění, pečlivost, zaměření na detail<ref name="blazek">BLAŽEK, Jakub. Srovnání automatické a intelektuální indexace. <i>Inflow: information journal</i> [online]. 2008, 1(4) [cit. 2018-05-28]. Dostupné z: http://www.inflow.cz/srovnani-automaticke-intelektualni-indexace</ref>
 +
 
 +
 
 +
Při manuálním zpracování obsahové analýzy vychází indexátor i z '''normy ČSN ISO 5963 (010174)''' '''- Metody analýzy dokumentů, určování jejich obsahu a výběru lexikálních jednotek selekčního jazyka,''' která předkládá obecné metody obsahové analýzy využitelné v procesu [[indexace]]. Dle uvedené normy je prioritou objektivně posoudit a porozumět veškerým důležitým prvkům dokumentu.
 +
 
 +
 
 +
'''Části [[Dokument, informační pramen a informační zdroj|dokumentu]], z nichž lze primárně čerpat data k analýze obsahu''' (zaměřujeme se na viditelné obsahové prvky, ale i samotné tělo textu):
 +
 
 +
* název a podnázev
 +
* identifikační, nakladatelské údaje
 +
* zpracovaný obsah dokumentu
 +
* úvod dokumentu, předmluva i závěr
 +
* úvody jednotlivých kapitol, kapitoly samotné a jejich shrnutí
 +
* rejstřík
 +
* přílohy
 +
* seznam použité literatury
 +
* kontext celého dokumentu
 +
* slova napsaná jiným typem písma, či jinak graficky odlišená
 +
* často opakované pojmy tvořící podstatu textu atd.<ref><i>Metody analýzy dokumentů, určování jejich obsahu a výběru lexikálních jednotek selekčního jazyka: ČSN ISO 5963 (01 0174)</i>. 1. vyd. Praha: Český normalizační institut, 1995, 10 s.</ref>
 +
 
 +
Při provedení profesionální intelektuální analýzy je zvláště kladen důraz na objektivitu, využití dosavadních znalostí při identifikaci obsahových prvků a zhodnocení dokumentu jako celku. Tato technika je díky hlubšímu porozumění obsahu textu kvalitnější než automatizovaná. Zpracování je ale velice časově a intelektuálně náročné a celkově nákladnější v poměru cena/zanalyzovaný dokument.<ref name="schwarzj">SCHWARZ, Josef. Současný stav a trendy automatické indexace dokumentů. <i>Ikaros</i> [online]. 2003, 7(3) [cit. 2018-05-28]. Dostupné z: http://ikaros.cz/node/11231</ref> Zmíněné faktory jistě v praxi ukazují na upřednostňování automatické indexace, ale i tento postup má své nedostatky.
 +
 
 +
== Automatizovaná obsahová analýza ==
 +
 
 +
 
 +
'''Zcela podléhá využití [[Informační technologie|informačních technologií]], aplikuje se pomocí [[Informační systém|informačních systémů]] a dalších počítačových programů - v současné době nezbytný postup.''' Tato technika obsahové analýzy disponuje v porovnání s manuálním/intelektuálním postupem nenáročností, jelikož programy pro automatizovanou indexaci obsáhnou při zpracování dokumentu obrovské množství dat s minimální časovou prodlevou. V rámci procesu probíhá analýza obsahu pomocí automatických postupů, které umožní rychlou identifikaci pojmu a následné přiřazení vhodných termínů selekčního jazyka (důležité pro možnost zpětného vyhledání dokumentu). Počítačové programy pro zpracování analýzy ale nemají dostatečné schopnosti správně interpretovat obsah dat daného dokumentu, tudíž mu neporozumí jako lidé.<ref>KUČEROVÁ, Helena. Co analyzujeme při obsahové analýze dokumentů? K pojmu aboutness v organizaci znalostí = What Do we Analyze during Subject Analysis of Documents? The Concept of Aboutness in Knowledge Organization. <i>Knihovna: knihovnická revue</i> [online]. 2014, 25(1), 36-54 [cit. 2018-05-28]. Dostupné z: http://oldknihovna.nkp.cz/knihovna141/141036.htm</ref> Informační systémy pro tvorbu automatizované obsahové analýzy jsou díky technologickému pokroku neustále vyvíjeny, avšak nákladně.
 +
 
