Artykuł autorstwa naszych naukowców pt. „Cross-Topic Sentiment Analysis of Wikipedia Articles: A Comparative Study of AI Models” został opublikowany. Praca koncentruje się na jednym z fundamentów Wikipedii – zasadzie neutralnego punktu widzenia, która zakłada bezstronne przedstawianie informacji. Publikacja ta pokazuje, jak nowoczesne metody AI mogą wspierać analizę jakości informacji w skali globalnej, jednocześnie ujawniając złożoność i wyzwania stojące za pojęciem „neutralności”.
Ocena neutralności tekstu nie sprowadza się tylko do prostego wykrywania pozytywnych lub negatywnych słów. Artykuły encyklopedyczne są z natury długie, złożone i mogą poruszać kontrowersyjne tematy, w których subtelne różnice w języku mogą wskazywać na stronniczość. Dodatkowo różne dziedziny (np. polityka, historia czy nauki ścisłe) charakteryzują się odmiennym stylem narracji, co utrudnia zastosowanie jednego uniwersalnego modelu.
W ramach badań zostały zastosowane różne modele do analizy wydźwięku: oparte na słownikach (TextBlob, VADER) oraz wykorzystujące architekturę transformerów (RoBERTa, DistilBERT). Analizie poddano około 7 milionów artykułów z anglojęzycznej Wikipedii, które zostały uprzednio przetworzone, sklasyfikowane tematycznie oraz przypisane do poszczególnych ocen jakości. Wyniki pokazały, że wydźwięk artykułów Wikipedii różni się w zależności od tematu, a wybór odpowiedniego modelu analizy ma istotny wpływ na końcową ocenę neutralności treści.
Autorzy zaproponowali również praktyczne ramy metodologiczne, które umożliwiają zastosowanie analizy wydźwięku do długich tekstów. Wyniki tej pracy mogą znaleźć zastosowanie m.in. w automatycznym monitorowaniu neutralności treści w otwartych źródłach wiedzy, wspieraniu redaktorów Wikipedii w identyfikowaniu potencjalnie stronniczych fragmentów tekstowych, rozwoju narzędzi do oceny jakości informacji w internecie.
Dodatkowo na platformie HuggingFace został udostępniony zbiór danych zawierający oceny wydźwięku od poszczególnych modeli dla około 7 milionów artykułów Wikipedii. Zasób ten może stanowić cenne narzędzie dla badaczy i praktyków zainteresowanych analizą języka naturalnego oraz wykrywaniem stronniczości w tekstach. Szczegóły analizy można również znaleźć w materiałach dodatkowych .
Praca naukowa została zaprezentowana podczas prestiżowej konferencji IJCAI 2025. Autorzy publikacji: Włodzimierz Lewoniewski, Milena Stróżyna, Izabela Czumałowska, Aleksandra Wojewoda, Krzysztof Węcel. Publikacja jest dostępna pod numerem DOI: 10.1007/978-3-032-18920-2_34