Disputation: Fereshta Westin

Abstract: 

I denna doktorsavhandling undersöks hur datorbaserade metoder kan användas för att identifiera när i tid historien i en roman utspelar sig. Den tidsmässiga inramningen, som i denna avhandling benämns temporal aboutness, avser den tidsperiod då ett skönlitterärt verk utspelar sig och kan förstås som en dimension av verkets ämnesinnehåll. Trots dess potentiella värde för att organisera, söka och finna skönlitteratur i biblioteken saknas tidsinformation ofta, eller representeras endast i begränsad omfattning. En anledning är att det inte alltid är enkelt att identifiera en romans tidsmässiga inramning då det kan uttryckas genom datum eller historiska händelser, men också genom språk, sociala förhållanden, teknik, kulturella praktiker och berättelsens utveckling. Detta gör tidsmässig ämnesanalys till en tidskrävande uppgift, särskilt i stora samlingar. Avhandlingen undersöker därför hur temporal aboutness kan representeras, predikteras, utvärderas och tolkas med hjälp av datorbaserade metoder.

Avhandlingen består av fyra studier och en sammanfattande kappa. Den första studien ger en översikt över tidigare forskning om tid i text och identifierar hur tid har konceptualiserats, representerats och analyserats med hjälp av datorbaserade metoder. Den andra studien undersöker tre metoder — TF-IDF, LDA och SBERT — för att klassificera svensk historisk skönlitteratur i fyra fördefinierade tidsperioder. Den tredje studien använder språkmodeller för att prediktera den tidsmässiga inramningen i skönlitteratur som årsintervall och utvärderar prediktionerna utifrån både överlappningen mellan intervall och avståndet mellan predikterade och referensbaserade intervallgränser. Den fjärde studien analyserar förklaringar som genererats av språkmodeller för att identifiera vilka typer av textuella och kontextuella ledtrådar som används för att stödja tidsmässiga prediktioner.

Resultaten visar att den tidsmässiga inramningen i skönlitteratur kan identifieras med hjälp av datorbaserade metoder, men att den inte kan representeras, predikteras eller utvärderas på ett och samma sätt. Detta beror på att den tidsmässiga inramningen kan representeras som en bred historisk tidsperiod, ett mer precist årsintervall eller genom en kombination av explicita och indirekta textuella ledtrådar. Resultaten visar att tid kan identifieras genom utmärkande ord och återkommande teman, men också genom mer övergripande kontextuell information, såsom historiska referenser, sociala förhållanden, teknik, språk och berättelsens utveckling. Tidsmässiga prediktioner kan därför inte bedömas med ett enda mått på träffsäkerhet, såsom F1, eftersom olika representationer fångar olika aspekter av tid. Sammantaget visar resultaten att identifieringen av den tidsmässiga inramningen i skönlitteratur omfattar allt från att identifiera explicit tidsinformation till mer tolkande former av inferens baserade på ledtrådar.

Avhandlingen bidrar till forskning om kunskapsorganisation och ämnesrepresentation genom att visa att tidsmässigt ämnesinnehåll i skönlitteratur kan representeras på flera sätt: som tidsperioder, numeriska årsintervall och kombinationer av textuella och kontextuella ledtrådar. Den visar vidare att dessa representationer kräver olika metoder och olika former av utvärdering.

De praktiska implikationerna är att datorbaserade metoder kan stödja katalogisatörer och forskare genom att identifiera möjliga tidsperioder, årsintervall och tidsmässiga ledtrådar. Modellernas resultat bör dock granskas och utvärderas i relation till den specifika uppgiften och den form av representation som används.