Automatyzacja analizy cyfrowej komunikacji organizacji

• Autorzy: Piotr Glenc
• Języki publikacji: PL

Abstrakty

W niniejszym rozdziale przedstawiono zagadnienia związane z automatyzacją analizy komunikatów tworzonych w procesach komunikacji organizacji, zwłaszcza komunikacji cyfrowej. Z uwagi na szeroki zakres poruszanej tematyki rozważania na temat automatyzacji analizy komunikacji cyfrowej organizacji ograniczono do możliwości wykorzystania narzędzi informatycznych do analizy komunikatów, zwłaszcza tekstowej reprezentacji ich treści. Ponieważ dla języka polskiego nie opracowano dotychczas systemu informatycznego, który można by określić jako kompleksowe narzędzie analizy komunikacji (a przynajmniej taki system nie jest powszechnie znany), wskazano na użyteczność wybranych technik i narzędzi informatycznych, które, choć nie zostały opracowane z myślą o usprawnianiu analizy komunikacji, potencjalnie mogą być w tym celu wykorzystane. Treści zawarte w niniejszym rozdziale dobrano z zamysłem dostarczenia menedżerom i twórcom narzędzi informatycznych inspiracji w zakresie automatyzowania analizy komunikacji organizacji. Najbardziej naturalnym przedmiotem automatyzowanej analizy jest komunikacja cyfrowa. Wynika to zwłaszcza z dostępności materiału poddawanego analizie, zapisywanego od razu w postaci cyfrowej, co sprawia, że zebranie i przygotowanie komunikatów do automatyzowanej analizy zazwyczaj nie wymaga dużych nakładów pracy i pozwala w krótkim czasie uzyskać oczekiwane wyniki. (fragment tekstu)

Słowa kluczowe

PL

Metody komunikowania się w organizacji; Technologie informacyjne i telekomunikacyjne; Analiza tekstu; Analiza dyskursu; Komunikowanie cyfrowe

EN

Communication methods; Information and Communication Technology (ICT); Text analysis; Discourse analysis; Digital Communication

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2020
• Tom: Cyfrowa komunikacja organizacji
• Strony: 108--125

