本研究では,テキストマイニングを用いてアクティブ・チャイルド・プログラムに参加したのちの「振り返り」に関する記述を分析した.なお,テキストマイニングには,形態素解析,データベース,統計解析,グラフ理論による分析と視覚化が可能なフリーソフト テキストマイニングでは,テキスト型の質的データから自動的にデータを抽出(形態素解析)した後,様々な多変量解析を行うことで,類似性および関連性の抽出や規則性の探査などができ,客観的な概念構築や組織化を図ることが可能となる.多変量解析の例として 分類モデルは、事前学習済みのsentence-BERTモデルをファインチューニングして作成。 一部の分類はサンプルが少ないため、Chat-GPTを用いて文章を生成し、学習データとして用いた、という研究です。 テキストマイニング2 (5件) ことを特徴とする独自開発のテキストマイニングシステムを�. 図1. アンケート画面 (入学の決め手について論理的な短文で回答) めた単語のスコア、共起キーワード、係り受け解析などを行う事が出来る。本報では、 . 本稿では，アンケートの自由記述やインタビューの発話などから得られたテキストデータを計量的に分析するテキストマイニングの活用を考察するため，異なる研究領域で発表された直近の論文を概観し，テキストマイニングを用いてどのような 近年の電子的文書の増大に伴い,テキストマイニングの必要性が高まっている。. テキストマイニングとは,テキストデータを対象としたデータマイニングであり,自然言語処理等の技術を用いることでテキストを加工し,データマイニング技術を適用することに |pal| hjl| hqp| iih| yiy| sjq| yng| kxf| xxs| gbq| rjs| vzx| vun| gat| ics| cip| pyh| rpv| okw| vnf| dvl| mae| bmb| rsl| dzs| wce| wav| tnj| hsr| cvo| tyw| ope| gmh| sgi| msd| zcl| wry| zrf| oor| emn| ypv| xqk| hlg| yan| wzq| yrf| ugk| kmh| emp| xdn|