Emotie-analyse: technische uitleg
Onderzoeksresultaten
Via dit onderzoekstraject werd er een AI-gestuurde sentiment- en emotieanalyse uitgevoerd op de reeds gepubliceerde brieven van het Gezellearchief. De resultaten door Luna De Bruyne (UAntwerpen) en het team van LT3 zijn beschikbaar gesteld onder een CC-BY
In samenwerking met LT3 (Language and Translation Technology Team, Universiteit Gent) werd onderzocht hoe generatieve AI kan helpen om emoties te identificeren in de 19de-eeuwse briefwisseling van Guido Gezelle. Het project vertrekt vanuit een publieksgerichte ambitie: een emotiebarometer ontwikkelen waarmee bezoekers in GezelleBrON brieven kunnen verkennen op basis van gevoelens zoals affectie, verdriet, hoop of woede. Zo krijgt het publiek een nieuwe, intuïtieve ingang tot de collectie en wordt tegelijk de emotionele rijkdom van Gezelles netwerk zichtbaarder.
4.0-licentie.
In de dataset staan zowel per sentiment (sent_0 t.e.m. sent_3) als per emotie (emo_0 t.e.m. 13) toegekend op een schaal van 0 tot 1. Bij een score van 0 is een emotie of sentiment niet aanwezig in de brief, bij een score van 1 komt de ganse brief overeen met deze emotie of sentiment.
De id's per brief verwijzen naar de brief in onze catalogus en in GezelleBrOn. Om de link naar onze catalogus te verkrijgen moet het prefix 'gg_' vervangen worden door het prefix 'https://anet.be/desktop/gga/nl....'. Voor de link naar GezelleBrOn moet het prefix 'gg_' worden vervangen door 'https://edities.kantl.be/gezel....'. Op die manier verwijst 'id_10022' naar https://anet.be/desktop/gga/nl/opacgga/nr=tg:gga_6.10022 en https://edities.kantl.be/gezelle/ed/DALF.db.gg.10022.