 +
'''Jedná se o techniku''' '''efektivní, rychlou, funkční a levnější'''. Automatická indexace zabraňuje přílišné subjektivitě intelektuální obsahové analýzy, ale využívá značně zjednodušujících metod, čímž snižuje náročnost celého procesu - kvalita výsledku je tak relativní. Komplikací pro automatizovaný systém naprogramovaný pro obsahovou analýzu jsou např.:
 +
 
 +
* slovní spojení mající význam pouze jako celek
 +
* neexplicitně vyjádřené pojmy
 +
* nerelevantní termíny
 +
* nepřímé odkazy na jiné souvislosti, či texty
 +
* synonyma
 +
* homonyma
 +
* slova v různých tvarech a mluvnických kategoriích
 +
* symboly a znaky (pokud dokument není psaný latinkou)<ref name="blazek" />
 +
 
 +
=== Dva typy automatické indexace ===
 +
 
 +
* '''automatická extrakce (automatic extraction indexing)/slovní indexace:''' - získání indexačních prvků z textu dokumentu ve formě přirozeného jazyka - jednodušší metoda, většinově využívaná
 +
* '''automatické přiřazování (automatic assignment indexing)/pojmová indexace''' - označení vhodných indexačních termínů vyhledaných v řízeném slovníku systému a následné porovnání s pojmy textu dokumentu - prakticky náročné na programování
 +
 
 +
100% automatizované využití indexace je úzce spjato s náročným technologickým vývojem informačních systémů z hlediska času i financí. '''Metoda prozatím není plně automatická - probíhá implementace hybridních systémů''' - tzn. automatická indexace společně s intelektuálním zpracováním (indexátor pracuje s aktivní podporou počítačového programu). Obě techniky se metodicky liší, ale ve výsledku jsou vzájemně kompatibilní. Při tvorbě obsahové analýzy jsou systémem předvoleny vhodné výrazy pro indexaci, ale jejich finální výběr provede a potvrdí indexátor dle své profesionální úvahy, aby vystihl obsah dokumentu.<ref name="schwarzj" />
 +
 
 +
== Kvalita zpracování ==
 +
 
 +
 
 +
Kvalitním manuálním i automatizovaným zpracováním rozumíme proces zaručující [https://aleph.nkp.cz/F/G6KFGH72TALI5D83H84BDU3J2XI895EH2ECARVN2SUDDREBBDA-49179?func=find-acc&acc_sequence=000002456 relevanci] zpětně vyhledaných výsledků. V rámci obsahové analýzy se jedná o '''maximalizaci shody obsahu selekčního obrazu s tématem dokumentu, či [[Rešerše|rešeršním dotazem]]'''.<ref name="schwarz">SCHWARZ, Josef. Praktické aspekty hodnocení kvality a konzistence indexace. <i>Ikaros</i> [online]. 2001, 5(2) [cit. 2018-05-28]. Dostupné z: http://ikaros.cz/node/12378</ref> Při hodnocení kvality indexace tedy vycházíme z kontextu účelu a funkcí systému, který pro zpracování využíváme. Hodnotu kvality zpracování při indexaci nelze přesně určit, vždy závisí na:
 +
 
 +
* indexátorovi a jeho zkušenostech - nejpodstatnější faktor
 +
* informačním systému
 +
* rozsahu slovníku selekčního jazyka
 +
* konkrétní strukturě dokumentu
 +
 
 +
 
 +
'''Ačkoliv je hodnota kvality relativní, mezi možnosti k její kontrole zahrnujeme:'''
 +
 
 +
Metodu '''hodnocení indexace''', značící kontrolu obsahové i formální správnosti dle indexačních pravidel. Jedná se o kompletní opakování procesu indexace a minimalizace chyb nezávislým indexátorem (časově náročné, ale přínosné). Dále hodnotíme '''relevanci výsledků''' vyhledávání dle uživatelského dotazu a využívá se i tzv. '''analýza konzistence''', která spočívá ve výpočtu souhlasných termínů ve dvou a více selekčních obrazech dokumentů.<ref name="schwarz" />
 +
 
