文件名称：quant-text-fall-2014
文件大小：79.94MB
文件格式：ZIP
更新时间：2024-08-01 20:08:40
Python
**社会 950 - 单词到数字：定量文本分析 ** 2014年秋天汉密尔顿大厅 150 周一、周三下午 1-2:15 尼尔·卡伦 社会学家使用文本作为数据并不是什么新鲜事。 传统上，源材料来自诸如主要来源（例如采访）或次要来源（例如报纸）之类的东西。 学者使用 NVivo 或 ATLAS.ti 等程序来帮助他们理解数据。 然而，在过去十年中，来自不同学科的研究人员越来越多地转向对文本进行更算法化的分析。 这种对文本定量分析（以及网络分析和基于代理的建模）的新关注构成了的基础。 并非巧合的是，社会科学家收集文本语料库的能力在过去十年中也有所增长。 这种新方法和新数据源的结合为社会科学家提供了一个独特的机会，可以找到旧问题的新答案并开始提出新问题。 本课程的主要学习目标是培养学生将适当的定量文本分析技术应用于社会科学问题的能力。 换句话说，您应该能够撰写一篇涉及文本定量分析的可发表论文。
【文件预览】：
quant-text-fall-2014-master
----day_8.ipynb(11KB)
----soc_articles_details.tsv(3.04MB)
----day_7.ipynb(36KB)
----emails.json(6.98MB)
----.ipynb_checkpoints()
--------topic_modeling-checkpoint.ipynb(69KB)
--------topic_modeling_in_python-checkpoint.ipynb(95KB)
--------topics-checkpoint.ipynb(23KB)
----Gender_Cites_Pandas.ipynb(171KB)
----day_3_answers.ipynb(30KB)
----times_abortion.json(91.5MB)
----liwc.py(234KB)
----day_2.ipynb(8KB)
----read.md(13KB)
----stopwords.pickle(2KB)
----day_5_answers.ipynb(12KB)
----npr.ipynb(5KB)
----pandas_titanic.ipynb(249KB)
----donor_emails.txt(4.41MB)
----Gender_Cites.ipynb(23KB)
----day_11.ipynb(48KB)
----day_4_answers.ipynb(13KB)
----day_12.ipynb(21KB)
----positive.csv(25KB)
----day_4.ipynb(10KB)
----README.md(13KB)
----liwc_sample.ipynb(11KB)
----times_data()
--------times_abortion.json(84.73MB)
--------times_national_abortion.json(34.21MB)
----day_5.ipynb(3KB)
----stop_words.ipynb(1KB)
----Topic_Modeling_Options.ipynb(146KB)
----day_13.ipynb(10KB)
----day_10.ipynb(4KB)
----day_6.ipynb(4KB)
----day_15.ipynb(17KB)
----topic_modeling.ipynb(69KB)
----topic_modeling_in_python.ipynb(95KB)
----negative.csv(45KB)
----day_3.ipynb(20KB)
----day_2_answers.ipynb(16KB)