fbpx

Język strony

Projekt wspierany przez

Śledź nas

Projekt finansowany przez

Wspieramy #ScienceForUkraine

Ostatnia publikacja pracowników labu

Z przyjemnością ogłaszamy, że niedawno ukazał się rozdział naszego zespołu badawczego, który był wkładem do monografii zatytułowanej: „Innowacje, trendy i transformacje społeczno-gospodarcze – badania interdyscyplinarne„.

W niniejszej monografii członkowie naszego zespołu są autorami rozdziału zatytułowanego: „Analiza porównawcza klasycznych kwestionariuszy i metryka uzyskanych z mediów społecznościowych na podczas wojny na Ukrainie„. Autorami tego rozdziału są: Hubert Plisiecki, Maria Flakus, Piotr Koc i Artur Pokropek. Gratulujemy Autorom i Autorce wkładu w te interdyscyplinarne badania!

Poniżej zamieszczamy streszczenie i słowa kluczowe wspomnianej publikacji. Na końcu niniejszej noty znajduje się również pełny tekst rozdziału (w języku polskim).

Abstrakt: Badanie wzbogaca literaturę porównawczą klasycznych kwestionariuszy (KK) i metryk pozyskanych z mediów społecznościowych (DMS) porównując trendy w 9-rzutowym badaniu lęku przed wojną w kontekście napaści Rosji na Ukrainę, z metrykami pozyskanymi z Polskiego Twittera. Dane Twitterowe były zbieranie pomiędzy marcem, a sierpniem 2022 roku. W tym czasie również, w nierównych odcinkach czasu zebranem zostały dane kwestionariuszowe. Jako metryk użyto metody latent semantic scaling (LSS), i afektywnych norm słownych, w szczególności norm walencji i pobudzenia. LSS polega na stworzeniu leksykonu słów związanych i przeciwnych do danego konceptu za pomocą techniki word embeddings, i obliczenie wysokości danego konceptu w każdym z tekstów, zliczając występujące w nim słowa. Afektywne normy słowne, z kolei są gotowymi leksykonami słów, ocenionych pod względem różnych komponentów emocji. Podobnie do LSS, wynik dla danego tekstu oblicza się uśredniając oceny występujących w nim słów. Analiza wykazała istotne różnice pomiędzy dwoma źródłami danych. Badanie zostało prerejestrowane, co sprawia, że jego wyniki są wartościowe pomimo niskiej mocy statystycznej.

Słowa kluczowe: NLP, SMD, cyfrowe nauki społeczne, analiza sentymentu, walidacja metryk

Pełny tekst rozdziału [po polsku]

Dodaj komentarz