CEREDINDONESIACEREDINDONESIA

International Journal of Economic, Technology and Social Sciences (Injects)International Journal of Economic, Technology and Social Sciences (Injects)

Kemajuan pesat komunikasi digital telah menghasilkan jumlah besar data teks di platform online, mulai dari media sosial hingga forum akademik. Memahami pola bahasa dalam teks ini penting untuk wawasan tentang perilaku pengguna, sentimen, dan tren komunikasi. Studi ini menerapkan teknik modeling topik, terutama Latent Dirichlet Allocation (LDA), untuk menganalisis pola bahasa dalam teks online. Pendekatan ini memungkinkan identifikasi topik dominan, tren, dan hubungan semantik antar kata dalam korpus teks besar. Data dikumpulkan dari berbagai platform online, dibersihkan dan dinormalisasi, lalu dianalisis menggunakan alat modeling topik berbasis Python. Hasil menunjukkan efektivitas modeling topik dalam mengungkap tema dan pola tersembunyi, memberikan wawasan berharga bagi peneliti, pendidik, dan administrator platform untuk memahami perilaku komunikasi digital. Penelitian ini berkontribusi pada bidang linguistik komputasional dengan menawarkan metodologi skala besar untuk analisis otomatis data teks online.

Kegiatan pemberdayaan komunitas dan penelitian menunjukkan bahwa modeling topik adalah alat efektif untuk menganalisis data teks online skala besar dan mengungkap tema berulang, pola komunikasi, dan perilaku linguistik.Penerapan LDA pada teks akademik online berhasil mengidentifikasi topik utama mulai dari manajemen tugas akademik hingga pemecahan masalah kolaboratif dan komunikasi informal.Penelitian ini menekankan pentingnya pola komunikasi yang spesifik platform, menunjukkan bahwa forum diskusi, media sosial, dan sistem manajemen pembelajaran masing-masing mendorong penggunaan bahasa, tingkat formalitas, dan gaya kolaborasi yang berbeda.

Penelitian lanjutan dapat fokus pada pengembangan analisis multi-domain dan jangka panjang untuk memahami perubahan pola komunikasi online seiring waktu dan perbedaan antar domain. Selanjutnya, studi dapat mengeksplorasi dampak teknik preprocessing berbeda terhadap kualitas hasil modeling topik, terutama dalam konteks teks online yang tidak terstruktur. Terakhir, evaluasi pengaruh penyetelan parameter hipertambahan terhadap keakuratan dan interpretabilitas topik yang dihasilkan, dengan fokus pada aplikasi di lingkungan akademik, menjadi arah penelitian yang penting untuk meningkatkan konsistensi dan relevansi model.

  1. 0. 0 doi.org/10.1214/17-BA10730 0 doi 10 1214 17 BA1073
  2. Semantics derived automatically from language corpora contain human-like biases | Science. semantics... science.org/doi/10.1126/science.aal4230Semantics derived automatically from language corpora contain human like biases Science semantics science doi 10 1126 science aal4230
Read online
File size534.82 KB
Pages9
DMCAReport

Related /

ads-block-test