Tematická koncentrace textu. Radek Čech

Rozměr: px

Začít zobrazení ze stránky:

Download "Tematická koncentrace textu. Radek Čech"

Libuše Němcová
před 4 lety
Počet zobrazení:

1 Tematická koncentrace textu Radek Čech

2 Cíle pomocí kvantitativní textové analýzy odhalit ústřední téma textu (pokud existuje) zjistit tematickou sílu jednotlivých slov reprezentujících témata textu zjistit tematickou koncentraci celého textu

3 Metodologie Popescu et al. (2009) tematická slova substantiva, verba, adjektiva východiskem frekvenční charakteristika textu h-bod určuje fuzzy hranici mezi synsémantickými a autosémantickými slovy

5 Metodologie Popescu et al. (2009) tematická slova substantiva, verba, adjektiva východiskem frekvenční charakteristika textu h-bod určuje fuzzy hranici mezi synsémantickými a autosémantickými slovy tematická slova na h-bodem vyjadřují hlavní téma textu (lepší výsledky u lemmatizovaných textů)

6 Postup text J. Hus Dcerka (text poskytlo Oddělení vývoje jazyka UJČ) vytvoření frekvenční distribuce slovních tvarů AntConc

8 Frekvenční distribuce pořadí f slovo pořadí f slovo pořadí f slovo a to die jest když ho v má na sě bóh ale že protož jeho neb jenž z 7 98 i od boha 8 98 tak své jako 9 88 aby by jakož k s ty člověk li ďáble

9 H-bod h= f (h) h= f (i) j f ( j)i j i+ f (i) f ( j) h Dcerka = =32.25

10 Index tematické koncentrace r... pořadí slova před h-bodem tematická váha: h-r slova s nejnižším rankem mají největší váhu relativizace tematická váha daného slova vynásobená jeho vlastní frekvencí je podělena součtem všech vah a nejvyšší možnou frekvencí index tematické koncentrace slova

11 Postup výpočet normalizační konstanty C 2 h(h 1) f (1) = (31.25)503 = =C člověk (r = 11, f = 71) (h r ') f (r ' )C =( )71 C =

12 Tematická koncentrace textu slovo r f (h-r )f(r )C člověk bóh die boha TC tcu=1000(tc ) tcu Dcerka =1000( )=11.52

13 Tematická koncentrace textu k čemu je to dobré? jednoduchá metoda umožňující zjistit, o čem daný text je a jak moc se týká centrálního tématu (případně témat) kvantifikace umožňuje porovnávat texty (za pomocí statistických testů) nedostatek pokud žádné tematické slovo nad h-bodem, TC=0 všechny texty s TC=0 jsou si rovny

14 Index negativní TC východisko h-bod fuzzy hranice pokud text tematicky roztříštěn tematická slova mají relativně malou frekvenci čím je text tematicky roztříštěnější, tím větší vzdálenost mezi h-bodem a prvním tematickým slovem (pořádí dáno frekvencí)

16 Index negativní TC postup u textů TC=0 hledáno první tematické slovo za h- bodem TC neg =(h r ' ' ) h f (r ' ' ) C

17 Novoroční projevy československých a českých prezidentů (kromě r. 1993) relativně stabilní žánr

18 Délka textu versus TC 0 tcu N

19 50 tcu

20 50 tcu 0 Gottwald, K. Zápotocký, A. Novotný, A. Svoboda, L. Husák, G. Havel, V. Klaus, V

21 Gottwald Husák Zápotocký Novotný Svoboda Klaus Havel

22 Tematická slova procent roce rok lidu TC 0.02 roku lidu roce míru míru plánu lidu lidu hospodářství strany republiky hospodářstvírok roce socialistického lidu lidu roku

23 0 rok státstát zdí života rok rok rok státu světa rok rok politika evropské negtc národy/republice/země společnosti/státu/zemi rok rok dobré/lidí/společnosti/víme/zájmu roku

24 Tematická slova AntConc možnost detailní analýzy textu

25 Výhledy navrhnout statistické testy pro testování rozdílu mezi jednotlivými texty obdobími (např. totalita x demokracie) autory

26 Děkuji za pozornost!

Podobné dokumenty

Kvantitativní analýza textu (její nástrahy, meze, perspektivy) Radek Čech

Kvantitativní analýza textu (její nástrahy, meze, perspektivy) Radek Čech http://www.cechradek.cz Kvantitativní analýza textu kvantifikace a její důsledky kvantifikace a operacionalizace případ volby jazykových