Katona Eszter, Knap Árpád, Máté Fanni, Csótó Mihály – Az Információs Társadalomban megjelenő tanulmányok topikelemzése

2021.07.13. Publikáció

Kutatócsoportunk három tagja: Katona Eszter, Knap Árpád és Máté Fanni, Csótó Mihály közreműködésével az Információs Társadalom folyóirat születésnapi számába írt cikket. A tanulmány elsődleges célja, hogy NLP-s eszközökkel áttekintse a folyóirat elmúlt 15 évben milyen témákat emelt be az „information society studies” hazai diskurzusába, és feltárja a folyóirat tematikus szerkezetét. A tartalmi elemzés mellett a cikk betekintést nyújt a folyóiratba publikálók társ-szerzőségi hálózatába, valamint a szerzők és az egyes témák kapcsolatába is.

A cikk elérhető a következő linken: https://doi.org/10.22503/inftars.XXI.2021.1.1
A vizualizációk itt érhetők el: https://inftars.infonia.hu/inftars20?lang=hu

Németh, Sik, Katona (2021) – The asymmetries of the biopsychosocial model of depression in lay discourses – Topic modelling online depression forums

2021.04.26. Publikáció A depresszió diszkurzív keretezése online fórumok közösségében

Megjelent online depresszió-fórumok NLP-elemzésével foglalkozó projektünk új eredménye az SSM Population Health (D1) hasábjain, Németh Renáta, Sik Domonkos és Katona Eszter tollából, The asymmetries of the biopsychosocial model of depression in lay discourses – Topic modelling online depression forums címmel.

Sik, Domonkos (2020): From Lay Depression Narratives to Secular Ritual Healing: An Online Ethnography of Mental Health Forums

2020.12.29. Publikáció A depresszió diszkurzív keretezése online fórumok közösségében

The article aims at analysing online depression forums enabling lay reinterpretation and criticism of expert biomedical discourses. Firstly, two contrasting interpretations of depression are reconstructed: expert psy-discourses are confronted with the phenomenological descriptions of lay experiences, with a special emphasis on online forums as empirical platforms hosting such debates. After clarifying the general theoretical stakes concerning contested ‘depression narratives’, the results of an online ethnography are introduced: the main topics appearing in online discussions are summarised (analysing how the abstract tensions between lay and expert discourses appear in the actual discussions), along with the idealtypical discursive logics (analysing pragmatic advises, attempts of reframing self-narratives and expressions of unconditional recognition). Finally, based on these analyses an attempt is made to explore the latent functionality of online depression forums by referring to a secular ‘ritual healing’ existing as an unreflected, contingent potential.

Németh Renáta, Sik Domonkos, Máté Fanni. 2020. “Machine learning of concepts hard even for humans: the case of online depression forums”. International Journal of Qualitative Methods

2020.08.25. Publikáció A depresszió diszkurzív keretezése online fórumok közösségében

Social scientists of mixed-methods research have traditionally used human annotators to classify texts according to some predefined knowledge. The ‘big data’ revolution, the fast growth of digitized texts in recent years brings new opportunities but also new challenges. In our research project, we aim to examine the potential for natural language processing (NLP) techniques to understand the individual framing of depression in online forums. In this paper, we introduce a part of this project experimenting with NLP classification (supervised machine learning) method, which is capable of classifying large digital corpora according to various discourses on depression. Our question was whether an automated method can be applied to sociological problems outside the scope of hermeneutically more trivial business applications.

The present article introduces our learning path from the difficulties of human annotation to the hermeneutic limitations of algorithmic NLP methods. We faced our first failure when we experienced significant inter-annotator disagreement. In response to the failure, we moved to the strategy of intersubjective hermeneutics (interpretation through consensus). The second failure arose because we expected the machine to effectively learn from the human-annotated sample despite its hermeneutic limitations. The machine learning seemed to work appropriately in predicting bio-medical and psychological framing, but it failed in case of sociological framing. These results show that the sociological discourse about depression is not as well founded as the bio medical and the psychological discourses – a conclusion which requires further empirical study in the future. An increasing part of machine learning solution is based on human annotation of semantic interpretation tasks, and such human-machine interactions will probably define many more applications in the future. Our paper shows the hermeneutic limitations of ‘big data’ text analytics in the social sciences, and highlights the need for a better understanding of the use of annotated textual data and the annotation process itself.

