Analitički okvir
Herald metodologija: kako analiziramo audio sadržaj
Transparentnost je temelj Herald-ove analitičke prakse. Ova stranica detaljno opisuje svaki korak našeg procesa — od identifikacije podcasta i transkribiranja epizoda do multi-dimenzionalnog ocjenjivanja i sentiment analize.
Korak 1: Selekcija i uvrštenje podcasta
Podcast mora zadovoljiti minimalne kriterije za uvrštenje u Herald-ovu bazu podataka. Evaluacijski tim pregledava svaki novi podcast prema sljedećim ulaznim uvjetima:
- Minimalno 6 objavljenih epizoda u posljednjih 6 mjeseci
- Financijska tematika mora zauzimati najmanje 60% sadržaja
- Epizode moraju biti dostupne u javno dostupnom RSS feedu
- Prosječno trajanje epizode: između 10 i 120 minuta
- Podcasts moraju biti na jednom od sljedećih jezika: HR, EN, DE, SI, SR, CZ
Korak 3: Sedmero-dimenzionalni okvir ocjenjivanja
Svaka analizirana epizoda ocjenjuje se prema sedam dimenzija. Svaka dimenzija se boduje na ljestvici od 0 do 100, a ukupna Herald ocjena je ponderirana suma:
Korak 4: Sentiment analiza
Herald koristi kombinirani pristup sentiment analizi koji uključuje NLP obradu transkripata i ručnu validaciju od strane analitičara. Sentiment score kreće se od -1 (izrazito negativan) do +1 (izrazito pozitivan), s pragovima:
| Raspon | Klasifikacija | Tipični primjeri |
|---|---|---|
| +0.60 do +1.00 | Visoko pozitivan | Optimistični tržišni pregledi, rast BDP-a, pozitivne zarade |
| +0.20 do +0.59 | Blago pozitivan | Uravnoteženi pregledi s predominantno pozitivnim tonalitetom |
| -0.19 do +0.19 | Neutralan | Informativni pregledi bez jasnog stava, uravnoteženi argumenti |
| -0.20 do -0.59 | Blago negativan | Zabrinutosti oko tržišta, regulatorni rizici, recesijski scenariji |
| -0.60 do -1.00 | Visoko negativan | Krizni pregledi, crashevi, sistemski rizici |
Ograničenja metodologije
Svaka metodologija ima ograničenja. Herald-ovi sentiment modeli trenirani su na financijskom diskursu i mogu pogrešno klasificirati ironiju, sarkazam ili kontekstualno negativne terme koji nose pozitivno značenje u specifičnom kontekstu. Svi sentiment scoreovi prolaze ručnu validaciju za sve slučajeve gdje automatski model signalizira nejasnoću (raspon -0.3 do +0.3). Naš tim kontinuirano unapređuje modele na temelju povratnih informacija i novih podataka.