 +
== Shrnutí ==
 +
 
 +
 
 +
* Zpracování obsahové analýzy manuálním i automatizovaným způsobem pomáhá uživatelům s lepším vyhledáváním, či orientací v tématice dokumentu.
 +
* Indexátor při aplikaci intelektuální metody na obsahovou analýzu dokumentu nemá problém s interpretací přirozeného jazyka, má rozvinutou slovní zásobu, dokáže spojit synonyma, odlišit významově podobné termíny, odhalit skryté souvislosti v textu a nahlíží na dokument jako na celek. Automatizovaný systém srovnává symboly, které text tvoří, neporozumí obsahu.
 +
* Každý pracovník na pozici indexátora může chápat obsah textu individuálně. Kvalita zpracování může být ovlivněna jeho vzděláním, prostředím, momentálním osobním rozpoložením, vlastní motivací atd. Jakýkoliv systém funguje automaticky, na základě naprogramování - nezávisí na lidském faktoru.
 +
* Systém zvládá přesně analyzovat bez problému obrovské množství dat, chybí ovšem porozumění obsahu v přirozeném jazyce.
 +
* Větší shoda ve zpracovaném výsledku u dvou stejných dokumentů je u automatické indexace. Průběh manuální obsahové analýzy zcela závisí na zkušenostech indexátora, je reálné, že v případě obsahové analýzy dvou stejných dokumentů narazíme na odlišnosti.
 +
* Jako ideální postup odborníci prozatím shledávají kombinaci a propojení obou technik.
 +
* Finální produkt obsahové analýzy (např. referát, anotaci atd.) je vhodné přizpůsobit koncovému uživateli dle formy a tématu dokumentu.
 +
 
 +
== Odkazy ==
 +
 
 +
=== Reference: ===
 +
<references/>
 +
 
 +
=== Související články: ===
 +
 
 +
[[Analýza vybraných trendů ve věcném pořádání a vyhledávání informací]]<br />
 +
[[Obsahová analýza]]<br />
 +
[[Selekční jazyk]]<br />
 +
[[Tradiční systémy pořádání informací a znalostí - vlastnosti a možnosti jejich využití]]<br />
 +
[[Vliv interpretace textu na výsledky textové a obsahové analýzy]]<br />
 +
 
 +
=== Klíčová slova: ===
 +
 
 +
obsahová analýza, obsah dokumentů, indexace, věcné pořádání informací, zpracování dokumentu
 +
 
 +
[[Kategorie: Informační studia a knihovnictví]]
 +
[[Kategorie: Státnicové otázky UISK]]

Aktuální verze z 4. 6. 2018, 16:22

Pojem obsahová analýza lze definovat následovně:

„Analýza obsahu dokumentu zahrnující metody a pravidla pro stanovení tematiky dokumentu, příp. časového a prostorového hlediska, čtenářského určení a formy dokumentu. Slovní vyjádření obsahu dokumentu v přirozeném jazyce je transformováno do věcných selekčních údajů v procesu věcného pořádání nebo do vět v procesu sémantické redukce textu dokumentu.“[1]

Pomocí obsahové analýzy, dle Bohuslava Kováře, konkretizujeme obsahovou stránku dokumentu co nejpřesněji formulovanými slovy přirozeného jazyka a při její tvorbě vycházíme z údajů, které nám dokument poskytuje. Celý proces obsahové analýzy náleží k základu věcného pořádání informací.[2] Obsahová analýza (zpracovaná manuálně i automaticky) tudíž odráží jednu z důležitých součástí zpracování dokumentu, jehož cílem je specificky profilovat jeho obsahové prvky a objektivně určit vztahy mezi nimi, tzn. přesně stanovit, o čem daný dokument tématicky pojednává.

Kromě oboru informačních věd a knihovnictví se obsahová analýza využívá jako systematický výzkumný nástroj ve společenských vědách s kvantitativní i kvalitativní aplikací na zhodnocení různých typů textových dat (sociologické, psychologické i jiné výzkumy, případové studie, projekty, zprávy z konferencí).[3]

Praktické využití obsahové analýzy

Produktem manuální i automatizované obsahové analýzy jsou redukované texty charakterizující jasně, přesně a objektivně obsah dokumentu v přirozeném jazyce, ale i prvky jazyka selekčního. Mezi tyto výstupy řadíme:

  • referát
  • anotaci
  • abstrakt
  • rejstříky
  • odkazy
  • předmětová hesla
  • deskriptory[2]

Techniky zpracování obsahové analýzy

Při identifikaci dokumentu ve vztahu k jeho obsahu využíváme postupy manuální a automatizované indexace, které zahrnují zpracování dokumentu lexikálními prvky selekčního jazyka, ale i komplexní proces obsahové analýzy, určení hlavních pojmů a vyjádření tématu dokumentu, i interpretaci textu.[4] Manuální a automatizovanou indexací tedy koncovým uživatelům zajistíme relevantní a přesné podklady pro vyhledání a zjištění tématiky dokumentu.