A cikkhez kapcsolódó honlap itt érhető el.

Barna, Ildikó, és Árpád Knap. 2020. „A Case Study of Using LDA Topic Modeling in Sociological Research – Antisemitism in Contemporary Hungary”. Előadás, Institute of Formal and Applied Linguistics, Károly Egyetem, Prága, Csehország.

2020.01.20. Előadás Online antiszemitizmus

Barna Ildikó, kutatócsoportunk társvezetője előadást tartott a jelenkori magyarországi antiszemitizmusról a prágai Károly Egyetem Alkalmazott Nyelvészeti Intézetében. Az előadás alapját a Knap Árpáddal közösen végzett Online Antiszemitizmus kutatás jelentette. Előadásában a kutatás eddigi eredményeinek ismertetésén túl kitért arra is, hogy a természetesnyelv-feldolgozás outputjának interpretálásához miért nélkülözhetetlen a szociológiai és a szakterületi tudás.

Az előadásról további információ található az egyetem honlapján. A prezentációról készült videófelvétel ezen a linken tekinthető meg.

A kapcsolódó hír honlapunkon itt érhető el.

Koltai, Júlia – Kmetty, Zoltán – Bozsonyi, Károly (2019) From Durkheim to machine learning – finding the relevant sociological content in a social media discourse. In: Rudas, Tamás – Péli, Gábor (eds.) Pathways Between Social Science and Computational Social Science – Therories, Methods and Interpretations. New York, NY, Springer. (forthcoming)

2019.12.15. Publikáció Adattudomány a társadalomkutatásban

Az öngyilkosság témája Durkheim óta foglalkoztatja a társadalomtudósokat. Az internet és a közösségi média új utakat nyitott meg az emberek számára ahhoz, hogy megosszák ott pozitív érzéseiket, ugyanakkor ezek színterei lehetnek a szuicid késztetés és a depressziós gondolatok megfogalmazásának is. A legtöbb ilyen bejegyzés nem valós öngyilkossági szándék miatt íródik, egyesek mögött azonban valós segélykiáltások vannak. Mindazonáltal, az öngyilkossággal és depresszióval kapcsolatos bejegyzések jellege nagyon eltérő a különböző platformokon, így egyáltalán nem egyértelmű, hogy egy kutató hogyan találja meg az ilyen tartalmakat a közösségi média hatalmas adattömegében. Tanulmányunkban egy olyan szövegkorpuszt dolgozunk fel, amely több mint 4 millió olyan Instagram fotón alapul, melyek kapcsolatban hozhatóak mentális problémákkal. A korpusz bemutatása után két eltérő stratégiát taglalunk arra vonatkozóan, hogy lehet a szociológiai szempontból releváns tartalmakat meghatározni a közösségi média zajos adataiból. Az első módszer kiindulópontja egy topicmodellezés (Latent Dirichlet Allocation – LDA), amelynek  eredménye egy felügyelt gépi tanulással készült osztályozási módszer alapjául szolgál. A másik stratégia egy mesterséges neurális hálón alapuló szóbeágyazási modellre épül.

Németh, Renáta; Koltai, Júlia (2019): Szociológiai tudás felfedezése autamatizált szöveganalitika segítségével. In: Rudas, Tamás – Péli, Gábor (szerk.) Pathways Between Social Science and Computational Social Science – Therories, Methods and Interpretations. New York, NY, Springer. (előkészületben) 

2019.12.01. Publikáció Adattudomány a társadalomkutatásban

Tanulmányunkban a Big Data szöveganalitika szociológiai alkalmazásának lehetőségeit és kihívásait tárgyaljuk. A lehetőségek közé azokat az információtechnológiai, adattudományi, mesterséges intelligencia-kutatási és természetes nyelvfeldolgozási (natural language processing, NLP) eredményeket soroljuk, melyek eredetileg üzleti és technológiai területeken jöttek létre, és amelyek közül több jól adaptálható a társadalomkutatásban. Segítségükkel közvetlenül megfigyelhető a társas viselkedés, real-time végezhető az elemzés, és – az NLP fejlődésével párhuzamosan – a szöveges tartalmak megértése is mélyebbé válhat. Munkánkban ezeket a módszereket hozzuk közelebb a klasszikus kvantitatív módszereket ismerő szociológus olvasóhoz. Olyan új szociológiai témákra mutatunk rá, melyeket e megközelítés generálhat, s fordítva: megmutatjuk, hogyan kaphatnak új szempontokat klasszikus szociológiai kérdések. Célunk a szociológusok e területre történő belépésének motiválása, ezért az új módszereket a klasszikus szociológiai eszközök és fogalmak felől ismertetjük, és választ adunk arra a kérdésre is, milyen felkészülést előfeltételez ez a belépés a hagyományosan képzett szociológus részéről.

