オックスフォード大学の「Their Finest Hour Online Archive」を用いた研究は、大規模なキーワード割り当てを自動化するために、固有表現認識、キーワード抽出、トピックモデリングという3つの自然言語処理アプローチを評価した。このプロジェクトは、従来の統計モデルから最新のGenAIニューラルネットワークに至るまでの手法にわたってこれらの方法をテストした。

  • 定量的および定性的な知見は、NLPが大規模抽出において現実的な可能性を提供する一方で、単一の方法が完全な解決策を提供しないことを示している。
  • モデルの選択は結果を大きく左右し、オープンウェイトの抽出モデルが責任あるデプロイメントに最も適していることが浮き彫りになった。
  • 生成AIはその抽象的な性質により説明責任のリスクをもたらすため、コレクション管理者による慎重な検討が必要である。

著者らは、クラウドソーシングされたコレクションにおける自動化されたキーワード抽出は、生きている貢献者から派生したメタデータに関する独自の管理責任を提起すると主張し、技術的性能と倫理的監督のバランスを取る必要性を強調している。