El analisis textual asistido por computadora : aspectos de su aplicacion en la investigacion social
Notice bibliographique
Résumé
los días 9 y 10 de diciembre de 1992.Los ejemplos del análisis han sido publicados en "Discours présidentiel et démocratie en Argentine: une étude préliminaire", Discours Social / Social Discourse, vol.4,no.3-4, 1992, p. 36-58.La investigación social constituye a menudo como objeto empírico un corpus textual.Se trate de archivos históricos, transcripciones de entrevistas, documentos institucionales, textos literarios o mensajes de comunicación masiva, el investigador debe establecer en todos los casos un abordaje que, sin sacrificar lo propio de una "lectura interpretativa", comporte cierto grado de formalización.La presente nota metodológica tiene por objetivo presentar -de manera muy sucinta y a través del ejemplo de un análisis de discurso político -algunas de las posibilidades que brinda en tal sentido el análisis textual asistido por computadora.Este enfoque se caracteriza por combinar, privilegiando el acceso lexical, aspectos de diversas tradiciones de la investigación social (el análisis de contenido, el análisis del discurso, la lexicometría) en el marco de un tratamiento informático i .El investigador puede simular con la computadora i Para evitar todo malentendido, señalemos que, al hablar de "análisis textual asistido por computadora", nos referimos a todo enfoque que concibe al texto informatizado como una base de datos, es decir, como un conjunto ordenado de unidades discretas.En particular, los ejemplos que se exponen en este artículo han sido producidos mediante SATO (Système d'Analyse de Textes par Ordinateur).SATO es un programa desarrollado por el Centre d'Analyse de Textes par Ordinateur -Cognition et Information (ATO-CI) de la Université du Québec à Montréal.Este programa permite el tratamiento de grandes masas de datos textuales de manera interactiva e inmediata; sus principales funcionalidades son: la categorización (simple o múltiple) de las formas y ocurrencias, la segmentación en sub-corpus, la confección de sub-léxicos locales y de coocurrencias, la generación de concordancias, la aplicación de cálculos estadísticos sobre matrices lexicales (frecuencias relativas, repartición y distancias).Para una presentación más detallada del programa, ver Jules Duchastel y Victor Armony, "Étude d'un corpus de dossiers de la Cour juvénile de Winnipeg à l'aide du Système d'analyse de textes par ordinateur (SATO)", in Jornades Internacionals d'Anàlisi de Dades Textuals, Barcelona (España), Servicio de Publicaciones de la Universitat Politècnica de Catalunya, 1992, páginas 89-108.Sobre la lexicometría, véase Jules Duchastel y Victor Armony, "Un protocole de
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».