Hầu hết nội dung kỹ thuật số, dù là hàng nghìn bài báo hay hàng triệu bài đăng trên mạng xã hội, đều quá lớn để mắt thường có thể nhìn thấy. Thông thường, sự ra đời của các tập dữ liệu khổng lồ đòi hỏi một cách tiếp cận hiệu quả hơn để dán nhãn phương tiện truyền thông ngoài một nhóm các nhà nghiên cứu. Cuốn sách này cung cấp hướng dẫn thực tế và mã Python để duyệt qua các vùng dữ liệu rộng lớn - nâng cao đáng kể năng suất mà không ảnh hưởng đến tính toàn vẹn của học thuật. Chúng tôi sẽ khảo sát một loạt các phương pháp phân loại dựa trên máy tính, tập trung vào các giải thích phương pháp dễ hiểu và các biện pháp thực hành tốt nhất để đảm bảo dữ liệu của bạn được dán nhãn chính xác và rõ ràng. Khi đọc cuốn sách này, bạn sẽ hiểu cách chọn phương pháp phân tích nội dung tính toán tốt nhất cho nhu cầu của mình đối với dữ liệu và vấn đề bạn gặp phải. Hướng dẫn này cung cấp cho các nhà nghiên cứu các công cụ họ cần để mở rộng phạm vi phân tích của mình thông qua việc tích hợp phân tích nội dung với các phương pháp phân loại tính toán, bao gồm học máy và những tiến bộ mới nhất trong trí tuệ nhân tạo tạo sinh (AI) và mô hình ngôn ngữ lớn (LLM). Nó đặc biệt hữu ích cho các nhà nghiên cứu học thuật muốn phân loại dữ liệu phương tiện truyền thông và các học giả tiên tiến trong nghiên cứu truyền thông đại chúng, nghiên cứu phương tiện truyền thông, truyền thông kỹ thuật số, truyền thông chính trị và báo chí. Bổ sung cho cuốn sách là các tài nguyên trực tuyến: bộ dữ liệu để thực hành, tập lệnh mã Python, giải pháp bài tập mở rộng và bài kiểm tra thực hành cho sinh viên, cũng như ngân hàng câu hỏi và lời nhắc viết luận cho giảng viên.

Abstract:

Most digital content, whether it be thousands of news articles or millions of social media posts, is too large for the naked eye alone. Often, the advent of immense datasets requires a more productive approach to labeling media beyond a team of researchers. This book offers practical guidance and Python code to traverse the vast expanses of data - significantly enhancing productivity without compromising scholarly integrity. We’ll survey a wide array of computer-based classification approaches, focusing on easy-to-understand methodological explanations and best practices to ensure that your data is being labeled accurately and precisely. By reading this book, you should leave with an understanding of how to select the best computational content analysis methodology to your needs for the data and problem you have. This guide gives researchers the tools they need to amplify their analytical reach through the integration of content analysis with computational classification approaches, including machine learning and the latest advancements in generative artificial intelligence (AI) and large language models (LLMs). It is particularly useful for academic researchers looking to classify media data and advanced scholars in mass communications research, media studies, digital communication, political communication, and journalism. Complementing the book are online resources: datasets for practice, Python code scripts, extended exercise solutions, and practice quizzes for students, as well as test banks and essay prompts for instructors.

Ngôn ngữ:	eng
Tác giả:	Vargo, Chris J.
Thông tin nhan đề:	The Computational Content Analyst: Using Machine Learning to Classify Media Messages
Nhà xuất bản:	Taylor & Francis
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/licenses/by-nc-nd/4.0/
Nguồn gốc:	https://directory.doabooks.org/handle/20.500.12854/152354
Mô tả vật lý:	144p.
Năm xuất bản:	2025