Definice indexace dle TDKIV:

„Proces vyjádření obsahu dokumentu pomocí prvků selekčního jazyka, obvykle s cílem umožnit zpětné vyhledávání. Podle použitých metod se rozlišuje pojmová a slovní indexace, podle použitých postupů se rozlišuje intelektuální, automatická a poloautomatická indexace.“[5] Dle výše zmíněné definice tedy pro funkční zpětné vyhledání musí být obsah dokumentu kvalitně zpracován selekčním jazykem.

Manuální obsahová analýza

Manuální obsahovou analýzou rozumíme indexaci obsahové stránky dokumentu realizovanou lidmi - tzv. indexátory - tudíž se jedná o zpracování analýzy pouze na intelektuální rovině, bez využití automatizovaných systémů. Tento druh indexace je značně subjektivním, jelikož proces zpracování velice ovlivňuje lidský faktor. Popis obsahu dokumentu probíhá dle předem stanovených pravidel. Zpracovatel primárně čerpá z tradičních zdrojů informací (níže blíže specifikováno dle normy) a očekává se, že kvalitně postihne obsahové prvky dokumentu a porozumí kombinacím termínů v textu. Mezi dovednosti kvalifikovaného indexátora řadíme:

  • zkušenosti v oboru a se zpracováním dokumentů
  • schopnost porozumění danému dokumentu po obsahové i jazykové stránce
  • znalost sémantiky a problematiky různých typů textu
  • znalost konkrétního selekčního jazyka
  • efektivní práce s dokumenty - např. racionální čtení
  • rozvinutá slovní zásoba, včetně odborných termínů napříč obory
  • systematické, logické a analytické myšlení
  • soustředění, pečlivost, zaměření na detail[6]


Při manuálním zpracování obsahové analýzy vychází indexátor i z normy ČSN ISO 5963 (010174) - Metody analýzy dokumentů, určování jejich obsahu a výběru lexikálních jednotek selekčního jazyka, která předkládá obecné metody obsahové analýzy využitelné v procesu indexace. Dle uvedené normy je prioritou objektivně posoudit a porozumět veškerým důležitým prvkům dokumentu.


Části dokumentu, z nichž lze primárně čerpat data k analýze obsahu (zaměřujeme se na viditelné obsahové prvky, ale i samotné tělo textu):

  • název a podnázev
  • identifikační, nakladatelské údaje
  • zpracovaný obsah dokumentu
  • úvod dokumentu, předmluva i závěr
  • úvody jednotlivých kapitol, kapitoly samotné a jejich shrnutí
  • rejstřík
  • přílohy
  • seznam použité literatury
  • kontext celého dokumentu
  • slova napsaná jiným typem písma, či jinak graficky odlišená
  • často opakované pojmy tvořící podstatu textu atd.[7]

Při provedení profesionální intelektuální analýzy je zvláště kladen důraz na objektivitu, využití dosavadních znalostí při identifikaci obsahových prvků a zhodnocení dokumentu jako celku. Tato technika je díky hlubšímu porozumění obsahu textu kvalitnější než automatizovaná. Zpracování je ale velice časově a intelektuálně náročné a celkově nákladnější v poměru cena/zanalyzovaný dokument.[8] Zmíněné faktory jistě v praxi ukazují na upřednostňování automatické indexace, ale i tento postup má své nedostatky.

Automatizovaná obsahová analýza

Zcela podléhá využití informačních technologií, aplikuje se pomocí informačních systémů a dalších počítačových programů - v současné době nezbytný postup. Tato technika obsahové analýzy disponuje v porovnání s manuálním/intelektuálním postupem nenáročností, jelikož programy pro automatizovanou indexaci obsáhnou při zpracování dokumentu obrovské množství dat s minimální časovou prodlevou. V rámci procesu probíhá analýza obsahu pomocí automatických postupů, které umožní rychlou identifikaci pojmu a následné přiřazení vhodných termínů selekčního jazyka (důležité pro možnost zpětného vyhledání dokumentu). Počítačové programy pro zpracování analýzy ale nemají dostatečné schopnosti správně interpretovat obsah dat daného dokumentu, tudíž mu neporozumí jako lidé.[9] Informační systémy pro tvorbu automatizované obsahové analýzy jsou díky technologickému pokroku neustále vyvíjeny, avšak nákladně.

