評価の高い部屋を見たときには、どのような感想やコメントが出てきやすいでしょうか？

逆に、評価の低い部屋を見た人たちは、どのような感想やコメントを残すのでしょうか？

それが分かれば、部屋を見た感想やコメントをもらえれば、その人にとってのその部屋の評価を推定できるかもしれませ。

第８話では、第１話でリビングについてはリラックスできる程度と自由記述の内容を、勉強部屋については頭がぼんやりしている程度と自由記述の内容を比較して、リビングでリラックスできる印象につながる着目点を、勉強部屋で集中できる印象につながる着目点を明らかにして期待と思います。

評価の点数ごとにテキストマイニングをしてみる

今回は、以下に取り組んでいきます。

1. リビングの、リラックスできる程度の得点とその部屋に対するリラックスに関する自由記述がセットになったデータをダウンロードする。

2. 勉強部屋の、頭がぼんやりしている程度の得点とその部屋に対する集中に関する自由記述がセットになったデータをダウンロードする。

3. KH Coderにより、リビングと勉強部屋について、得点ごとに特徴的な語を抽出する。

4. リビングと勉強部屋について抽出した得点ごとに特徴的な語から、リビングでのリラックス、勉強部屋での頭がぼんやりしない状態につながる要素を考え、Microsoft PowerPoint (ppt) にまとめる。

データの読み込みと前処理

ダウンロードした読み込むデータを、KH Coderに登録します。

まずは、kh_coder.exe を立ち上げ、プロジェクト→新規と進んでいきます。

参照を選択し、デスクトップなどに保存した読み込みたいファイル（04_201203_text_リビングA~I_リラックス.xlsxまたは04_201203_text_勉強部屋A~I_集中.xlsx）を選びます。

次に、登録したデータを、分析できるように前処理をします。

得点ごとに特徴的なコメントの抽出

ツール→外部変数と見出しを選択します。

■変数リストのなかのh5 「リラックスしている」の値を選択します。

次に、右下の▽特徴語の中の一覧（Excel形式）をクリックします。

しばらくKH Coderが自動で計算をしてくれます。

計算が止まると、整数の数字と文字と小数点以下の数字でできた表が生成されます。

表の上部にある１，２，３，４の数字はリラックスできる程度に関する得点や集中できる程度に関する得点の得点そのものです。

文字は、自由記述をそのリラックスできる程度に関する得点に基づき分類した時の、分類ごとの頻出語です。

小数点以下の数字は、Jaccard類似性測度という指標で、各分類と各キーワードの関係の強さを示しています。

この結果に対する感想やコメントをMicrosoft PowerPoint (ppt) にまとめます。

これを、勉強部屋の、頭がぼんやりしている程度の得点とその部屋に対する集中に関する自由記述がセットになったデータについても分析して、pptにまとめます。