Text Mining mit Hilfe der latenten semantischen Analyse: Eine Illustration anhand der 30-Forschungsjahre am JIS

Abstrakt

Big Data ist heute eine enorme Herausforderung für die Buchhaltung. Diese Herausforderung ist unter anderem durch das explosive Wachstum unstrukturierter Daten wie Text gekennzeichnet. In den letzten Jahren wurden neue Text-Mining-Methoden entwickelt, um unstrukturierte Textdaten in umsetzbare Informationen umzuwandeln. Eine entscheidende Rolle der Forschung im Bereich der Rechnungslegungsinformationssysteme (AIS) besteht darin, den Rechnungslegern bei der Bewertung und Anwendung dieser Methoden im Rechnungslegungskontext zu helfen. In diesem Artikel wird die latente semantische Analyse (LSA), ein Text-Mining-Ansatz, der latente Strukturen in unstrukturierten Textdaten entdeckt, der AIS-Forschungsgemeinschaft vorgestellt. Ein LSA-basierter Ansatz wird verwendet, um AIS-Forschungsergebnisse zu analysieren, wie sie im Journal of Information Systems (JIS) in den letzten 30-Jahren veröffentlicht wurden. Die JIS-Forschung dient als angemessener Bereich für die Analyse, da der Umfang der AIS-Forschung als kontextbezogen angesehen werden muss. Die aus dieser Analyse resultierenden Forschungsthemen und -trends tragen zum besseren Verständnis dieser Identität bei.