Jedná se o techniku efektivní, rychlou, funkční a levnější. Automatická indexace zabraňuje přílišné subjektivitě intelektuální obsahové analýzy, ale využívá značně zjednodušujících metod, čímž snižuje náročnost celého procesu - kvalita výsledku je tak relativní. Komplikací pro automatizovaný systém naprogramovaný pro obsahovou analýzu jsou např.:

  • slovní spojení mající význam pouze jako celek
  • neexplicitně vyjádřené pojmy
  • nerelevantní termíny
  • nepřímé odkazy na jiné souvislosti, či texty
  • synonyma
  • homonyma
  • slova v různých tvarech a mluvnických kategoriích
  • symboly a znaky (pokud dokument není psaný latinkou)[6]

Dva typy automatické indexace

  • automatická extrakce (automatic extraction indexing)/slovní indexace: - získání indexačních prvků z textu dokumentu ve formě přirozeného jazyka - jednodušší metoda, většinově využívaná
  • automatické přiřazování (automatic assignment indexing)/pojmová indexace - označení vhodných indexačních termínů vyhledaných v řízeném slovníku systému a následné porovnání s pojmy textu dokumentu - prakticky náročné na programování

100% automatizované využití indexace je úzce spjato s náročným technologickým vývojem informačních systémů z hlediska času i financí. Metoda prozatím není plně automatická - probíhá implementace hybridních systémů - tzn. automatická indexace společně s intelektuálním zpracováním (indexátor pracuje s aktivní podporou počítačového programu). Obě techniky se metodicky liší, ale ve výsledku jsou vzájemně kompatibilní. Při tvorbě obsahové analýzy jsou systémem předvoleny vhodné výrazy pro indexaci, ale jejich finální výběr provede a potvrdí indexátor dle své profesionální úvahy, aby vystihl obsah dokumentu.[8]

Kvalita zpracování

Kvalitním manuálním i automatizovaným zpracováním rozumíme proces zaručující relevanci zpětně vyhledaných výsledků. V rámci obsahové analýzy se jedná o maximalizaci shody obsahu selekčního obrazu s tématem dokumentu, či rešeršním dotazem.[10] Při hodnocení kvality indexace tedy vycházíme z kontextu účelu a funkcí systému, který pro zpracování využíváme. Hodnotu kvality zpracování při indexaci nelze přesně určit, vždy závisí na:

  • indexátorovi a jeho zkušenostech - nejpodstatnější faktor
  • informačním systému
  • rozsahu slovníku selekčního jazyka
  • konkrétní strukturě dokumentu


Ačkoliv je hodnota kvality relativní, mezi možnosti k její kontrole zahrnujeme:

Metodu hodnocení indexace, značící kontrolu obsahové i formální správnosti dle indexačních pravidel. Jedná se o kompletní opakování procesu indexace a minimalizace chyb nezávislým indexátorem (časově náročné, ale přínosné). Dále hodnotíme relevanci výsledků vyhledávání dle uživatelského dotazu a využívá se i tzv. analýza konzistence, která spočívá ve výpočtu souhlasných termínů ve dvou a více selekčních obrazech dokumentů.[10]

