1. テキストマイニングとは心理学の質問紙調査ではリッカート法 ( 例えば私は心理学が好きであるという記述に対して非常にあてはまるから全く当てはまらないまで5 段階の数字のどれか一つにをつける場合 ) など個人の態度や行動傾向評価などを数量的に計量する方法が多く取られるしか

Size: px

Start display at page:

Download "1. テキストマイニングとは心理学の質問紙調査ではリッカート法 ( 例えば私は心理学が好きであるという記述に対して非常にあてはまるから全く当てはまらないまで5 段階の数字のどれか一つにをつける場合 ) など個人の態度や行動傾向評価などを数量的に計量する方法が多く取られるしか"

もりよりはにうだ
5 years ago
Views:

1 目次 1. テキストマイニングとは 2.TEXTORVA について 3.TEXTORVA のセットアップ 4. 分析 1: どんな単語がどれくらい使われているか調べてみよう 5. 分析 2: 単語間のつながりを見てみよう 6. 分析 3: 各単語がどのような文脈で使われているか見てみよう 7. よくあるエラーと対応 8. おわりに 9. 著作権その他表紙 CD-R デザイン : 篠塚朋子

2 1. テキストマイニングとは心理学の質問紙調査ではリッカート法 ( 例えば私は心理学が好きであるという記述に対して非常にあてはまるから全く当てはまらないまで5 段階の数字のどれか一つにをつける場合 ) など個人の態度や行動傾向評価などを数量的に計量する方法が多く取られるしかし個人の持つ素朴な意見や尺度では捉えきれないものを捉えるために自由記述を使いたいと思う人も多いだろう従来このような自由記述に対する分析方法としてはカテゴリの定義を決めてそれぞれのカテゴリに該当する記述の数をカウントする方法や自由記述を事例としてそのまま提示する方法などが取られてきたこれに対してテキストマイニングという方法を使うと自由記述文の単語の出現頻度あるいは共起や係り受けなどの関係に基づきその記述分の特徴を抽出することでテキストを相対的に客観的機械的に処理することができる特に元にする自由記述のデータが非常に多くて読み込むことが丌可能な場合にテキストマイニングは特にその効力を発揮しその自由記述のデータの特徴を効率的に要約することができる他方でテキストマイニングは文章の意味を理解しての分析ではなく表層的な言葉遣いの違いや表記の揺れによって大きな影響を受けることなどの限界も指摘されている 1

3 2.TEXTORVA について TEXTORVA とはテキストマイニングを簡易に体験するためのエクセルアドインです本アドインを使うことでテキストマイニングで用いられる以下の機能を行うことができます品詞ごとの出現頻度の分析特定タグ ( 属性 ) とのクロス集計数量化 Ⅲ 類による分析とそのグラフ化 ( 数量化 Ⅲ 類の計算については青木 (2001: 下記 ) に基づく ) 文脈において各語彙がどのように使われているかの検討補助以下の条件を備えている環境下での使用を想定しています Windowsパソコン (XP Vista および7で動作確認) Microsoft Excel(2003および2007で動作確認 ) Microsoft Access(2003および2007で動作確認 ) 茶筌 ( 奈良先端科学技術大学院大学松本研究室で開発された形態素解析ソフト ) 機能は高性能なテキストマイニングソフトに劣りますが本アドインでは簡単な操作でテキストマイニングを体験することができます青木 (2001) 2

4 3.TEXTORVA のセットアップ 3.1 のこに移すか迷った場合はデスクトップに移しておくとよいで 3.2 茶筌のセットアップ (1) 茶筌をインストールする Cha21244sp5.exe を実行し画面の指示に従います下記の画面が出たら矢印の部分をクリックしてインストールしますディレクトリは変更しないでください Tips : 付属 CD-R がない場合下記の URL からダウンロードできます茶筌については茶筌の配布 3

