Ποιοτικά Δεδομένα:
Ανάλυση Συναισθήματος

library(tidytext)

library(tidyverse)

library(dplyr)

library(ggplot2)

sent <- read.csv2("IM-apom.txt")

lexicon <- read.csv2("Greek_sent.csv")

sent %>%

mutate(linenumber = row_number()) %>%

unnest_tokens(Term, IMtext) %>%

inner_join(lexicon) %>%

group_by(linenumber) %>%

summarise(sentiment = sum(Polarity1)) %>%

left_join( sent %>%

mutate(linenumber = row_number())) -> sentt

write.csv2(sentt,"sentt.csv")

sentt <- subset(sentt,sentiment<4)

ggplot(sentt,aes(linenumber, sentiment, fill = sentiment)) +

geom_col(show.legend = F, color="red") +

facet_wrap(~sentiment, ncol = 1)

Εφαρμογή: Μαρτυρίες από τον Πρώτο Παγκόσμιο Πόλεμο

Bιβλιογραφία

Κουτσουπιάς, Ν. (2018). Πολυμεταβλητή Ανάλυση Δεδομένων με τη γλώσσα R, Εκδόσεις Πανεπιστημίου Μακεδονίας, Θεσσαλονίκη.

Κουτσουπιάς, Ν. (2019). Ποιοτική Ανάλυση με Ανοικτό Λογισμικό. Synthesis, 8(1), 188-223.

DOI: 10.26262/syn.v8i1.7729

Κουτσουπιάς, N., & Κόκκορης, Χ. (2021). Ιεραρχική Βιβλιογραφική Επισκόπηση με Ανοικτό Λογισμικό, Σεμινάριο υπ. διδακτόρων Πανεπιστημίου Μακεδονίας, Θεσσαλονίκη. DOI: 0.4135/9781526486189

Στογιαννίδης Α., Κουτσουπιάς Ν. (2014). Όταν η Διδακτική συναντά την Ανάλυση Δεδομένων: Θεωρία και Εφαρμογή της Γεωμετρικής Διδακτικής Ανάλυσης – (Geometric Didactic Analysis- Ge.Di.An.). Σύνθεσις, τ.5, 115-147. DOI: 10.26262/syn.v3i1.4305

Στογιαννίδης Α., Κουτσουπιάς Ν. (2015). Πρόταση Ανάλυσης της Διδακτικής Διάστασης των Σχολικών Εγχειριδίων. Εφαρμογή στο Μάθημα των Θρησκευτικών, Επιστημονική Επετηρίδα Παιδαγωγικού Τμήματος Νηπιαγωγών Πανεπιστημίου Ιωαννίνων τ.8, 90-118. DOI: 10.12681/jret.9107

Berry, M. W., & Kogan, J. (2010). Text mining. Applications and Theory. West Sussex, PO19 8SQ, UK: John Wiley & Sons.

Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77-84.

DOI: 10.1145/2133806.2133826

Chang, J., Gerrish, S., Wang, C., Boyd-Graber, J. L., & Blei, D. M. (2009). Reading tea leaves: How humans interpret topic models. In Advances in neural information processing systems (pp. 288-296).

Chen, Y., & Skiena, S. (2014, June). Building sentiment lexicons for all major languages. In Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers) (pp. 383-389).

Fan, A., Doshi‐Velez, F., & Miratrix, L. (2019). Assessing topic model relevance: Evaluation and informative priors. Statistical Analysis and Data Mining: The ASA Data Science Journal, 12(3), 210-222. DOI: 10.1002/sam.11415

Feldman, R., & Sanger, J. (2007). The text mining handbook: advanced approaches in analyzing unstructured data. Cambridge University Press.

Koutsoupias, N., & Mikelis, K. (2019). Exploring International Relations Journal Articles: A Multivariate Approach. SAGE Publications Ltd. DOI: 10.4135/9781526486189

Koutsoupias, N., & Mikelis, K. (2021). Text, Content and Data Analysis of Journal Articles: The Field of International Relations. In Data Analysis and Rationality in a Complex World 16 (pp. 113-120). Springer International Publishing. DOI: 10.1007/978-3-030-60104-1_13

Kuckartz, U. (2014). Qualitative text analysis: A guide to methods, practice and using software. Sage.

Liu, B. (2020). Sentiment analysis: Mining opinions, sentiments, and emotions. Cambridge University Press.

Mikelis, K., Koutsoupias, N., Document Clustering via Multiple Correspondence, Term and Metadata Analysis in R. Poster Presentation, IFCS 2019.

DOI: 10.13140/RG.2.2.22716.59527

Silge, J., & Robinson, D. (2017). Text mining with R: A tidy approach. O'Reilly Media, Inc.

Stogiannidis, A., & Koutsoupias, N. (2013). Elementarisierungsansatz und Geometric Didactic Analysis im Dialog: Neue Perspektiven für die Lehrplanforschung im Fach Religion. Zeitschrift für Pädagogik und Theologie, 70(1), 82-94. DOI: 0.1515/zpt-2018-0008

Stogiannidis, A., & Koutsoupias, N. (2014). Geometric Didactic Analysis (Ge. Di. An.)–methodologische Überlegungen zu einer didaktischen Schulbuchforschung und Fallstudie (Aufgabenanalyse) in Knecht, P. et. al (eds), Methodologie und Methoden der Schulbuch-und Lehrmittelforschung, Verlag Julius Klinkhardt KG, 99-110.

Tsakalidis, A., Papadopoulos, S., Voskaki, R. et al. Building and evaluating resources for sentiment analysis in the Greek language. Lang Resources & Evaluation 52, 1021–1044 (2018). DOI: 10.1007/s10579-018-9420-4

Wallach, H. M., Murray, I., Salakhutdinov, R., & Mimno, D. (2009, June). Evaluation methods for topic models. In Proceedings of the 26th annual international conference on machine learning (pp. 1105-1112). DOI: 10.1145/1553374.1553515

Weiss, A. (2015). Google N-gram viewer. The Complete Guide to Using Google in Libraries: Instruction, Administration, and Staff Productivity, 1, 183.

Zhai, C., & Massung, S. (2016). Text data management and analysis: a practical introduction to information retrieval and text mining. Association for Computing Machinery and Morgan & Claypool.