Introducción
Este curso está diseñado para personas que con un básico conocimiento del programa R y una comprensión inicial de estadística descriptiva deseen:
-
Conocer y entender los últimos avances en análisis cuantitativo de texto con R
-
Explotar las múltiples herramientas de R para analizar sentimiento y tópicos
-
Aprender las innovadoras funciones de web scraping, análisis de tweets y machine learning para texto
-
Conocer nuevas aplicaciones y oportunidades de word embeddings y Part-of-Speech
-
Aplicar e intercambiar conocimientos de otros cursos de la secuencia de más de 10 cursos en R que ofrece la Escuela de Métodos del LNPP - CIDE.
Al terminar este curso:
-
Conocerás las bases de metodología cuantitativa para textos y para diferentes tipos de análisis con R
-
Sabrás las ventajas y desventajas de las diferentes herramientas y sabrás cómo responder a diferentes preguntas con el análisis de texto
-
Podrás llevar a cabo análisis de sentimiento y análisis de escala de manera eficaz; al mismo tiempo podrás recolectar datos de internet automatizadamente (web scraping, Twitter)
-
Entenderás como clasificar textos de manera supervisada (machine learning) y no supervisada (topic models) y aprenderás los principios básicos de word embeddings y Part-of-Speech
-
Al final, podrás idear proyectos de análisis de texto con las más innovadoras herramientas de R tomando en cuenta las ventajas y desventajas de cada método
Dirigido a
Todo aquel interesado en aprender sobre el análisis cuantitativo de textos con el programa R. El análisis cuantitativo y automatizado de texto se ha convertido en una innovadora herramienta fundamental para las ciencias sociales y la política comparada.
Temario
El curso está dividido en ocho sesiones, cada una de tres horas. A continuación se enlistan los temas que cubriremos en cada sesión:
Sesión 1 (8 de noviembre)
- Introducción a la perspectiva text-as-data
- Manejo de texto en R usando regular expressions
Sesión 2 (10 de noviembre)
- Manejo de texto en R usando {quanteda}
- Transformación de datos a formato document-feature matrix
- Uso y aplicación de diccionarios; análisis de legibilidad y de sentimiento
- Flujo de trabajo con datos de texto
*Descanso obligatorio CIDE-LNPP el 15 de noviembre
Sesión 3 (17 de noviembre)
- Extracción automatizada de texto de páginas HTML (web scraping) con {Rcurl} y {rvest}
- Creación de bases de dato de texto
- Introducción a la extracción de data de Twitter con {rtweet}
Sesión 4 (22 de noviembre)
- Estimación de posiciones y escalamiento de texto con {wordfish} y {wordshoal}
- Escalamiento multidimensional Canonical Correspondance Analysis
Sesión 5 (24 de noviembre)
- Métodos de clasificación no supervisados (topic models) con {stm}
Sesión 6 (29 de noviembre)
- Métodos de clasificación supervisados – machine learning para texto
- Criterios de precisión y análisis de predicción en base a {tidymodels} con algoritmos como random forest
Sesión 7 (1 de diciembre)
- Introducción general a word embeddings y Part-of-Speech
Sesión 8 (6 de diciembre)
- Presentación y discusión de proyectos
- Discusión sobre promesas y desafíos del análisis de texto
- Ronda de preguntas y respuestas sobre los laboratorios R (sesión con final abierto)
Debido al horario matutino del curso, algunos/as integrantes pueden llegar a faltar a algunas sesiones por diferentes razones. Por ende, todas las sesiones serán grabadas en formato digital con el consentimiento de los y las integrantes del curso y serán puestas a disposición de los alumnos/as del curso.
Profesor(a)
Daniel Saldivia Gonzatti
Formato: Curso modo virtual |