Czy komputer rozpozna hejtera? Wykorzystanie uczenia maszynowego (ML) w jakościowej analizie danych

Marek Troszyński; Aleksander Wawer

doi:10.18778/1733-8069.13.2.04

Autor

Marek Troszyński Collegium Civitas, Plac Defilad 1, 00-901 Warszawa
Aleksander Wawer Instytut Podstaw Informatyki PAN, ul. Jana Kazimierza 5, 01-248 Warszawa

DOI:

https://doi.org/10.18778/1733-8069.13.2.04

Słowa kluczowe:

jakościowa analiza treści, uczenie maszynowe, mowa nienawiści, zgodność kodujących

Abstrakt

Celem artykułu jest przedstawienie procesu automatyzacji kodowania tekstów pochodzących z mediów społecznościowych. Wdrożenie tego procesu pozwala na ilościowe potraktowanie jakościowych metod analizy treści. W efekcie otrzymujemy możliwość przeprowadzenia analizy na korpusach liczących setki tysięcy tekstów, które są kodowane w oparciu o ich znaczenia. Jest to możliwe dzięki wykorzystaniu algorytmów uczenia maszynowego (ML). Omawianą metodę kodowania prezentujemy na przykładzie projektu oznaczania „mowy nienawiści” w tekstach pochodzących z polskich forów internetowych. Kluczowym problemem jest precyzyjna konceptualizacja i operacjonalizacja tej kategorii. Pozwala to na przygotowanie dokładnej instrukcji kodowej oraz przeprowadzenie treningu zespołu kodującego. Efektem jest podwyższenie współczynnika zgodności kodujących. Oznaczone teksty zostaną wykorzystane jako dane treningowe dla metod automatycznej kategoryzacji opartych o algorytmy uczenia maszynowego. W dalszej części artykułu opisujemy zastosowane metody kodowania automatycznego. Tekst kończy podsumowanie wskazujące na czynniki, które są kluczowe dla procesu badawczego wykorzystującego uczenie maszynowe.

Biogramy autorów

Marek Troszyński - Collegium Civitas, Plac Defilad 1, 00-901 Warszawa

Marek Troszyński, doktor socjologii, kierownik Obserwatorium Cywilizacji Cyfrowej Collegium Civitas, adiunkt tamże. Zainteresowania naukowe: socjologia kultury, wykorzystanie metod automatycznej analizy języka naturalnego (NLP) w socjologicznych badaniach nad dyskursem.
Aleksander Wawer - Instytut Podstaw Informatyki PAN, ul. Jana Kazimierza 5, 01-248 Warszawa

Aleksander Wawer, doktor nauk technicznych w kierunku informatyka, absolwent socjologii i informatyki. Adiunkt w Zespole Inżynierii Lingwistycznej w Instytucie Podstaw Informatyki PAN. Zainteresowania naukowe obejmują wybrane problemy przetwarzania języka naturalnego, w szczególności analizę wydźwięku, ekstrakcję relacji oraz głębokie uczenie maszynowe.

Bibliografia

Bishop Christopher (2006) Pattern Recognition and Machine Learning. Secaucus: Springer-Verlag.

Breiman Leon (2001) Random Forests. „Machine Learning”, vol. 45, no. 1, s. 5‒32. DOI: https://doi.org/10.1023/A:1010933404324

Bychawska-Siniarska Dominika, Głowacka Dorota, red., (2013) Mowa nienawiści w internecie: jak z nią walczyć. Warszawa: Helsińska Fundacja Praw Człowieka.

Bychawska-Siniarska Dominika, Gliszczyńska-Grabias Aleksandra (2016) W stronę sieci tolerancji. Prawnomiędzynarodowe instrumenty walki z mową nienawiści [dostęp 14 maja 2017 r.]. Dostępny w Internecie http://www.siectolerancji.pl/aktualnosc/w-strone-sieci-tolerancji-publikacja-w-module-prawnym

Cortes Corinna, Vapnik Vladimir (1995) Support-Vector Networks. „Machine Learning”, vol. 20, no. 3, s. 273–297. DOI: https://doi.org/10.1007/BF00994018

Gutierrez Dario i in. (2016) Literal and Metaphorical Senses in Compositional Distributional Semantic Models. Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics, (ACL) 2016, August 7-12, 2016, Berlin, Germany, vol. 1 [dostęp 14 maja 2017 r.]. Dostępny w Internecie http://aclweb.org/anthology/P/P16/P16-1018.pdf DOI: https://doi.org/10.18653/v1/P16-1018

