An Introduction to Quantitative Text Analysis for Linguistics: Reproducible Research Using R
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Jerid Francom’s book An Introduction to Quantitative Text Analysis for Linguistics: Reproducible Research Using R is an essential textbook for researchers and students alike, who are exploring quantitative text analysis. This book is designed with beginners in mind, it emphasizes reproducible research, offering a structured approach to text analysis through the programming language R. Spanning five interconnected parts, beginning with foundational concepts like the Data-Information-Knowledge-Insight (DIKI) hierarchy, corpus creation, and data curation, advancing to topics like tokenization, dimensionality reduction, vector space modeling, and hypothesis testing with the {infer} package. This book contains practical exercises alongside detailed explanations that guide readers through the entire process of text analysis, starting from data acquisition to predictive modeling and statistical designs. Computational methods including readability measures, sentiment analysis, semantic modeling, and topic modeling are highlighted within this book, ensuring that readers are equipped to extract meaningful insights from linguistic data. Through the incorporation of Tidyverse tools and additional resources like GitHub repositories, Francom successfully bridges theoretical understanding with hands-on application. Transparency and reproducibility have been prioritized within the text, and meticulous data documentation and open-source methodologies have been meticulously advocated by the author. Although the book is an accessible resource for English-language data, readers might be challenged due to its focus on breadth over depth when their focus might be on seeking advanced exploration or on the other hand for those without basic programming experience. Regardless of this, Francom’s pedagogical approach combines clarity with practical guidance, making this book a valuable resource for students, researchers, and professionals who aim to integrate quantitative methods into their linguistic research.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,422 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle