Digital Journalism· 2015Q1
Konu modellemesi kullanarak büyük gazetecilik metinlerinin nicel analizi
Quantitative analysis of large amounts of journalistic texts using topic modelling
- 529atıf
- Q1SCImago
- 2015yıl
Kısa özet
Gizli Konu Modellemesi (LDA), kelime örüntülerine dayalı olarak gizli konuları belirleyerek büyük gazetecilik arşivlerini otomatik olarak organize etmek ve analiz etmek için bir yöntem olarak sunulmaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- LDA konu modellemesi, benzeri görülmemiş hacimdeki gazetecilik metinlerini analiz etmek için bir çözüm olarak sunulmaktadır.
- Teknik, kelime eş-oluş örüntülerinden türetilen gizli konulara dayanarak belgeleri organize eder.
- 1945'ten günümüze New York Times'ın nükleer teknoloji haberlerine ilişkin bir vaka çalışması, LDA'nın uygulamasını göstermektedir.
- LDA, büyük dijital haber arşivlerindeki eğilimlerin ve örüntülerin nispeten hızlı analizine olanak tanır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
The huge collections of news content which have become available through digital technologies both enable and warrant scientific inquiry, challenging journalism scholars to analyse unprecedented amounts of texts. We propose Latent Dirichlet Allocation (LDA) topic modelling as a tool to face this challenge. LDA is a cutting edge technique for content analysis, designed to automatically organize large archives of documents based on latent topics, measured as patterns of word (co-)occurrence. We explain how this technique works, how different choices by the researcher affect the results and how the results can be meaningfully interpreted. To demonstrate its usefulness for journalism research, we conducted a case study of the New York Times coverage of nuclear technology from 1945 to the present, partially replicating a study by Gamson and Modigliani. This shows that LDA is a useful tool for analysing trends and patterns in news content in large digital news archives relatively quickly.
Yazarların özeti; kaynağından alınmıştır. Digital Journalism, 2015 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Genel Sosyal Bilimler
General Social SciencesSocial Sciences