Metodyka dla analizy treści w projektach stosujących techniki text mining i rozwiązania CAQDAS piątej generacji

Krzysztof Tomanek

doi:10.18778/1733-8069.13.2.07

Autor

Krzysztof Tomanek Uniwersytet Jagielloński, Instytut Socjologii, ul. Grodzka 52, 31-044 Kraków

DOI:

https://doi.org/10.18778/1733-8069.13.2.07

Słowa kluczowe:

analiza treści, Mixed Methods, Big Data, techniki text mining, CAQDAS

Abstrakt

Projekty, w których przychodzi nam pracować z dużymi wolumenami danych tekstowych, pochodzących z rożnych źródeł i zapisanych w różnorodnych formatach, rodzą wiele dylematów natury metodologicznej, wymagają często niestandardowych decyzji i rozwiązań. W szczególności zadanie polegające na opracowaniu danych o różnorodnej jakości, nieustrukturyzowanych typu quan i qual wymagać może pracy, w której dynamicznie zmieniają się strategie analizy danych, sposoby przekształcania danych tekstowych. Artykuł opisuje przykład takiej właśnie „dynamicznej” metodyki. Wykazała ona swoją wartość w zadaniu polegającym na klasyfikacji wypowiedzi pisanych. W tak zarysowanym kontekście autor artykułu mierzy się z następującymi celami: (a) czy można zastosować oprogramowanie klasy CAQDAS do pracy półautomatycznej lub automatycznej zastępującej część manualnej pracy nad klasyfikacją wypowiedzi? (b) jak skonstruować metodykę klasyfikacji dla danych o różnorodnej jakości? (c) kiedy klasyfikacja automatyczna jest przydatna, a kiedy nie ma szans powodzenia? W artykule zaznaczone zostaną momenty, w których analityk sięga po wiedzę typową dla analiz danych jakościowych oraz te, kiedy wiedza z tego obszaru nie jest już wystarczająca do realizacji wskazanych celów (natural language processing, uczenie maszynowe). Przykład projektu będący tłem artykułu wymusił zastosowanie kilku narzędzi i języków wspierających pracę na danych. Praca nad transformacją, klasyfikacją oraz wizualizacją wyników wymagała zastosowania bazy MySQL oraz programów: R, QDA Miner, Wordstat, QlikSense. Roli i ograniczeniom narzędzi klasy CAQDAS poświęconych zostało także kilka uwag.

Biogram autora

Krzysztof Tomanek - Uniwersytet Jagielloński, Instytut Socjologii, ul. Grodzka 52, 31-044 Kraków

Krzysztof Tomanek, napisał doktorat z zakresu nauk społecznych na Uniwersytecie Jagiellońskim. Główne obszary zainteresowania i rozwoju naukowego: metodologia nauk społecznych, big data, data mining, text mining, badania z zakresu zaufania i lojalności, wizualizacja danych oraz interaktywne wizualizacje danych. Autor artykułów naukowych i popularnonaukowych z zakresu praktycznych zastosowań analiz tekstu, sentyment analysis, CAQDAS.

Bibliografia

Acerbi Alberto i in. (2013) The Expression of Emotions in 20th Century Books. „PLoS ONE”, vol. 8, no. 3, s. 1–6. DOI: https://doi.org/10.1371/journal.pone.0059030

Appel Markus, Richter Tobias (2010) Transportation and Need for Affect in Narrative Persuasion: A Mediated Moderation Model. „Media Psychology”, vol. 13, s. 101–135. DOI: https://doi.org/10.1080/15213261003799847

Bolasco Sergio, Ratta-Rinaldi della Francesca (2004) Experiments on Semantic Categorisation of Texts: Analysis of Positive and Negative Dimension. „JADT 2004: 7es Journées internationals d’Analyse statistique des Données Textuelles” [dostęp 1 maja 2014 r.]. Dostępny w Internecie http://lexicometrica.univ-paris3.fr/jadt/jadt2004/pdf/JADT_018.pdf

Bolc Leonard, Jerzy Cytowski (1989–1991) Metody przeszukiwania heurystycznego, t. 1–2. Warszawa: PWN.

Cichosz Paweł (2000) Systemy uczące się. Warszawa: WNT.

Cole Ron i in. (1996) Survey of the State of the Art in Human Language Technology. Cambridge University Press [dostęp 5 maja 2017 r.]. Dostępny w Internecie http://www.dfki.de/~hansu/HLT-Survey.pdf

DeWall Nathan C. i in. (2011) Tuning in to Psychological Change: Linguistic Markers of Psychological Traits and Emotions over Time in Popular U.S. Song Lyrics. „Psychology of Aesthetics, Creativity, and the Arts”, vol. 5, no. 3, s. 200–207. DOI: https://doi.org/10.1037/a0023195

Duch Włodzisław (1997) Fascynujący świat programów komputerowych. Poznań: Wydawnictwo Nakom.

