Porovnání manuální a automatizované obsahové analýzy

Stránka ve výstavbě

Na této stránce se právě pracuje. Prosím needitujte tuto stránku, dokud na ní zůstává tato šablona. Předejdete tak editačnímu konfliktu. Jestliže uběhla od poslední editace doba alespoň dvou dnů, neváhejte tuto šablonu odstranit.

Obsahová analýza:

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.”

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. Obsahová analýza 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, i jiné výzkumy, studie, projekty, zprávy).

Techniky obsahové analýzy:

Při identifikaci dokumentu ve vztahu k jeho obsahu využíváme postupy manuální a automatizované indexace, které zahrnují zpracování dokumentu prvky selekčního jazyka, ale i samotný proces obsahové analýzy, určení hlavních pojmů, vyjádření tématu dokumentu, i interpretaci textu.

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.” 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 se zpracováním dokumentů
• schopnost porozumění danému dokumentu po obsahové i jazykové stránce
• znalost sémantiky a problematiky různých typů textu
• rozvinutá slovní zásoba, včetně odborných termínů napříč obory
• systematické, logické a analytické myšlení
• soustředění, pečlivost, zaměření na detail

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. 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 odlišená
• často opakované pojmy tvořící podstatu textu atd.

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. Zmíněné faktory jistě v praxi ukazují na upřednostňování automatické indexace, ale i tato technika má své nedostatky.

Automatizovaná obsahová analýza:

Zcela podléhá využití informačních technologií a informačních systémů - v současné době nezbytný postup. Tato technika obsahové analýzy disponuje v porovnání s manuální metodou nenáročností, jelikož programy pro automatizovanou indexaci obsáhnou při zpracování dokumentu množství dat s malou 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). Metoda automatizované obsahové analýzy je díky technologickému pokroku neustále vyvíjena, avšak nákladně. Počítačové programy pro zpracování analýzy ale nemají dostatečné schopnosti správně interpretovat obsah dat daného dokumentu, tudíž mu neporozumí jako lidé.

Jedná se ale 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 tvořící 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)

100% automatizované využití indexace je úzce spjato s náročným technologickým vývojem informačních systémů z hlediska času i financí. Metoda prozatím není plně automatická - implementace hybridních systémů - tzn. automatická indexace společně s intelektuálním zpracováním. Obě techniky se metodicky liší, ale ve výsledku jsou vzájemně kompatibilní. Při tvorbě obsahové analýzy jsou systémem předvoleny vhodné výrazy pro indexaci, ale finální výběr provede a potvrdí indexátor. Spojení automatizované a manuální metody má pozitivní dopad na kvalitu a přesnost výsledku.

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 řadíme:

• referát
• anotaci
• abstrakt
• rejstříky
• odkazy
• předmětová hesla
• deskriptory

Shrnutí a srovnání manuální a automatizované metody obsahové analýzy:

• 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.
• 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 závis 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.