在众包收藏中识别和分配关键词是一项技术、实践和伦理的挑战。本文报告了“从众包收藏中提取关键词”项目的研究成果，该项目以牛津大学主办的二战众包数字收藏“Their Finest Hour Online Archive”为案例，评估了三种自然语言处理方法来自动化关键词提取：命名实体识别、关键词提取和主题建模。
该项目测试了从传统统计方法到现代生成式AI神经网络的一系列人工智能技术。我们的定量和定性研究结果表明，自然语言处理方法在众包收藏的大规模关键词提取中具有实际潜力，但没有单一方法提供完整解决方案，模型选择显著影响结果。
我们认为，在众包收藏中，元数据直接来源于与活跃贡献者的互动，自动化关键词提取引发了独特的管理责任，必须与技术性能一同解决。我们的评估表明，开放权重的提取模型更适合支持负责任的部署，而生成式AI尽管具有抽象潜力，却引入了管理众包收藏时需要仔细权衡的问责风险。
博主点评： 该研究突显了在众包环境中，关键词提取不仅是技术问题，还涉及伦理责任。选择合适的模型对于确保提取有效性及其对贡献者的影响至关重要。研究结果鼓励在实际应用中深入考虑技术与人文的结合。