Un projet utilisant l'archive en ligne "Their Finest Hour Online Archive" de l'Université d'Oxford a évalué trois approches de traitement du langage naturel (NLP)—Reconnaissance d'Entités Nommées, Extraction de Mots-Clés et Modélisation de Thèmes—pour automatiser l'extraction de mots-clés à grande échelle. L'étude a testé ces méthodes sur des techniques allant des modèles statistiques traditionnels aux réseaux neuronaux modernes d'IA générative.
- Les résultats quantitatifs et qualitatifs indiquent que les approches NLP offrent un réel potentiel pour l'extraction de mots-clés dans les collections crowdsourcées, bien qu'aucune méthode unique ne fournisse une solution complète.
- Le choix du modèle s'est avéré façonner significativement les résultats du processus d'extraction.
- Les modèles extractifs à poids ouverts se sont révélés mieux adaptés au déploiement responsable par rapport à l'IA générative.
Les auteurs soutiennent que l'extraction automatisée de mots-clés soulève des responsabilités de gouvernance distinctes car les métadonnées sont le produit direct de l'engagement avec des contributeurs vivants. Ils mettent en garde contre le fait que, bien que l'IA générative ait un potentiel abstraitif, elle introduit des risques de responsabilité que les gestionnaires doivent peser soigneusement.