Rejte% tartalmak nyomában

Rejte% tartalmak nyomában

Mire jó a Textplore dokumentumelemző szo7ver? Czibik Ágnes – Tóth István János

Sajtóbemutató Puskin kávéház, Budapest, Semmelweis u. 2. 2011. október 25. 10 óra

• A projektről • Jellemzők • NYTimes • Siemens • Őszödi beszéd • Ítélőtáblák • Stohl András

Tartalom •  A projektről •  A szoHver jellemzői •  Mintaelemzések: Magyarország a New York Times-‐ban v  Siemens és korrupció az online sajtóban v  Az őszödi beszéd az Indexen és az Origo-‐n v  Ítélőtáblák adatközlési gyakorlata v  Stohl András balesete négy hazai hírportálon v 


A projektről


A projektről A Textplore program a TEXTREND (h%p://www.textrend.org/) projekt keretében a Nemze\ Innovációs Hivatal Jedlik Ányos programjának támogatásával készül (2008-‐ ).

(Projekt száma: NKFP_07_A2-‐TEXTREND, Szerződésszám: OM-‐00002/2008). Konzorcium: –  Universitas Press Felsőoktatás-‐kutató Műhely KH.; –  Eötvös Lóránd Tudományegyetem; –  Glia Számítástechnikai és Tanácsadó KH.; –  MKIK GVI; –  MTA SZTAKI; –  Szegedi Tudományegyetem.


Jellemzők, lehetőségek


A koncepció •  Cloud concept: v  v 

● 

Online: h%ps://www.textplore.org/ A program, az adatok, az eredmények a szerveren, de letölthetőek

Kvan\taov és kvalitaov szövegelemzés v  v 

v 

Nagy mennyiségű szöveg gyors feldolgozása Szógyakoriságokra és szókörnyezetekre alapuló elemzések Korlátok: v  v 

Szövegek értelmezésére a szoHver nem képes Az elemze% adatok „\sztasága” nem automa\kus: Azt mérjük vajon, amit szeretnénk?


Elemezhető dokumentumok

Saját dokumentumok

Internetről gyűjtö% tartalom: hírportálok, kutatóintézetek 1.500.000+ cikk jelenleg. LETÖLTÉSI KORLÁTOK!

Dokumentumok honlapokról – amit a felhasználó kiválaszt

•  Kereséssel érhetőek el és választhatóak ki elemzésre: kulcsszó, dátum, formátum, hossz alapján


Elemzési lehetőségek •  A dokumentumok általános adatai: dátum, hossz, forrás, (cím, szerző) – Pl. egy téma lefutása cikkekben •  Szókörnyezet: kulcsszó elő% és után 10 szó bemutatása – Korlátozo% kvalitaov eszköz •  Szókörnyezet-‐ sta\sz\ka -‐ Milyen szavak szerepelnek a kulcsszó közvetlen közelében? •  Szósta\sz\ka: hányszor szerepelnek megado% szavak a dokumentumokban? Az eredmény exportálható sta\sz\kai programokba, alapinformáció a kvan\taov elemzéshez •  Saját sta\sz\kai eszközök: keresz%ábla, korreláció… Szavak köz\ kapcsolat mérésére, különböző dokumentumok köz\ szóhasznála\ különbségek mérésére •  Kísérle\ állapotban: tulajdonnév-‐felismerés


Lehetséges felhasználók •  •  •  • 

kormányzat üzle\ szféra, non-‐profit szektor egyetemek, kutatók egyéb érdeklődők

•  Elérhetőség: v  v 

jelenleg zárt (kapacitás-‐korlátok) A GVI készít elemzéseket v 

v 

Üzle\ céllal: pl. Energiaklub Szakpoli\kai Intézet – A fukusimai katasztrófa megjelenése az online médiában Tudományos céllal


Tesztelemzések A tesztelemzéseket készíte%ék: Czibik Ágnes Makó Ágnes Miskolczi Erna Nyírő Zsanna Priksz Tamás Tóth István János Várhalmi Zoltán


