ARCHETYPAL ANALYSIS OF STOCHASTIC TEXTS: A DIALOGICAL HUMAN-ALGORITHMIC APPROACH

Abstract

Resumen: Tras el auge de GPT-3, existe un debate en curso sobre la heuristica lingüística en la generación automática de textos, así como su utilidad para la investigación cientifica. En este artículo, realizamos un estudio computacional que aborda la problematización discursiva de los métodos de análisis textual, buscando conciliar las tensiones epistemológicas entre los paradigmas positivistas e interpretativos en Psicología, Literatura e Informática. Para nuestro experimento, (a) se entrena un modelo de lenguaje probabilístico pseudoaleatorio con obras narrativas clásicas que contienen características épicas y heroicas; (b) se genera un texto estocástico mediante el modelado de n-gramas en Python; (c) el texto resultante se interpreta mediante Psicología Analítica y Crítica Literaria; (d) una discusión integradora concilia los pasos anteriores, sugiriendo un nuevo enfoque metodológico para la idealización y la teorización en el quehacer científico. Concluimos el estudio con optimismo, destacando los beneficios de este modo de investigación para la psicología social.

Alternate abstract:

After the GPT-3 boom, there is an ongoing debate regarding the language heuristics in automatic text generation, as well as their usefulness for scientific inquiry. In this article, we conduct a computational study that engages in a discursive problematization of textual analysis methods, seeking to reconcile epistemological tensions between positivist and interpretive paradigms in Psychology, Literature, and Computer Science. For our "experiment", (a) a pseudo-random probabilistic language model is trained on a classical narrative works containing epic and heroic traits; (b) a stochastic text is generated using n-gram modeling in Python; (c) the output text is interpreted using Analytical Psychology and Literary Criticism; (d) an integrative discussion reconciles the previous steps, suggesting a new methodological approach for ideation and theorizing in scientific endeavors. We conclude the study optimistically, highlighting the benefits of this mode of inquiry for social psychology.

Alternate abstract:

Resumo: Após o boom do GPT-3, há um debate em andamento sobre as heurísticas da linguagem na geração automática de texto, bem como sua utilidade para a investigação científica. Neste artigo, conduzimos um estudo computacional que se dedica a uma problematização discursiva de métodos de análise textual, buscando reconciliar tensões epistemológicas entre paradigmas positivistas e interpretativos em Psicologia, Literatura e Ciência da Computação. Para nosso "experimento", (a) um modelo de linguagem probabilística pseudoaleatória é treinado em obras narrativas clássicas contendo traços épicos e heróicos; (b) um texto estocástico é gerado usando modelagem x-gram em Python; (c) o texto de saída é interpretado usando Psicologia Analítica e Crítica Literária; (d) uma discussão integrativa reconcilia as etapas anteriores, sugerindo uma nova abordagem metodológica para ideação e teorização em empreendimentos científicos. Concluímos o estudo com otimismo, destacando os beneficios desse modo de investigação para a psicologia social.