Classificação de publicações em Humanidades Digitais apoiada em abordagem taxonômica

• Ano de defesa: 2022
• Autor(a) principal: Jesus, Luiz Carlos de
• Orientador(a): Corrêa, Ricardo Cordeiro
• Banca de defesa: Corrêa, Ricardo Cordeiro , Fortes, Alexandre , Mello, Carlos Eduardo Ribeiro de , Carvalho, Lucas Correia
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal Rural do Rio de Janeiro
• Programa de Pós-Graduação: Programa de Pós-Graduação Interdisciplinar em Humanidades Digitais
• Departamento: Instituto Multidisciplinar de Nova Iguaçu
• País: Brasil
• Palavras-chave em Português: Humanidades Digitais; Processamento de Linguagem Natural; Classificação de Textos; Taxonomia; Digital Humanities; Natural Language Processing; Text Classification; Taxonomy
• Área do conhecimento CNPq: Ciência da Computação
• Link de acesso: https://rima.ufrrj.br/jspui/handle/20.500.14407/18650

As publicações em periódicos científicos e em conferências especializadas desempenham o papel primordial de expressar os temas de interesse de autores e leitores em um de- terminado campo do conhecimento. Nesse sentido, o esforço de organizar a produção científica é vital para o avanço da difusão dos conteúdos produzidos de forma inequí- voca, rápida e segura. Considerando a atual inundação informacional provocada pelas ferramentas digitais, a questão da classificação automatizada se torna premente e deve obrigatoriamente ser abordada em todo repositório ou plataforma digital de publicações científicas. Dentre outros aspectos, sobressai-se o uso de uma taxonomia pela sua capaci- dade de adicionar um elemento semântico hierárquico ao ato de classificar ou categorizar conceitos e informações específicas que definem o domínio de um campo do conhecimento. Particularmente no campo das Humanidades Digitais, a cultura epistemológica que vem sendo construída pela sua crescente comunidade tem feito nascer e crescer projetos in- ternacionais que abordam a questão em um ambiente com desafios adicionais devido ao seu perfil fortemente interdisciplinar. O objetivo desta dissertação é usar ferramentas computacionais de análise por tópicos de textos para desenvolver um método auxiliar de classificação léxica de publicações apoiado em uma taxonomia denominada TaDiRAH – Taxonomy of Digital Research Activities in the Humanities. O método proposto pode ser visto como uma combinação da abordagem semântica da taxonomia com a abordagem léxica da análise automatizada de textos. Suas categorias são de uso livre e prático. No entanto, não é incomum, e até esperado pelo perfil interdisciplinar, que uma publicação possa ser classificada em diferentes categorias de níveis diferentes ou de mesmo nível da taxonomia, criando assim sobreposições. Somado a isso, a quantidade de publicações já classificadas artesanalmente pela comunidade científica ainda é relativamente pequena e, sobretudo, extremamente desbalanceada entre as categorias da taxonomia. Esses dois aspectos que caracterizam a amostragem disponível tornam a tarefa de classificar com fi- dedignidade publicações em Humanidades Digitais particularmente difícil. Propomos um método que combina modelos de classificação bayesianos da literatura com abordagens originais para lidar com sobreposições e desbalanceamento entre as categorias da taxo- nomia. Resultados de experimentos computacionais realizados com um universo de 443 publicações mostraram que as abordagens propostas são, de fato, capazes de melhorar profundamente o desempenho dos métodos de classificação empregados.