Magyarországról a New York Times 2011. első féléves poliMkai cikkeiben


Adatok •  Minta a NYTimes 2010.nov-‐2011. ápr. cikkeiből: 37 db •  Milyen országokra vonatkoznak a cikkek? Magyarország, poszt-‐szocialista országok, egyéb országok – Tulajdonnév-‐felismerés

•  Milyen témákat érintenek? gazdasági, poli\kai, társadalmi – Szógyakoriságok alapján

•  Milyen irányú értékelést tartalmaznak? poziov, semleges, negaov – Szógyakoriságok alapján


Cikkek száma havonta •  2011 márciusában jelent meg a legtöbb cikk


Országok és országcsoportok •  Kifejeze%en Magyarországra vonatkozó cikkek száma 1 fele%: januárban és áprilisban (médiatörvény és Alaptörvény)


Az értékelés iránya •  Magyarország döntően negaov kontextusban jelenik meg •  A vizsgált cikkek fele negaovként értékelhető


Az értékelés iránya és országcsoportok •  Ha Magyarország a téma akkor a cikkek 8/9-‐e negaov; de •  o% is erősen negaov, ahol más ország a voltaképpeni téma (pl. nők diszkriminálása Olaszországban)

negaAv

semleges

poziAv

Magyarország

8

1

0

K-‐K-‐Európa

2

1

0

Más országok

8

14

2


A Siemens és a korrupció a magyar online sajtóban


A Siemens megjelenése Index és Origo cikkekben (2000-‐2010) •  A cikkek száma: 1512 •  Nagy ingadozás a cikkek számában •  A két portál nem mindig mozog együ% (2002-‐2003)


A Siemens és a korrupció együ%es megjelenése •  Forrásonként máskor tetőzik (2007 és 2008) •  Nemzetközi Siemens-‐ botrány, Combino-‐ szerződés, hivatkozó cikkek •  Eltérő mértékben foglalkozik a két portál a témával vagy csak a szóhasználat tér el? „botrány” vagy „korrupció”


Gyurcsány Ferenc őszödi beszéde az Index és az Origo cikkeiben


•  Vizsgált időszak: 2006. szept. -‐ 2011. ápr. •  A cikkek száma: 559 •  Hangvétel szerin\ vizsgálat: poziov, negaov, semleges szavak •  Szakszavak és köznyelvi kategóriába sorolt szavak vizsgálata •  Elemzési egység: cikk •  Fontos továbblépés lehetne: bekezdések, kijelentések elemzése


•  Sok cikk: a megjelenés után és a 2010-‐es választások elő%. Közte: „csend” •  Indexen általában több cikk


A cikkek hangvétele •  Poziov szavak: lehetőség, bizalom, őszinte, nyílt, önálló, bátorság, önvizsgálat, igazságbeszéd… •  Negaov szavak: hazugság, botrány, kudarc, elhibázo%, brutális, hülye… •  Hangvétel mutató: cikkek hosszával normálva, poziov és negaov szavak egyenlegét véve, az összes szó arányában vizsgálva •  Index: nagyobb ingadozás cikkek közö%, éves átlagban viszont kiegyenlíte%ebb •  Index: poziovabb hangvétel


A cikkek hangvétele •  A „csend” ala% a leginkább negaov a cikkek hangvétele •  •  •  • 

(p-‐n) /(p+n+s) p: 1000 karakterre jutó poziov szavak száma n: negaov szavakra analóg módon s: semleges szavakra analóg módon


Szakszavak/köznyelvi szavak •  Szakszavak (politológiai, szociológiai, közgazdaságtani): pl. államadósság, paradigma, pártpoli\kai, kiadáscsökkentés, integráció… •  Köznyelvi szavak: pl. népszerűség, következmény, tárgyalás, kemény, kiszivárgás… •  Szakszó-‐használa\ fok: tudományos/(köznyelvi +tudományos) •  Az Origo némileg több elvont politológiai-‐közgazdaságtani kifejezést használt az őszödi beszédet érintő cikkeiben, mint az Index