Katona E, Németh R, Kmetty Z (2019): Szöveganalitika a társadalomtudományokban – Az NLP alkalmazása egy gyakorlati példán. (Közlésre benyújtva.)

2019.09.01. Publikáció A korrupció megjelenése az online médiában és a közösségi médiában, nemzetközi összehasonlító vizsgálat

Cikkünkben a nemzetközi társadalomtudományi alkalmazásokban, a „Big Data” paradigma térnyerésével párhuzamosan rohamosan terjedő számítógépes szövegelemzési (NLP) módszereket és szociológiai felhasználhatóságukat tekintjük át. Bemutatjuk a legnépszerűbb és a szociológia számára véleményünk szerint legperspektivikusabb módszereket, és azokat a technikai-előfeldolgozási lépéseket is, melyek a klasszikus kvantitatív kutatáshoz képest az NLP specifikumát és komplexitását jellemzik. Egy konkrét esettanulmányként a korrupció online sajtóbeli témáinak időbeli változását vizsgáljuk, dinamikus topikmodell segítségével, a K-Monitor cikkgyűjteményét használva. 26.000 cikk alapján elemezzük a 2007 és 2018 közötti időszakot tekintve a tipikus korrupciós témák népszerűségének és tartalmának változását. A modell eredményeként hét, egymástól jól elkülöníthető topik jött létre, melyek külső információkkal is jó egyezést mutatnak.  

Célunk az új megközelítés logikájának, a módszerekhez illeszthető kutatási kérdéseknek a megismertetése. Nem céloztuk sem a pontos matematikai-statisztikai háttér megismertetését, sem az egyes módszerek alkalmazásának támogatását, ugyanakkor utóbbihoz ajánlunk néhány jó kiindulópontot. Reményeink szerint írásunk inspirációul szolgál az NLP hazai szociológiai elterjedéséhez, e folyamat támogatását azért is fontosnak tartjuk, mert meggyőződésünk szerint az NLP néhány éven belül standard eszköze lesz a nemzetközi alkalmazott társadalomkutatásnak.

További részletek, vizualizációk: https://eszterkatona.github.io/dtm_viz/

Barna, Ildikó, és Árpád Knap. 2019. „New Ways of Scrutinising Overt and Subtle Antisemitism in Hungary”. In 14th ESA Conference – Abstract book: Europe and Beyond: Boundaries, Barriers and Belonging, 880. Manchester, Egyesült Királyság: European Sociological Association

2019.08.21. Előadás Online antiszemitizmus

The level of antisemitism in Hungary has always been among the highest in Europe. Representative surveys show that approximately 33 to 40 per cent of the Hungarian population is antisemitic. Although there has been some fluctuation, the level of antisemitism has remained quite stable. Moreover, we found, based on representative surveys among Hungarian Jews, that although the proportion of those having experienced or witnessed antisemitic acts one year prior to the survey decreased massively from 79 to 58 per cent between 1999 and 2017, the perception of antisemitism severely deteriorated. While in 1999, 37 per cent of Jews thought that antisemitism was strong or very strong in Hungary, in 2017 65 per cent said the same. This high discrepancy between experience and perception is due to several factors, being one of them the spread of online hatred. This fact makes the analysis of online sources necessary. Due to the vast amount of unstructured online textual data, their examination demands new tools, one of them being Natural Language Processing (NLP). NLP is an interdisciplinary field of research in the intersection of computer science, artificial intelligence, as well as linguistics. In our research, we apply NLP on a massive corpus of recent Hungarian news articles, social media content, and online forum comments. NLP makes possible not only the examination of the structure, the main topics, and actors of overt antisemitism but the identification of underlying subjects and specificities of latent antisemitism. In our paper, we present the first results of our research.

A kapcsolódó hír honlapunkon itt érhető el.

