Porovnání manuální a automatizované obsahové analýzy

Stránka ve výstavbě
Inkwell icon - Noun Project 2512.svg 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. Inkwell icon - Noun Project 2512.svg


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.”[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 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).[3]


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.[4]


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 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[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. 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.[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 tato technika má své nedostatky.


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 Průběh manuální obsahové analýzy zcela závis na zkušenostech indexátora, je reálné, že v případě obsahové analýzy dvou stejných dokumentů narazíme na odlišnosti.


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

  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. 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. Plzeň: AntropoWeb při Katedře antropologie FF ZČU v Plzni, 2005-, roč. 2010, č. 2. 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. BLAŽEK, Jakub. Srovnání automatické a intelektuální indexace | Inflow [online]. [cit. 2018-5-20]. 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. SCHWARZ, Josef. Současný stav a trendy automatické indexace dokumentů. Ikaros [online]. 2003, ročník 7, číslo 3 [cit. 2018-05-20]. urn:nbn:cz:ik-11231. ISSN 1212-5075. Dostupné z: http://ikaros.cz/node/11231