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) — la reconnaissance d'entités nommées, l'extraction de mots-clés et la modélisation thématique — pour automatiser l'extraction de mots-clés à grande échelle. L'étude a testé ces méthodes sur une gamme de techniques, allant des modèles statistiques traditionnels aux réseaux neuronaux modernes d'IA générative.
- Les résultats quantitatifs et qualitatifs indiquent que le NLP offre un réel potentiel pour l'échelle de l'extraction de mots-clés dans les collections crowdsourcées.
- Aucune méthode unique ne fournit une solution complète, et le choix du modèle façonne significativement les résultats.
- Les modèles extractifs à poids ouverts sont identifiés comme les mieux adaptés pour un déploiement responsable.
- L'IA générative introduit des risques de responsabilité en raison de sa nature abstraite.
Les auteurs soutiennent que l'extraction automatisée de mots-clés dans les collections crowdsourcées soulève des responsabilités de gouvernance distinctes concernant les métadonnées produites par des contributeurs vivants.