Bio, psycho or social – Discursive framing of depression in online health communities – IC2S2, 5th International Conference on Computational Social Science, 2019

2019.07.17. Előadás A depresszió diszkurzív keretezése online fórumok közösségében

Kutatásunk első szakaszában célunk volt összegyűjteni és automatikusan osztályozni online fórumok hozzászólásait a fenti három keretezési kategóriába felügyelt tanuló algoritmusok alkalmazásával. Adatbázisunk a legnépszerűbb angol nyelvű, depresszió tematikájú online  fórumok hozzászólásait tartalmazza 2016 és 2018 között. Csak olyan posztokat használtunk, amelyek nyilvánosan elérhetőek, olvasásukhoz nincs szükség regisztrációra sem, szerzőjük online megosztásra szánta őket. Az adatok előfeldogozásához és elemzéséhez Pythont és különböző módszereket (SVM, naiv Bayes, logisztikus regresszió, döntési fák) használtunk. Poszterünk innét letölthető.

Korábbi kapcsolódó publikációk

2019.07.01. Publikáció A depresszió diszkurzív keretezése online fórumok közösségében

Sik Domonkos: From mental disorders to social suffering: Making sense of depression for critical theories. EUROPEAN JOURNAL OF SOCIAL THEORY (2018)

Sik, Domonkos: Válaszok a szenvedésre: A hálózati szolidaritás elmélete. Budapest, Magyarország : ELTE Eötvös Kiadó (2018) , 228 p.

Sik, Domonkos: A szenvedés határállapotai: Egy kritikai hálózatelmélet vázlata. Budapest, Magyarország : ELTE Eötvös Kiadó (2018) , 246 p.

Deckovic-Dukres, V., Hrkal, J., Németh, R., Vitrai, J., Zach, H.: Inequalities in health system responsiveness. Joint World Health Survey Report Based on Data from Selected Central European Countries, 2007. Jelentés a WHO megbízásából.

Remák, E., Gál, R.I., Németh, R.: Health and morbidity in the accession countries. Country report – Hungary. ENEPRI Research Reports 28, Brussels: ENEPRI, 2006.

Albert Fruzsina, Dávid Beáta, Németh Renáta: Társas támogatottság, társadalmi kohézió. In.: Országos Lakossági Egészségfelmérés OLEF2003, Kutatási Jelentés, 2005.

Eddigi eredmények

2019.07.01. Előadás A korrupció megjelenése az online médiában és a közösségi médiában, nemzetközi összehasonlító vizsgálat

Katona Eszter előadása

Katona Eszter ‘Natural Language Processing in Social Sciences’ címmel tartott előadást 2019. május 10-én Bázelben, a Joint Annual Conference of the GPSA Methods of Political Science Section and the SPSA Empirical Methodology Working Group (https://www.methodology-dvpw-svpw.com/) konferencián. Előadásában a Németh Renátával és Kmetty Zoltánnal közösen írt, megjelenés alatt álló cikk eredményeit ismertette.

Katona Eszter (2019): Szakdolgozat, 2018, ELTE, Survey Statisztika MSc. Részletek, vizualizációk: https://eszterkatona.github.io/atm-kmonitor/

Kapcsolódó korábbi tudományszociológiai/episztemológiai publikációk

2019.06.26. Publikáció Adattudomány a társadalomkutatásban

Barna, Ildikó, és Árpád Knap. 2019. „Antisemitism in Contemporary Hungary: Exploring Topics of Antisemitism in the Far-Right Media Using Natural Language Processing”. Theo-Web 18 (1): 75–92.

2019.06.15. Publikáció Online antiszemitizmus

In this paper, we explore antisemitism in contemporary Hungary. After briefly introducing the different types of antisemitism, we show the results of a quantitative survey carried out in 2017 on a nationally representative sample. Next, we present the research we conducted on the articles related to Jews from the far-right site Kuruc.info. Our corpus contained 2,289 articles from the period between February 28, 2016, and March 20, 2019. To identify latent topics in the text, we employed one of the methods of Natural Language Processing (NLP), namely topic modeling using the LDA method. We extracted fifteen topics. We found that racial antisemitism, unmeasurable by survey research, is overtly present in the discourse of Kuruc.info. Moreover, we identified topics that were connected to other types of antisemitism.

Keywords: antisemitism, Hungary, Natural Language Processing, topic modeling, LDA

Kmetty, Zoltán – Koltai, Júlia: Understanding Cultural Choices with NLP [Kulturális választások megértése a természetesnyelv feldolgozás segítségével] (2019). Előadás a Budapest Data Science Meetupon, Budapest, 2019. május 9.