Heinze Eric (2016) Hate Speech and Democratic Citizenship. Oxford: Oxford University Press. DOI: https://doi.org/10.1093/acprof:oso/9780198759027.001.0001

Jockers Matthew (2013) Macroanalysis: Digital Methods and Literary History. Champaign: University of Illinois Press. DOI: https://doi.org/10.5406/illinois/9780252037528.001.0001

Krejtz Izabela, Krejtz Krzysztof (2005) Wybrane statystyki zgodności między sędziami w analizie treści [w:] Katarzyna Stemplewska-Żakowicz, Krzysztof Krejtz, red., Wywiad psychologiczny. Wywiad jako postępowanie badawcze. Warszawa: Pracownia Testów Psychologicznych Polskiego Towarzystwa Psychologicznego, s. 231–249.

Krippendorff Klaus (1980) Content Analysis: An Introduction to Its Methodology. Newbury Park, CA: Sage.

Lafferty John D., McCallum Andrew, Pereira Fernando C. N. (2001) Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data. Proceedings of the Eighteenth International Conference on Machine Learning (ICML ‘01), San Francisco, USA, Morgan Kaufmann Publishers Inc., s. 282–289.

Lample Guillaume i in. (2016) Neural Architectures for Named Entity Recognition. Proceedings of the Conference of the North American Chapter of the Association for Computational Linguistics. The Association for Computational Linguistics, s. 260–270. DOI: https://doi.org/10.18653/v1/N16-1030

Linde-Usiekniewicz Jadwiga (2015) Teoria relewancji jako narzędzie opisu mowy nienawiści. „Studia Pragmalingwistyczne”, t. 7, s. 53–68.

Lombard Matthew, Snyder-Duch Jennifer, Bracken Cheryl Campanella (2004) A Call for Standardization in Content Analysis Reliability. „Human Communication Research”, vol. 30, s. 434–437. DOI: https://doi.org/10.1111/j.1468-2958.2004.tb00739.x

Łodziński Sławomir (2003) Problemy dyskryminacji osób należących do mniejszości narodowych i etnicznych w Polsce. Warszawa: Kancelaria Sejmu, Biuro Studiów i Ekspertyz.

Manning Christopher D. i in. (2014) The Stanford CoreNLP Natural Language Processing Toolkit. Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics. The Association for Computational Linguistics. ACL, System Demonstrations. DOI: https://doi.org/10.3115/v1/P14-5010

Moretti Franco (2013) Distant Reading. London: Verso Books.

Nijakowski Lech (2008) Mowa nienawiści w świetle teorii dyskursu [w:] Anna Horolets, red., Analiza dyskursu w socjologii i dla socjologii. Warszawa: Wydawnictwo Adam Marszałek, s. 113–133.

Ogrodniczuk Maciej, Lenart Michał (2013) A Multi-Purpose Online Toolset for NLP Applications. Proceedings of the 18th International Conference on Applications of Natural Language to Information Systems, vol. 7934 of Lecture Notes in Computer Science, Springer-Verlag. Springer Berlin Heidelberg, s. 392–395. DOI: https://doi.org/10.1007/978-3-642-38824-8_46

Pedregosa Fabian i in. (2011) Scikit-Learn: Machine Learning in Python. „Journal of Machine Learning Research”, vol. 12, s. 2825–2830.

Siwicki Maciej (2011) Nielegalna i szkodliwa treść w Internecie. Aspekty prawnokarne. Warszawa: Oficyna Wolters Kluwer.

Sperber Dan, Wilson Deidre (2011) Relewancja. Komunikacja i poznanie. Przełożyły Magdalena Charzyńska i n.. Kraków: Wydawnictwo Tertium.

Stone Philip J. i in. (1966) The General Inquirer: A Computer Approach to Content Analysis. Cambridge: MIT Press.

Troszyński Marek (2015) Hate Speech. Towards a Research Standard [w:] Jacek Sobczak, Jędrzej Skrzypczak, red., Professionalism in Journalism in the Era of New Media. Berlin: Logos, s. 199–208.

Wawer Aleksander, Rogozińska Dominika (2012) How much supervision? Corpus-based lexeme sentiment estimation. IEEE 12th International Conference on Data Mining Workshops (SENTIRE 2012), Los Alamitos, USA, IEEE Computer Society, s. 724–730. DOI: https://doi.org/10.1109/ICDMW.2012.119

Wieruszewski Roman i in., red., (2010) Mowa nienawiści a wolność słowa. Aspekty prawne i społeczne. Warszawa: Wolters Kluwer.