A Csillagvizsgáló és Tudományos Élményközpont Google-értékeléseinek hangulatelemzése : Látogatói élmények online lenyomatai a Varázstoronyban
Bibliographic record
Abstract
Tanulmányom célja az Eszterházy Károly Katolikus Egyetemhez tartozó Csillagvizsgáló és Tudományos Élményközponttal kapcsolatos látogatói vélemények közül az online elérhető hozzászólások nyomon követése, amihez a hangulatelemzés módszerét választottam a netnográfia eszköztárából. Az online vélemények sokaságából azt a platformot választottam vizsgálatom tárgyául, amelyen a vizsgálat időpontjában (2024. 02. 08-án) a legnagyobb számú vélemény volt megtalálható az intézményről, ez pedig a Google Maps Reviewst, azaz a Google keresőóriás térképes felületén elérhető véleményeket jelentette. Eddig az időpontig 1384 db hozzászóló értékelte ezen az internetes oldalon a Líceum épületében található élményközpontot. A hangulatelemzéshez szükséges adatok kinyerésében egy online eszköz, az exportcomments.com oldal volt a segítségemre. Ily módon a látogatói élmények online lenyomatait egy egységes Excel-táblába tudtam exportálni, ami nagyban megkönnyítette a velük való munkát.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.013 | 0.013 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.090 | 0.055 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".