![[pdf]](https://inftars.infonia.hu/img/pdf.png)
DOI: https://doi.org/10.22503/inftars.XXI.2021.1.1
Nyelv: hu
Cím: Az Információs Társadalomban megjelenő tanulmányok topikelemzése
Alcím: Boldog születésnapot, Információs Társadalom!
Absztrakt: A tanulmány dedikáltan az Információs Társadalom folyóirat jubileumi számába készült, elsődleges célja, hogy áttekintse a folyóirat elmúlt éveinek publikációit és szerzői hálózatát. A tanulmány szerzői azt vizsgálják, hogy az Információs Társadalom folyóirat milyen témákat emelt be az „information society studies” hazai diskurzusába az elmúlt 15 évben. A cikk szerzői természetesnyelv-feldolgozással (Natural Language Processing, NLP), azon belül is topikmodellezéssel elemzik a folyóiratban 2005-től megjelent tanulmányokat, hogy feltárják a folyóirat tematikus szerkezetét. Az elemzés során 10 topikot, vagyis látens témát különítenek el, például a hálózatok/rendszerek, az oktatás, az adatvédelem és az internet és közösségek területét azonosítva a Látens Dirichlet Allokáció (LDA) eljárás segítségével. A tartalmi elemzés mellett a cikk betekintést nyújt a folyóiratba publikálók társ-szerzőségi hálózatába, valamint a szerzők és az egyes topikok kapcsolatába is. A társszerzőség szerinti hálózatban három, viszonylag sok szerzőt tartalmazó algráf azonosítható, de a hálózat alapját jellemzően diádok, triádok és négyes csoportok alkotják. A szerzők cikkeinek topikhovatartozása azt mutatja, hogy a sokat publikáló szerzők cikkei jellemzően 3-4 topikba kerülnek.
Kulcsszavak: Információs Társadalom, topikmodell, természetesnyelv-feldolgozás, szövegelemzés, hálózatelemzés
Cím: Topic modelling of the Információs Társadalom
Alcím: Happy Birthday, Információs Társadalom!
Absztrakt: The study was written for the jubilee issue of the Információs Társadalom (Information Society) journal, with the primary aim of reviewing the journal’s publications and the journal’s author network in the last 15 years. The authors of the study examine what topics were included in the Hungarian discourse of “information society studies” by the journal. The authors of the
article use Natural Language Processing (NLP), to be precise, topic modeling, to analyze the thematic structure of the journal. The analysis identifies 10 latent topics, i.e. networks / systems, education, data protection, Internet and communities using the Latent Dirichlet Allocation (LDA). In addition to content analysis, the article also provides insight into the co-author network of
the journal, as well as the relationship between authors and topics. The network is typically based on dyads, triads, and groups of four authors. Three graphs were identified with a high number of authors in the whole network. Based on the topic model it seems that those authors’ articles who published a lot in the journal, belong to 3-4 topics.
Kulcsszavak: Information Society, Natural Language Processing, topic modeling, text analysis, network analysis