Duggleby Wendy (2005) What about Focus Group Interaction Data? „Qualitative Health Research”, vol. 15, no. 6, s. 832–840. DOI: https://doi.org/10.1177/1049732304273916

Eder Maciej (2014) Metody ścisłe w językoznawstwie i pułapki pozornego obiektywizmu. Przykład stylometrii. „Teksty Drugie”, t. 2, s. 90–105.

Eder Maciej, Piasecki Maciej (2015) System do klasyfikacji tekstu i analizy stylometrycznej, referat wygłoszony podczas warsztatów CLARIN [dostęp 20 marca 2017 r.]. Dostępny w Internecie http://clarin-pl.eu/pliki/warsztaty/Stylometria%20i%20klasyfikacja%20-%20warsztaty.ppt

Forslid Erik, Wiken Niklas (2015) Automatic Irony and Sarcasm Detection in Social Media, UPPTEC F 15045 Examensarbete 30 [dostęp 30 listopada 2016 r.]. Dostępny w Internecie http://uu.diva-portal.org/smash/get/diva2:852975/FULLTEXT01.pdf

Gonzalez Avelino J., Dankel Douglas D. (1993) The Engineering of Knowledge-Based Systems: Theory and Practice. Upper Saddle River, NJ: Prentice-Hall International.

Jordan Joanne i in. (2007) Using Focus Groups to Research Sensitive Issues: Insights from Group Interviews on Nursingin the Northern Ireland “Troubles”. „International Journal of Qualitative Methods”, vol. 6, no. 4 [dostęp 14 kwietnia 2017 r.]. Dostępny w Internecie http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.533.61&rep=rep1&type=pdf DOI: https://doi.org/10.1177/160940690700600401

Kaplowitz Michael D. (2000) Statistical Analysis of Sensitive Topics inGroup and Individual Interviews. „Quality & Quantity”, vol. 34, s. 419–431 DOI: https://doi.org/10.1023/A:1004844425448

Kidd Pamela S., Parshall Mark B. (2000) Getting the Focus and the Group: Enhancing Analytical Rigor in Focus Group Research. „Qualitative Health Research”, vol. 10, no. 3, s. 293–308. DOI: https://doi.org/10.1177/104973200129118453

Lieberman Erez i in. (2007) Quantifying the Evolutionary Dynamics of Language. „Nature”, vol. 449, no. 7163, s. 713–716. DOI: https://doi.org/10.1038/nature06137

Liu Bing (2012) Sentiment Analysis and Opinion Mining [dostęp 1 maja 2014 r.]. Dostępny w Internecie www.cs.uic.edu/~liub/FBS/SentimentAnalysis-and-OpinionMining.pdf

Michael Jean Baptiste (2011) Quantitative Analysis of Culture Using Millions of Digitized Books. Program for Evolutionary Dynamics. Cambridge: Harvard University.

Niedbalski Jakub (2013) CAQDAS – oprogramowanie do komputerowego wspomagania analizy danych jakościowych. Historia, ewolucja i przyszłość. „Przegląd Socjologiczny”, t. 62, nr 1, s. 153–166. DOI: https://doi.org/10.18778/7969-549-2.01

Niedbalski Jakub, red. (2014) Metody i techniki odkrywania wiedzy. Narzędzia CAQDAS w procesie analiz danych jakościowych. Łódź: Wydawnictwo Uniwersytetu Łódzkiego.

Pagel Mark, Atkinson Quentin D., Meade Andrew (2007) Frequency of Word-Use Predicts Rates of Lexical Evolution Throughout Indoeuropean History. „Nature”, vol. 449, s. 717–720. DOI: https://doi.org/10.1038/nature06176

Piskorski Jakub (2001) Shallow Text Processor for Information Extraction from Free-Text Business Documents. Poznań: Akademia Ekonomiczna w Poznaniu.

Rosa Krzysztof (2015) Listy pożegnalne niedoszłych samobójców. Analiza treści. „Przegląd Socjologiczny”, t. 64, nr 4, s. 103–128.