5 3.3 アドインの設定 (1)Excel を開いたら Office ボタンを押してメニューを出します (2)Excel のオプションを選びます 4

6 (3) アドインを選びます (4) 設定を選びます 5

7 (5) 選択肢にあれば Textorva を選ぶ選択肢になければ参照をクリックして保存した場所を指定する (6) アドインというコマンドが増えている 6

8 3.4 データの加工本アドインで分析するためには縦に個々のデータ横に変数が並ぶようにデータを配置しておきます例 : 顔文字の使用に関するグルプインタビューの模擬データ A B C 1 話者 ID 世代発言 ( 自由記述 ) 代娘からのメールについているけど自分からは使わないかなぁ代友達から来た時はつけないと代友達に送る時は毎回顔文字使いますよ入れないとさみしいし代後輩からきたらちょっとどうしようかと思う代たしかにあまり知らない人から送られてくるとちょっと驚く代でも逆に知らない人と仲良くなるために顔文字を使うこともあるよ代顔文字をつけずに返したら冷たいといわれたことはあるなぁ代顔文字つけて送ったのに文字だけのメールが来たらさみしいかも代顔文字があったほうがかわいいし!! 1 行目にはラベルを入れておきます 2 行目以降が 1 行ずつ個々のデータを並べますこの模擬データでは B 列に分析の際に比較するカテゴリデータを C 列に分析対象になる自由記述データが入っています 7

9 4. 分析 1: どんな単語がどれくらい使われているか調べてみよう 4.1 TEXTORVA を起動しようアドインのタブにある Textorva をクリックしてアドインを起動する 4.2 品詞ごとの抽出を選ぼう起動されたフォームのボタンの中の品詞ごとの抽出を選んでクリックします 8

カテゴリ行を指定するとカテゴリごとに度数が算出されます ) 設定したら 5 の分析を押して下さい例 : 模擬データの場合世代によって

10 4.3 変数を設定しよう 1 分析したい自由記述が含まれた行をデータ行として指定します 2 分析する品詞を選択します 3 主要なものだけ見ればいいときは特定の度数以上出現した単語を拾うことができますその場合は最小値のところに数値を入力します 4 また必要に応じてカテゴリ行を設定します ( カテゴリ行を指定するとカテゴリごとに度数が算出されます ) 設定したら 5 の分析を押して下さい例 : 模擬データの場合世代によって顔文字について説明する言葉の出現度数を検討する場合には世代をカテゴリ行に指定します出力の読み方品詞ごとにエクセルのタブが追加されますまたカテゴリごとに集計が示されます 9

11 5. 分析 2: 単語間のつながりを見てみよう 5.1 TEXTORVA を起動しようアドインのタブにある Textorva をクリックしてアドインを起動する 5.2 品詞とカテゴリの指定をしよう起動されたフォームのボタンの中の品詞ごとの抽出を選んでクリックします 10

12 5.3 オプションを指定しよう 1 分析する対象行を指定し 2 分析する品詞 3カテゴリ行を指定します 4さらに必要があれば出現度数の下限を設定し決定をクリックしますすると出現度数以上の度数で現れた単語とカテゴリ行にあるラベルが新しいタブで現れます丌要なカテゴリなどを削除して分析することもできます一覧表の作成をしよう一覧表を作成をクリックします先の操作でできた語のリストについて共起行列が作成されます 11

5.5 数量化 Ⅲ 類の計算をしよう数量化 Ⅲ 類とは林知己夫によって開発された分析法で共起関係 (textorva の場合ある単語とある単語が同じ文の中に生起する頻度 ) からどのような反応とどのような反応とが類似性のある出現傾向があるのかを把握することができます量的分析における主成分分析や因子分析に該当する方法です 5.

13 5.5 数量化 Ⅲ 類の計算をしよう数量化 Ⅲ 類とは林知己夫によって開発された分析法で共起関係 (textorva の場合ある単語とある単語が同じ文の中に生起する頻度 ) からどのような反応とどのような反応とが類似性のある出現傾向があるのかを把握することができます量的分析における主成分分析や因子分析に該当する方法です 5.6 数量化 Ⅲ 類の表の見方上記の例ではカテゴリ数が6つなので今回のデータのばらつきを説明するのにそれより1つ少ない 5 つの解が得られています固有値はそれぞれの解が各データのばらつきをどの程度説明できるかを示していますまた各カテゴリの内容に上位 3つの解の固有値で重みづけたものが中央にある3 つの軸の値になりますさらに右側は元の10の会話を同じく重みづけたものですただし数量化 Ⅲ 類の結果は次のページにあるグラフで検討するのが一般的です 12

