SSHOC D4.12 Guidelines for the integration of Audio Capture data in Survey Interviews
Notice bibliographique
Résumé
This deliverable is the first associated with Task 4.4. Voice recorded interviews and audio analysis in the Social Sciences and Humanities Open Cloud project (SSHOC). This task will collect audio data in the form of voice recorded interviews from the Generations and Gender Survey. This audio data will then be processed and analysed by colleagues at CLARIN to contribute with automatic speech recognition, speaker attribution, part-of-speech-tagging, named entity labelling and other NLP tools. Survey methodologists and Social Scientists from the EVS and GGP will work together with data scientists and oral historians from CLARIN to develop a survey module specifically adapted to integrate audio recordings and their processing into the traditional data collection process. Thematically they will focus on the qualitative assessment of value statements. Once fielded, CLARIN will adapt existing auto- transcription tools to the specific needs of the audio survey data and make the transcribed files available for analysis. Data Archiving and Networked Services (NL) (DANS-KNAW) will oversee archiving and dissemination of the data, drawing on their significant experience with oral histories. In these guidelines, we set out the questionnaire and fieldwork principles for the implementation of the Audio Survey Modules. These will then be implemented in fieldwork in early 2021 and the data processed and analysed before the end of 2021 (Month 36 of the project). A specific questionnaire and guidelines are required as the aim of the project is unprecedented in several respects: Audio data is sometimes captured by surveys as part of data quality control, but the technical implementation and questionnaire content are rarely if ever optimized to ensure that the digital language data generated from the interview is optimized for linguistic analysis. What is unique about this task is that researchers from CLARIN were involved from the early stages of design in order to ensure that the substantive focus and technical implementation of the project would be able to produce audio data and transcripts that produce meaningful results when analysed with the tools at CLARIN’s disposal. These guidelines proceed as follows. First, the various aims of the project are outlined from the perspective of survey infrastructures (GGP & EVS) and linguistic infrastructures (CLARIN). These, help shape the technical requirements that are then laid out in section 4. Finally, the questions which we intend to field are then laid out.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».