Um estudo usando o "Arquivo Online de Sua Hora Mais Famosa" da Universidade de Oxford avaliou três abordagens de Processamento de Linguagem Natural (NLP) — Reconhecimento de Entidades Nomeadas, Extração de Palavras-Chave e Modelagem de Tópicos — para automatizar a atribuição de palavras-chave em escala. O projeto testou esses métodos em técnicas que vão desde modelos estatísticos tradicionais até redes neurais modernas de GenAI.
- Achados quantitativos e qualitativos indicam que, embora o NLP ofereça potencial real para extração em larga escala, nenhum método único fornece uma solução completa.
- A seleção do modelo molda significativamente os resultados, com modelos extrativos de peso aberto emergindo como os mais adequados para implantação responsável.
- A IA generativa introduz riscos de responsabilidade devido à sua natureza abstrativa, exigindo consideração cuidadosa por parte dos gestores de coleções.
Os autores argumentam que a extração automatizada de palavras-chave em coleções crowdsourced levanta responsabilidades distintas de custódia em relação aos metadados derivados de contribuidores vivos, necessitando de um equilíbrio entre desempenho técnico e supervisão ética.