Rybicki Jan, Heydel Magdalena (2013) The Stylistics and Stylometry of Collaborative Translation: Woolf’s “Night and Day” in Polish. „Digital Humanities 2012: digital diversity: cultures, languages and methods”, vol. 28, no. nr 4, s. 708–717. DOI: https://doi.org/10.1093/llc/fqt027

Schanie Carrie L., Pinto-Foltz Melissa D., Logsdon Cynthia M. (2008) Analysis of Popular Press Articles Concerning Postpartum Depression: 1998-2006. „Issues Ment. Health Nurs.”, vol. 29, no. 11, s. 1200 –1216. DOI: https://doi.org/10.1080/01612840802370509

Schwaber Ken (2013) Scrum Gide [dostęp 20 marca 2017 r.]. Dostępny w Internecie http://www.scrumguides.org/docs/scrumguide/v1/Scrum-Guide-PL.pdf

Smith Marc in. (2009) C&T ’09: Proceedings of the Fourth International Conference on Communities and Technologies [dostęp 5 maja 2017 r.]. Dostępny w Internecie http://www.connectedaction.net/wp-content/uploads/2009/08/2009-CT-NodeXL-and-Social-Queries-a-social-media-network-analysis-toolkit.pdf

Sołdacki Przemysław (2006) Zastosowanie metod płytkiej analizy tekstu do przetwarzania dokumentów w języku polskim. Niepublikowana praca doktorska, Politechnika Warszawska, Wydział Elektroniki i Technik Informacyjnych, Instytut Informatyki [dostęp 27 listopada 2017 r.]. Dostępny w Internecie https://www.google.pl/url?sa=t&rct=j&q=&esrc=s-&source=web&cd=1&ved=0ahUKEwjli7q5iMvQAhXDFSwKHfNPAPwQFggkMAA&url=https%3A%2F%2Frepo.pw.edu.pl%2Fdocstore%2Fdownload.seam%253Bjsessionid%3DF74241A1317DC5E22F87A22B33BE1F6F%3FfileId%3DWEiTI-b192c072-00cc-41df-9bba-a2b0a211e9bc&usg=AFQjCNH-0laWKScvxkvp6FNAqRhpaHuKr0A&bvm=bv.139782543,d.bGg&cad=rja

Taboada Maite i in. (2011) Lexicon-Based Methods for Sentiment Analysis. „Journal of Computational Linguistics”, vol. 37, no. 2, s. 267–307. DOI: https://doi.org/10.1162/COLI_a_00049

Tomanek Krzysztof (2014a) Analiza sentymentu: historia i rozwój metody w ramach CAQDAS [w:] Niedbalski Jakub, red., Metody i techniki odkrywania wiedzy. Narzędzia CAQDAS w procesie analiz danych jakościowych. Łódź: Wydawnictwo Uniwersytetu Łódzkiego, s. 155–172. DOI: https://doi.org/10.18778/7969-549-2.08

Tomanek Krzysztof (2014b) Jak nauczyć metodę samodzielności [w:] Niedbalski Jakub, red., Metody i techniki odkrywania wiedzy. Narzędzia CAQDAS w procesie analiz danych jakościowych. Łódź: Wydawnictwo Uniwersytetu Łódzkiego, s. 174.

Tomanek Krzysztof (2014c) „Analiza sentymentu” – metoda analizy danych jakościowych. Przykład zastosowania oraz ewaluacja słownika RID i metody klasyfikacji Bayesa w analizie danych jakościowych. „Przegląd Socjologii Jakościowej”, t. 10, nr 2, s. 118–136. DOI: https://doi.org/10.18778/1733-8069.10.2.07

Tomanek Krzysztof (2015) Społeczność fanów nauki w świecie wirtualnym. Analiza eksploracyjna treści i aktywności społeczności internetowej skupionej wokół fanpage’a „I fucking love science”. „Edukacja Humanistyczna”, nr 1(32), s. 123–138.

Tomanek Krzysztof (2016) Analiza argumentacji. Praktyczne implikacje zastosowania modelu argumentacji Stephena Toulmina do analiz danych tekstowych [w:] Wojciech Doliński i in., red., Rzeczywistość i zapis. Problemy badania tekstów w naukach społecznych i humanistycznych. Łódź: Wydawnictwo Uniwersytetu Łódzkiego, s. 229–242.

Tomanek Krzysztof, Bryda Grzegorz (2015) Odkrywanie postaw dydaktyków zawartych w komentarzach studenckich. Analiza treści z zastosowaniem słownika klasyfikacyjnego. „Przegląd Socjologiczny”, t. 64, nr 4, s. 51–81.

Weizenbaum Joseph (2008) Moglibyśmy mieć raj. „Forum”, nr 28, s. 28–29.

Zaśko-Zielińska Monika (2014) Ślady idiolektów w listach pożegnalnych zgromadzonych w Polskim Korpusie Listów Pożegnalnych Samobójców [w:] R. Cieśla, red., Dokument i jego badania. Wrocław: Katedra Kryminalistyki Wydziału Prawa, Administracji i Ekonomii Uniwersytetu Wrocławskiego, s. 425–435.