Um projeto que utiliza o Arquivo Online Their Finest Hour da Universidade de Oxford avaliou três abordagens de Processamento de Linguagem Natural (PLN) — Reconhecimento de Entidades Nomeadas, Extração de Palavras-Chave e Modelagem de Tópicos — para automatizar a extração de palavras-chave em escala. O estudo testou esses métodos em uma variedade de técnicas, desde modelos estatísticos tradicionais até redes neurais modernas de IA generativa.
- Os achados quantitativos e qualitativos indicam que o PLN oferece potencial real para escalar a extração de palavras-chave em coleções crowdsourced.
- Nenhum método único fornece uma solução completa, e a escolha do modelo molda significativamente os resultados.
- Modelos extrativos de peso aberto são identificados como mais adequados para implantação responsável.
- A IA generativa introduz riscos de responsabilidade devido à sua natureza abstrativa.
Os autores argumentam que a extração automatizada de palavras-chave em coleções crowdsourced levanta responsabilidades distintas de custódia em relação aos metadados produzidos por contribuidores vivos.