Szakszó-‐használa\ fok időbeli változása


Hangvétel és szakszavak •  A köznyelvi térfélben nagyobb szórás •  A leginkább negaov sávban Origo-‐ dominancia •  A szakértői térfélen enyhe Origo-‐ dominancia


Ítélőtáblák internetes adatközlési gyakorlata


•  Öt ítélőtábla: feladatuk elsősorban a helyi, illetve megyei bíróságok határozatai ellen előterjeszte% jogorvoslatok elbírálása •  Feladatuk, működésük, felépítésük, jogi há%erük megegyezik, vonatkozik rájuk az Elektronikus információ-‐szabadság törvény (Eitv.) •  Adatközlési gyakorlatuk is azonos? •  A vizsgált dokumentumok: doc és pdf formátum, a honlapokról automa\kusan letöltve, összesen 642 dokumentum


A felte% dokumentumok száma •  Győr, Debrecen: sajtócikkeket is feltesznek – ezt nem vesszük figyelembe •  Győr: doc-‐ok is vannak, máshol csak pdf •  Nagy különbségek


Dokumentumok tartalma •  Győrben a leginkább sokszínű: v  kollégiumi vélemények, ajánlások, határozatok éves bontásban, v 

közérdekű adatok (alapító okirat, SzMSz, ügyelosztási rendek, költségvetési okmányok, működés értékelésére vonatkozó dokumentumok)

v 

tárgyalási jegyzékek

v 

a megnyitó ünnepség beszédeinek szövege

v 

az ítélőtáblát érintő, a sajtóban megjelent cikkek

•  UGYANAKKOR: ETI (Elektronikus Információ-‐szabadság Törvény\sztelet Index) v  Győr: 37,3 v 

Debrecen: 63


Közlések időben, honlap-‐frissítés •  Győr, (Főváros): egyenletes, évente frissül, hasonló mennyiség •  Pécs, Debrecen: első 1-‐2 évben sok dokumentum, utána kevés •  Szeged: először kevés, majd egy évben nagyon sok (váltás?)


Stohl András a Magyar Nemzet, a Népszabadság, a Velvet és a Blikk online cikkeiben


A vizsgált cikkek •  2010. május – 2011. augusztus •  Csak balese%el kapcsolatos cikkek: 304 db •  NOL (36), MNO (48), Velvet (100), Blikk (120)


A cikkek száma összesen Kiugró cikkszámok: •  1.: közvetlenül a baleset után •  2: nyomozás lezárása •  3: elsőfokú tárgyalás •  4: elsőfokú ítélet •  5: másodfokú tárgyalás


Kapcsolódó altémák Milyen témakörök azonosíthatóak szó-‐ előfordulások alapján? •  Drog-‐ és alkoholfogyasztás, pl: i%as, drog, díler, pszichotrop… •  Jogi PR: vezeklés, pl: megbán, szégyell, tanulság, vezeklés… •  Negaov jellemrajz, pl: átmulato%, botrány, cserbenhagyás, megérdemel…


Az addikciót említő cikkek aránya •  Kis különbségek •  A NOL-‐on található a legtöbb addikciót NEM említő cikk


Addikciós szavak előfordulása •  A NOL szól legkevésbé arról, hogy Stohl András drogokat és alkoholt fogyaszto% a baleset elő%


Jogi PR szavak előfordulása

•  Az MNO szól legkevésbé arról, hogy Stohl András megbánta azt amit te%, és ezért drogellenes kampányba kezde%


Negaov jellemrajz szavak előfordulása •  Az MNO cikkeiben rajzolódik ki leginkább negaov kép Stohlról

Köszönjük a figyelmet! A minta-‐elemzések elérhetősége: h%ps://www.textplore.org/ Elemzések menüpont

Rejte% tartalmak nyomában

Recommend Documents