Scholastic: Graphical Human-AI Collaboration for Inductive and Interpretive Text Analysis
Scholastic: Graphical Human-AI Collaboration for Inductive and Interpretive Text Analysis
复制标题
Scholastic：用于归纳和解释文本分析的图形化人机协作
DOI：
10.1145/3526113.3545681
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Szafir, Danielle Albers
中科院分区：
文献类型：
--
作者：
Hong, Matt-Heun;Marsh, Lauren A.;Feuston, Jessica L.;Ruppert, Janet;Brubaker, Jed R.;Szafir, Danielle Albers
解释学者从文本语料库中生成知识，通过手动采样文档，应用代码，并将代码提炼和整理成类别，直到有意义的主题出现。在大型语料库中，机器学习可以帮助扩展这种数据采样和分析，但之前的研究表明，专家们普遍担心算法可能会破坏或推动解释性学术。我们采取以人为本的设计方法来解决机器辅助解释性研究的问题，以构建Scholastic，它采用了机器在环聚类算法来支撑解释性文本分析。作为一个学者应用代码的文件，并细化它们，所产生的编码模式作为结构化的元数据，约束层次的文件和词集群推断从语料库。这些集群的交互式可视化可以帮助学者战略性地对文档进行采样，进一步获得见解。Scholastic演示了以人为本的算法设计和可视化如何使用熟悉的隐喻，通过交互式主题建模和文档聚类来支持归纳和解释性研究方法。
Interpretive scholars generate knowledge from text corpora by manually sampling documents, applying codes, and refining and collating codes into categories until meaningful themes emerge. Given a large corpus, machine learning could help scale this data sampling and analysis, but prior research shows that experts are generally concerned about algorithms potentially disrupting or driving interpretive scholarship. We take a human-centered design approach to addressing concerns around machine-assisted interpretive research to build Scholastic, which incorporates a machine-in-the-loop clustering algorithm to scaffold interpretive text analysis. As a scholar applies codes to documents and refines them, the resulting coding schema serves as structured metadata which constrains hierarchical document and word clusters inferred from the corpus. Interactive visualizations of these clusters can help scholars strategically sample documents further toward insights. Scholastic demonstrates how human-centered algorithm design and visualizations employing familiar metaphors can support inductive and interpretive research methodologies through interactive topic modeling and document clustering.
登录
查看更多内容
影响因子：
5
作者：
Collier, D;Mahoney, J
通讯作者：
Mahoney, J
数字化档案馆藏的探索性主题分析
DOI：
10.1093/llc/fqv052
发表时间：
2015
期刊：
Digit. Scholarsh. Humanit.
影响因子：
--
作者：
Lauren F. Klein;Jacob Eisenstein;Iris Sun
通讯作者：
Iris Sun
Aeium：支持协作定性编码的可视化分析
DOI：
--
发表时间：
2017
期刊：
IEEE Pacific Visualization Symposium
影响因子：
--
作者：
Margaret Drouhard;N. Chen;J. Suh;Rafal Kocielnik;Vanessa Peña Araya;Keting Cen;Xiangyi Zheng;Cecilia R. Aragon
通讯作者：
Cecilia R. Aragon
空间心理模型
影响因子：
--
作者：
B. Tversky
通讯作者：
B. Tversky
文本的语言和空间编码
DOI：
--
发表时间：
1988
期刊：
影响因子：
--
作者：
L. S. Dickson;P. S. Schrankel;R. W. Kulhavy
通讯作者：
R. W. Kulhavy