Αναλογιζόμενος τις επιπτώσεις, ο καθηγητής So διευκρινίζει την προοπτική ενσωμάτωση διαφορετικών τύπων δεδομένων, συνδυάζοντας την ανάλυση κειμένου με παραδοσιακά σύνολα αριθμητικών δεδομένων για τον εμπλουτισμό της οικονομικής ανάλυσης, καταδεικνύοντας τις διεπιστημονικές δυνατότητες της έρευνας.
COVID-19: Μια μελέτη στο Health Data Science εισάγει ένα προηγμένο ερευνητικό πλαίσιο για την ανατομή του τεράστιου κειμενικού τοπίου που περιβάλλει το COVID-19. Αυτή η μεθοδολογία αξιοποιεί λέξεις-κλειδιά από το Google Trends παράλληλα με αποσπάσματα έρευνας από τη βάση δεδομένων του ΠΟΥ COVID-19, προσφέροντας μια λεπτή κατανόηση της δυναμικής του λόγου της πανδημίας.
Καθ’ όλη τη διάρκεια της πανδημίας, η έρευνα υποστήριξε την αποτελεσματική χάραξη πολιτικής, ωστόσο, εργαλεία όπως το Google Trends (GT) συχνά χάνουν κρίσιμες αποχρώσεις που αποτυπώνονται σε επιστημονικές έρευνες. Αυτή η μελέτη αντιπαραθέτει τα δεδομένα της Google GT με την ακαδημαϊκή έρευνα, φωτίζοντας το εύρος και το βάθος της επιστημονικής ενασχόλησης με θέματα COVID-19 σε σύγκριση με τις δημόσιες έρευνες. Ο Benson Shu Yan Lam, Αναπληρωτής Καθηγητής στο Πανεπιστήμιο Hang Seng του Χονγκ Κονγκ, υπογραμμίζει την προσπάθεια να εξεταστεί η επικαιρότητα και η διασυνδεσιμότητα αυτών των αποθετηρίων δεδομένων, αξιολογώντας εάν τα δεδομένα της Google GT μπορεί να σηματοδοτήσουν αξιόπιστα τις αναδυόμενες ανησυχίες του κοινού ή εάν οι ακαδημαϊκοί λόγοι παρέχουν νωρίτερα, πιο ουσιαστικές γνώσεις. Ένα σημαντικό εύρημα, όπως περιγράφεται από την Amanda Man Ying Chu, Επίκουρη Καθηγήτρια στο The Education University of Hong Kong, είναι η προτεραιότητα της ακαδημαϊκής κοινότητας στην αντιμετώπιση θεμάτων COVID-19. Οι περιλήψεις της έρευνας όχι μόνο εξέτασαν αυτά τα θέματα πριν εμφανιστούν στις αναζητήσεις GT, αλλά επίσης εμβαθύνουν, προσφέροντας μια πιο πλούσια, λεπτομερέστερη προοπτική ευεργετική για τη διαμόρφωση πολιτικής.
Η μελέτη εισάγει επίσης τη μέθοδο Συνεκτικής Ομαδοποίησης Θεμάτων Coherent Topic Clustering (CTC), μια καινοτόμο προσέγγιση εξόρυξης κειμένου που οργανώνει αποτελεσματικά φράσεις κλειδιά από ογκώδεις ερευνητικές περιλήψεις, ξεπερνώντας το BERTopic, ένα σύγχρονο μοντέλο που βασίζεται στη βαθιά μάθηση, στην εξαγωγή συναφών θεμάτων. Κοιτάζοντας το μέλλον, ο Mike Ka Pui So, καθηγητής στο Πανεπιστήμιο Επιστήμης και Τεχνολογίας του Χονγκ Κονγκ, οραματίζεται τη διεύρυνση της χρησιμότητας αυτού του πλαισίου πέρα από την επιστήμη της υγείας, ιδιαίτερα στην ανάλυση οικονομικών ειδήσεων. Αυτή η επέκταση υπογραμμίζει την ικανότητα του πλαισίου να συνδυάζει ποιοτικές και ποσοτικές γνώσεις, ένα κρίσιμο σύνορο στον σύγχρονο χρηματοοικονομικό έλεγχο. Αναλογιζόμενος τις επιπτώσεις, ο καθηγητής So διευκρινίζει την προοπτική ενσωμάτωση διαφορετικών τύπων δεδομένων, συνδυάζοντας την ανάλυση κειμένου με παραδοσιακά σύνολα αριθμητικών δεδομένων για τον εμπλουτισμό της οικονομικής ανάλυσης, καταδεικνύοντας τις διεπιστημονικές δυνατότητες της έρευνας.
Ακολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
