Insight workflow: Systematically combining human and computational methods to explore textual data
Insight workflow: Systematically combining human and computational methods to explore textual data
复制标题
Insight 工作流程：系统地结合人类和计算方法来探索文本数据
DOI：
10.1002/asi.23767
复制
发表时间：
2017
影响因子：
3.5
通讯作者：
Gill A
中科院分区：
文献类型：
--
作者：
Gill A
分析大量真实的文本数据有可能为研究人员提供新的见解。然而，这些数据对人类和计算方法都提出了挑战，需要各种各样的专业技能，通常由许多人共享。在本文中，我们使用真实的世界数据集的分析作为我们的案例研究，并使用这种探索作为我们的“洞察工作流”的演示，我们提出使用和适应其他研究人员。我们使用的数据是作为英国卓越研究框架（REF）的一部分收集的影响案例研究文件，由6，679份文件和625万字组成;该分析由英格兰高等教育资助理事会委托（作为报告HEFCE 2015发布）。在我们的探索和分析中，我们使用了各种技术，从上下文和频率信息中的关键字到更复杂的方法（主题建模），这些自动化技术为深入和密集的人工分析提供了经验切入点。我们提出了60个主题来展示我们的方法的输出，并说明了如何将各种分析技术相结合，以提供见解。我们注意到潜在的局限性，并提出今后的工作。
Analyzing large quantities of real‐world textual data has the potential to provide new insights for researchers. However, such data present challenges for both human and computational methods, requiring a diverse range of specialist skills, often shared across a number of individuals. In this paper we use the analysis of a real‐world data set as our case study, and use this exploration as a demonstration of our “insight workflow,” which we present for use and adaptation by other researchers. The data we use are impact case study documents collected as part of the UK Research Excellence Framework (REF), consisting of 6,679 documents and 6.25 million words; the analysis was commissioned by the Higher Education Funding Council for England (published as report HEFCE 2015). In our exploration and analysis we used a variety of techniques, ranging from keyword in context and frequency information to more sophisticated methods (topic modeling), with these automated techniques providing an empirical point of entry for in‐depth and intensive human analysis. We present the 60 topics to demonstrate the output of our methods, and illustrate how the variety of analysis techniques can be combined to provide insights. We note potential limitations and propose future work.
登录
查看更多内容
数字人文与图书馆：概念模型
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
C. Sula
通讯作者：
C. Sula
用 TopicViz 阅读托马斯·杰斐逊：探索大型文化档案的主题方法
DOI：
10.22230/src.2013v4n3a121
发表时间：
2013
期刊：
Scholarly and Research Communication
影响因子：
--
作者：
Lauren F. Klein;Jacob Eisenstein
通讯作者：
Jacob Eisenstein
阅读的重塑:数据挖掘和数字人文
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
M. Kirschenbaum
通讯作者：
M. Kirschenbaum
数字资产生态系统：重新思考人群和云
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
Tobias Blanke
通讯作者：
Tobias Blanke
计算机化内容分析
DOI：
--
发表时间：
1987
期刊：
影响因子：
--
作者：
Michael W. Singletary
通讯作者：
Michael W. Singletary