Porovnání manuální a automatizované obsahové analýzy

Porovnání manuální a automatizované obsahové analýzy:

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.”

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.

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 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.

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.

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.

Manuální obsahová analýza: 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.

Části dokumentu, z nichž lze primárně čerpat data k analýze - posuzujeme obsahová data i samotný text: 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: 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: 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

Praktické využití obsahové analýzy: 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: referát anotaci abstrakt rejstříky, odkazy předmětová hesla, deskriptory