El analisis textual asistido por computadora : aspectos de su aplicacion en la investigacion social
Bibliographic record
Abstract
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
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.007 | 0.009 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.011 | 0.008 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".