Sentimenti od początku – rozmowa z dr Barbarą Konat, scrum masterką

utworzone przez Agnieszka Czoska | kwi 9, 2020 | Okiem badacza

Jesteś w Sentimenti od samego początku. Jak to wyglądało w 2016 roku?

Pomysł biznesowy na badania emocji w tekście wyszedł od firmy W3A.PL z Poznania. Po konsultacjach ze środowiskiem poznańskich psychologów, kognitywistów i lingwistów powstał szkic projektu do NCBiR (Narodowe Centrum Badań i Rozwoju) i rozpoczęło się poszukiwanie podwykonawców. Po szacowaniu rynku okazało się, że dwie jednostki są w stanie podjąć się tak zaawansowanych prac badawczych: LOBI IBD PAN oraz Grupa Technologii Językowych Politechniki Wrocławskiej.

Kiedy już dostaliście grant – jak zaczynaliście pracę?

Jako kierowniczka badawcza byłam odpowiedzialna za organizację pracy zespołu. Ważne dla mnie było, aby zespoły naukowe podwykonawców oraz zespół biznesowy połączyć w jeden zespół. Styk biznesu i nauki nie jest łatwy. W zespole Sentimenti wszyscy – prezesi, doktorzy habilitowani i magistranci – zwracają się do siebie po imieniu, każda osoba ma prawo wypowiedzieć swoją opinię i podejmować decyzje.

Jesteś kierowniczką badawczą i scrum masterką naszego zespołu – ile musiałaś się nauczyć, żeby nią zostać?

Metodyki zarządzania Scrum dla projektów B+R nauczyłam się w Wielkiej Brytanii, gdzie pracowałam w projekcie Argument Analitycs prowadzonym we współpracy z University of Dundee, a finansowanym przez Innovate UK, czyli brytyjski odpowiednik NCBiR. Zrozumiałam wtedy, że kluczową sprawą we współpracy nauki i biznesu jest dobra komunikacja. Wspólny zespół, najlepiej pracujący w jednym miejscu, częste spotkania i ewaluacja wyników, aby sprawdzić, czy faktycznie o to nam chodzi – to serce dobrych projektów. Wiele innych projektów B+R, które obserwowałam, nie osiągało wyznaczonych celów właśnie przez taki brak komunikacji.

Jak metoda scrum różni się od Twoich dotychczasowych doświadczeń projektowych?

Jestem naukowczynią i większość swojego doświadczenia zdobywałam w pracy akademickiej i badaniach podstawowych. Przejście do badań stosowanych nie było łatwe, ale dużo dała mi brytyjska kultura otwartości, komunikacji i szacunku – które to wartości są wpisane w Scrum i które przenosimy na nasz zespół.
Ważne są też trzy filary Scrum: przejrzystość, inspekcja i adaptacja. Przejrzystość oznacza, że każda osoba w zespole – nawet nowa i nie znająca tematu – ma dostęp do wszystkich informacji (oczywiście, za wyjątkiem informacji poufnych). Bardzo pomaga to w przezwyciężaniu kryzysów, szukaniu rozwiązania.

A czym są inspekcja i adaptacja?

Inspekcja to częste i krótkie spotkania “przeglądowe”, podczas których sprawdzamy, co udało się już zakończyć, czy nie mamy jakichś przeszkód, którymi kierownictwo projektu powinno się zająć, czy ktoś nie ma za dużo lub za mało pracy. Pomaga to opanować naturalną cechę projektów badawczych – nieprzewidywalność. Kiedy wyniki są inne niż oczekiwaliśmy lub kiedy dostajemy od biznesu informację, że jakieś rozwiązanie nie działa – możemy szybko przeprowadzić adaptację.

Jak widzisz dalszy rozwój Sentimenti?

W lutym zakończyliśmy już prace badawcze i przeszliśmy do prac rozwojowych, czyli korzystamy z zebranej wiedzy i danych w pracach nad Sentitoolem – naszym głównym narzędziem do analizy tekstów. Dzięki temu, że stosujemy podejście iteracyjne, wdrażamy funkcjonalności dodając je w kolejnych wersjach produktu, a jednocześnie – zgodnie z metodyką Scrum – każdy Sprint (etap prac w Scrum) kończymy działającym produktem. Mamy w tej chwili działające oprogramowanie rozpoznające osiem emocji w tekstach w języku polskim, dzięki badaniom na ponad 20 tys. osób. Już teraz jest to rozwiązanie przewyższające zakresem inne obecne na rynku, a szykujemy dwie kolejne wersje.

W kolejnej wersji Sentimenti włączymy moduł używający LSS (ang. Lexical Syntactic Structures), czyli takich elementów języka, które wpływają na ocenę, np dobry + nie, + bardzo, + trochę. Następnie dołączymy moduł, który stosuje technologię głębokich sieci neuronowych (ang. deep neural networks), a ściślej – BiLSTM (ang. bidirectional long short-term memory neural networks), dzięki czemu potrafi oceniać emocje w całym tekście od razu – i to jest rozwiązanie unikalne na skalę polską, ale też światową. Wkrótce ukaże się nasza publikacja naukowa o tym module.

W projekcie stosujemy zatem szybkie prototypowanie, a równolegle do prac zespołu naukowego firma wdraża każde nowe rozwiązanie dla klientów – ponieważ mamy ogromne zainteresowanie rynku naszymi rozwiązaniami. Dzięki temu osiągnęliśmy już znacznie lepsze wyniki (i szybciej), niż planowaliśmy na początku.