2019.05.09. Előadás Adattudomány a társadalomkutatásban

A digitális szövegek mennyiségi növekedésével párhuzamosan a természetesnyelv feldolgozás módszerei nagyon gyorsan fejlődtek az utóbbi évtizedben. Előadásunkban a mesterséges neurális hálón alapuló szóbeágyazási modellekre fókuszálunk, melyek meglehetősen elterjedté váltak az elmúlt években. Ezen módszereket nagyon különböző területeken alkalmazzák, például nyelvészetben szótárkészítésnél, videóajánlási rendszereknél, termékek online értékelésének feldolgozásánál, stb. Mindazonáltal az emberi viselkedés és kultúrára megértésére eddig korlátozottan alkalmazták annak ellenére, hogy a rendelkezésre álló nagy mennyiségű digitális (szöveg)adat rengeteg információt hordoz preferenciáinkról, választásainkról és arról, ahogy gondolkodunk a világról. Előadásunkban különböző példákat mutatunk a szóbeágyazási modellek ilyen területen történő felhasználásáról. Az előadás emellett részletesen kitér a modellek módszertanára, a még megoldandó problémákra, valamint a szükséges jövőbeli fejlesztési irányokra is.

Bartus, Tamás – Kisfalusi, Dorottya – Koltai, Júlia (2019) Logisztikus regressziós együtthatók összehasonlítása In: Statisztikai Szemle 97(3): 221-240.

2019.03.09. Publikáció Adattudomány a társadalomkutatásban

Az utóbbi években egyre több figyelmet kapott az a probléma, hogy az egymásba ágyazott modellspecifikációkban szereplő, illetve a különböző részmintákra vonatkozó logisztikus (és más nemlineáris) regressziós együtthatók nem hasonlíthatók össze, mivel a különböző modellspecifikációkban és a különböző részmintákban eltér a nem megfigyelhető reziduális szórás. A tanulmányban a szerzők bemutatják a probléma megoldására kidolgozott módszereket és szimuláció segítségével vizsgálják azok hatékonyságát. Az egymásba ágyazott modellek együtthatói összehasonlíthatóvá tehetők az együtthatók y-standardizálásával vagy a többváltozós modell (nem közvetlenül az egyváltozós modellhez, hanem) egy speciális, kváziegyváltozós modellhez való hasonlításával. A különböző részmintákra vonatkozó becslések összehasonlítására kidolgozott módszerek – a csoport-interakciók arányosságának tesztelése, valamint a heterogenitást tartalmazó logisztikus regressziós modellek – azonban nem adnak érdemi megoldást a problémára. A tanulmány ennek a kudarcnak az elemzésével zárul.

Barna Ildikó előadása az “Antisemitism, Anti-Zionism, Israel, and the Holocaust” című workshopon Salzburgban

2019.02.24. Előadás Online antiszemitizmus

Barna Ildikó 2019. február 23-án előadást tartott az “Antisemitism, Anti-Zionism, Israel, and the Holocaust” című workshopon Salzburgban. Az előadás címe: “Overt and Subtle Antisemitism in Hungary” volt. Az előadásban beszélt az antiszemitizmus mérésének módszereiről és kihívásairól. A magyarországi antiszemitizmusról szóló nagymintás adatfelvételek eredményeinek bemutatásán túl beszélt a kutatás új lehetőségeiről; ezen belül is kiemelten foglalkozott a Natural Language Processing (NLP) nyújtotta lehetőségekről, valamint az online gyűlöletbeszéd munkacsoport kutatásáról.

Kmetty, Zoltán – Koltai, Júlia: Döntéshozatali mechanizmusok Big Data alapon társadalomtudományi szemmel. Előadás a HUB Design House ‘The Power of Big Data’ előadássorozatán, Budapest, 2019. január 9.

2019.01.09. Előadás Adattudomány a társadalomkutatásban

Előadásunkban azt mutatjuk be, hogy milyen lehetőségek rejlenek a nagy adat alapú döntéshozásban, kiemelten fókuszálva ezek veszélyeire, amikor ez a jellegű döntéshozatal nem működik megfelelően. Ez utóbbi téma keretén belül külön foglalkoztunk az interpretáció és az okság kérdéseivel.