Shrnutí

  • Zpracování obsahové analýzy manuálním i automatizovaným způsobem pomáhá uživatelům s lepším vyhledáváním, či orientací v tématice dokumentu.
  • Indexátor při aplikaci intelektuální metody na obsahovou analýzu dokumentu nemá problém s interpretací přirozeného jazyka, má rozvinutou slovní zásobu, dokáže spojit synonyma, odlišit významově podobné termíny, odhalit skryté souvislosti v textu a nahlíží na dokument jako na celek. Automatizovaný systém srovnává symboly, které text tvoří, neporozumí obsahu.
  • Každý pracovník na pozici indexátora může chápat obsah textu individuálně. Kvalita zpracování může být ovlivněna jeho vzděláním, prostředím, momentálním osobním rozpoložením, vlastní motivací atd. Jakýkoliv systém funguje automaticky, na základě naprogramování - nezávisí na lidském faktoru.
  • Systém zvládá přesně analyzovat bez problému obrovské množství dat, chybí ovšem porozumění obsahu v přirozeném jazyce.
  • Větší shoda ve zpracovaném výsledku u dvou stejných dokumentů je u automatické indexace. Průběh manuální obsahové analýzy zcela závisí na zkušenostech indexátora, je reálné, že v případě obsahové analýzy dvou stejných dokumentů narazíme na odlišnosti.
  • Jako ideální postup odborníci prozatím shledávají kombinaci a propojení obou technik.
  • Finální produkt obsahové analýzy (např. referát, anotaci atd.) je vhodné přizpůsobit koncovému uživateli dle formy a tématu dokumentu.

Odkazy

Reference:

  1. ↑ BALÍKOVÁ, Marie. Obsahová analýza. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003 [cit. 2018-05-17]. Dostupné z: http://aleph.nkp.cz/F/?func=direct&doc_number=000001586&local_base=KTD
  2. ↑ 2,0 2,1 KOVÁŘ, Blahoslav. Obsahová analýza dokumentu. Praha: Ústředí vědeckých, technických a ekonomických informací, 1974.
  3. ↑ DVOŘÁKOVÁ, Ilona. Obsahová analýza / formální obsahová analýza / kvantitativní obsahová analýza. AntropoWebzin. [online] Plzeň: AntropoWeb při Katedře antropologie FF ZČU v Plzni, 2005 [cit. 2018-05-17] Dostupné z: http://antropologie.zcu.cz/media/webzin/webzin_2_2010/Dvorakova__I-2-2010.pdf
  4. ↑ KOVÁŘ, Blahoslav. České termíny pro pojmenování procesu věcného pořádání a jeho druhů. Knihovnictví a bibliografie. 1973, roč. 2, č. 2, s. 37-44. Příl. čas. Čtenář, 1973, roč. 24, č. 2.
  5. ↑ BALÍKOVÁ, Marie. indexace. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003 [cit. 2018-05-17]. Dostupné z: http://aleph.nkp.cz/F/?func=direct&doc_number=000001549&local_base=KTD
  6. ↑ 6,0 6,1 BLAŽEK, Jakub. Srovnání automatické a intelektuální indexace. Inflow: information journal [online]. 2008, 1(4) [cit. 2018-05-28]. Dostupné z: http://www.inflow.cz/srovnani-automaticke-intelektualni-indexace
  7. ↑ Metody analýzy dokumentů, určování jejich obsahu a výběru lexikálních jednotek selekčního jazyka: ČSN ISO 5963 (01 0174). 1. vyd. Praha: Český normalizační institut, 1995, 10 s.
  8. ↑ 8,0 8,1 SCHWARZ, Josef. Současný stav a trendy automatické indexace dokumentů. Ikaros [online]. 2003, 7(3) [cit. 2018-05-28]. Dostupné z: http://ikaros.cz/node/11231
  9. ↑ KUČEROVÁ, Helena. Co analyzujeme při obsahové analýze dokumentů? K pojmu aboutness v organizaci znalostí = What Do we Analyze during Subject Analysis of Documents? The Concept of Aboutness in Knowledge Organization. Knihovna: knihovnická revue [online]. 2014, 25(1), 36-54 [cit. 2018-05-28]. Dostupné z: http://oldknihovna.nkp.cz/knihovna141/141036.htm
  10. ↑ 10,0 10,1 SCHWARZ, Josef. Praktické aspekty hodnocení kvality a konzistence indexace. Ikaros [online]. 2001, 5(2) [cit. 2018-05-28]. Dostupné z: http://ikaros.cz/node/12378

Související články:

Analýza vybraných trendů ve věcném pořádání a vyhledávání informací
Obsahová analýza
Selekční jazyk
Tradiční systémy pořádání informací a znalostí - vlastnosti a možnosti jejich využití
Vliv interpretace textu na výsledky textové a obsahové analýzy

Klíčová slova:

obsahová analýza, obsah dokumentů, indexace, věcné pořádání informací, zpracování dokumentu

Citováno z „https://wikisofia.cz/w/index.php?title=Porovnání_manuální_a_automatizované_obsahové_analýzy&oldid=54781“