Twórcy

autor

Piotr Glenc

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Aguilar G., Maharjan S., López-Monroy A.P., Solorio T. (2017), A Multi-Task Approach for Named Entity Recognition in Social Media Data, Proceedings of the 3rd Workshop on Noisy User-Generated Text Conference, 7 September, Copenhagen.
• Berdowska A. (2018), Wspomaganie procesu rekrutacji pracowników za pomocą chatbotów - analiza wybranych rozwiązań, "Zarzadzanie Zasobami Ludzkimi", nr 124(5), s. 93-112.
• Błażewicz G. (2012), Marketing Automation - nowa szkoła marketingu, CEO Benhauer & SALESmanago Marketing Automation, https://sprawnymarketing.pl/wp-content/ uploads/2012/09/Marketing-automation-PL.pdf (dostęp: 30.08.2019).
• Chandra E., Senthildevi K.A. (2015), Keyword Spotting: An Audio Mining Technique in Speech Processing - A Survey, "IOSR Journal of VLSI and Signal Processing", Vol. 5, Iss. 4, Ver. II, s. 22-27.
• Covington M.A., Nute D., Schmitz N., Goodman D. (1988), From English to Prolog via Discourse Representation Theory ACMC Research Report 01-0024, https://www. researchgate.net/publication/242185359_From_English_to_Prolog_via_Discourse_ Representation_Theory_ACMC_Research_Report_01-0024 (dostęp: 13.12.2019).
• Dimitrova-Grekow T., Klis A., Igras-Cybulska M. (2019), Speech Emotion Recognition Based on Voice Fundamental Frequency, "Archives of Acoustics", Vol. 44(2), s. 277-286.
• Farías D.I.H., Patti V., Rosso P. (2016), Irony Detection in Twitter: The Role of Affective Content, "ACM Transactions on Internet Technology", Vol. 16(3), s. 19.
• Filipczyk B. (2018), Perspektywy zastosowań chatbotów w organizacjach, "Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach", nr 368, s. 54-66.
• Gładysz A. (2016a), Przegląd zastosowań analizy text miningowej, "Autobusy: Technika, Eksploatacja, Systemy Transportowe", nr 17(12), s. 1742-1746.
• Gładysz A. (2016b), Wykorzystanie metod automatyzacji tekstu w analizie opinii konsumenckich, "Modern Management Review", Vol. 21, No. 23(2), s. 31-42.
• Glenc P. (2018), Internetowe platformy dyskusyjne jako narzędzia angażowania pracowników w procesy podejmowania decyzji, "Zarządzanie Zasobami Ludzkimi", nr 124(5), s. 129-145.
• Gunning R. (1952), The Technique of Clear Writing, McGraw-Hill, New York.
• Hee C. van, Lefever E., Hoste V. (2018), SemEval-2018 Task 3: Irony Detection in English Tweets, (w:) Proceedings of the 12th International Workshop on Semantic Evaluation, Association for Computational Linguistics, New Orleans, s. 39-50.
• Jacobi C., Atteveldt W. van, Welbers K. (2016), Quantitative Analysis of Large Amounts of Journalistic Texts Using Topic Modelling, "Digital Journalism", Vol. 4(1), s. 89-106.
• Jeruzalski T., Chwalewska K. (2015), Analiza wizualna w administracji publicznej, "Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach", nr 243, s. 165-181.
• Kamińska D., Pelikant A. (2012), Zastosowanie multimodalnej klasyfikacji w rozpoznawaniu stanów emocjonalnych na podstawie mowy spontanicznej, "Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska", nr 3, s. 36-39.
• Król K. (2018), Przystępność percepcyjna internetowych ofert turystyki wiejskiej, "Roczniki Naukowe Ekonomii Rolnictwa i Rozwoju Obszarów Wiejskich", nr 105(1), s. 82-94.
• Lippi M., Torroni P. (2016), Argumentation Mining: State of the Art and Emerging Trends, "ACM Transactions on Internet Technology", Vol. 16(2), s. 1-25.
• Lula P. (2005), Text mining jako narzędzie pozyskiwania informacji z dokumentów tekstowych, (w:) Data Mining: poznaj siebie i swoich klientów, StatSoft Polska, s. 67-84.
• Łopacińska L., Wnuk U. (2014), Analiza indeksu mglistości tekstu w raportach ewaluacyjnych strategicznych programów badawczych w obszarze innowacji technicznych, "E-mentor", nr 5(57), s. 43-49.
• Macagno F., Walton D., Reed C. (2017), Argumentation Schemes. History, Classifications, and Computational Applications, "Journal of Logics and Their Applications", Vol. 4(8), s. 2493-2556.
• Marquardt D., Losa-Jonczyk A. (2018), Interaktywność w mediach społecznościowych polskich firm energetycznych, "Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach", nr 376, s. 117-134.
• Odrowąż-Sypniewska J. (2014), Teoria reprezentacji dyskursu a kontekstualizm, "Analiza i Egzystencja", nr 27, s. 5-26.
• Przepiórkowski A., Skwarski F., Hajnicz E., Patejuk A., Świdziński M., Woliński M. (2014), Modelowanie własności składniowych czasowników w nowym słowniku walencyjnym języka polskiego, "Polonica", nr 33, s. 159-178.
• Przybyła P. (2014), Odpowiadanie na pytania w języku polskim z użyciem głębokiego rozpoznawania nazw, Praca doktorska zrealizowana w Instytucie Podstaw Informatyki Polskiej Akademii Nauk, https://home.ipipan.waw.pl/p.przybyla/bib/phd.pdf (dostęp: 6.08.2019).
• Rahwan I., Reed C. (2009), The Argument Interchange Format, (w:) Argumentation in Artificial Intelligence, Springer, Boston, s. 383-402.
• Rahwan I., Zablith F., Reed C. (2007), Laying the Foundations for a World Wide Argument Web, "Artificial Intelligence", Vol. 171(10-15), s. 897-921.
• Smywiński-Pohl A. (2015), Automatyczna ekstrakcja relacji semantycznych z tekstów w języku polskim, Praca doktorska zrealizowana w Akademii Górniczo-Hutniczej w Krakowie (niepublikowana).
• Su L.Y.F., Cacciatore M.A., Liang X., Brossard D., Scheufele D.A., Xenos M.A. (2017), Analyzing Public Sentiments Online: Combining Human- and Computer-Based Content Analysis, "Information, Communication & Society", Vol. 20(3), s. 406-427.
• Tomanek K. (2014), Jak nauczyć metodę samodzielności? O "uczących się metodach" analizy treści, (w:) J. Niedbalski (red.), Metody i techniki odkrywania wiedzy. Narzędzia CAQDAS w procesie analizy danych jakościowych, Wydawnictwo Uniwersytetu Łódzkiego, Łódź, s. 173-189.
• Toulmin S. (1969), The Uses of Argument, Cambridge University Press, Cambridge.
• Turek T. (2017), Możliwości wykorzystania analizy sentymentu w procesach prosumenckich, "Ekonomiczne Problemy Usług", nr 126(1/2), s. 285-294.
• Vinodhini G., Chandrasekaran R.M. (2012), Sentiment Analysis and Opinion Mining: A Survey, "International Journal", Vol. 2(6), s. 282-292.
• Walton D.N. (1996), Argumentation Schemes for Presumptive Reasoning, Lawrence Erlbaum Associates, Mahwah.
• Wyskwarski M. (2017), Text mining w analizie zbiorów publikacji naukowych, "Zeszyty Naukowe. Organizacja i Zarządzanie", z. 114, s. 635-647.
• [www 1] https://www.jasnopis.pl/ (dostęp: 6.08.2019).
• [www 2] http://www.logios.pl/ (dostęp: 6.08.2019).
• [www 3] http://clarin-pl.eu/en/uslugi/ (dostęp: 5.08.2019).
• [www 4] https://voyant-tools.org/docs/