14 5.6 グラフの描画をしよう数量化 Ⅲ 類の結果が表示されている場面でグラフの描画を押すと結果を図的に表現することができます 5.7 グラフの見方第 1 軸と第 2 軸の値をもとにプロットされますこの図の中で近くに位置しているものは共起している割合が高いことを示しています代第 2 軸つけるある系列使う送る第 1 軸代 13

15 6 分析 3: 各単語がどのような文脈で使われているか見てみよう 6.1 文脈検討補助を選択しよう Textorva を起動し文脈検討補助をクリックします 6.2 文脈検討補助の操作の仕方検索する文字列を記入して色のボタンを押すとその単語を色付けして検索しやすくすることができます 14

16 6.3 語の原型での分析動詞や形容詞の場合 ( 例 : 使わない ) 先のような形式( 例 : 使う ) ではうまく検索できませんそのため原型の形式におきかえる必要があります列を指定して分節化をクリックすると任意の行に原型で分かち書きして表記することができます 6.4 分かち書き結果に基づいて分析する分かち書きすると下記のように使うでも検索できるようになります 15

17 7. よくあるエラーと対応 Q1: 最初の段階でエラーが出てまったくうまく動かない A1:Access 茶荃がインストールされているかなど必要な条件は満たしているかを確認してください Q2: エラーが出る / 分析結果がおかしい A2: エクセルのタブの移動を行った際などにソフトが参照すべきデータを見失ってエラーを起こしたり分析結果がおかしくなったりすることがあるようですお手数ですが元のデータに戻って分析をやり直してくださいまたデータの入力の仕方をご確認ください Q3: 茶荃について A3: 茶荃については茶荃のウェブページをご参照ください茶筌の配布 Q5: ここに書かれていないエラーなど A5: 下記 URL をご参照いただき下記 URL でも解決しない問題についてはお手数ですが開発者までお尋ねください対応可能な範囲内で回答いたします 16

18 8. おわりに TEXTORVA でできる機能は限られた機能しか持たない無償で利用可能なソフトウェアのなかには TEXTORVA より高性能なものも少なくない TEXTORVA でテキストマイニングに関心を持った人は他のテキストマイニングソフトを試してみるとよいだろう一般的に市販されている有償のテキストマイニングソフトの方が高価である分高性能である無償で利用できるテキストマイニングソフトの例 KHcoder TTM: TinyTextMining 有償で利用できるテキストマイニングソフトの例野村総合研究所 TRUE TELLER ジャストシステムトラスティア SPSS SPSS Text Analysis for Surveys (STAfS) テキストマイニングについて勉強するには松村真宏三浦麻子人文社会科学のためのテキストマイニング誠信書房石田基広 R によるテキストマイニング入門森北出版数量化 Ⅲ 類について勉強するには内田治数量化理論とテキストマイニング日科技連出版社関連するエクセルマクロについて学ぶには高橋信 (2005) Excelで学ぶコレスポンデンス分析オーム社青木繫信 (2001) 数量化 III 類 17

19 9. 著作権その他本アドインの開発者は荒川歩 ( 武蔵野美術大学 ) ですが本アドインはフリーソフトウェアであり使用改変再配布は自由ですただし本アドインの使用に関して生じたあらゆる損害にませんまた改変したものを再配布する場合にはその旨を記載するようにしてくださいなお本アドインの制作にあたり東洋大学平成 21 年度特別研究 ( 教育システム開発 ) 授業に対する意見質問感想及び授業カリキュラムシラバスのテキストマイニングによる内容分析 ( 研究代表者東洋大学教授杉山憲司 ) の援助を受けたまた杉山憲司先生佐藤史緒さんをはじめ同研究会のメンバーの皆さまにはさまざまな示唆をいただきましたありがとうございました Textorva の最新版および良く聞かれる質問は下記の URL にあります 18

機能と使い方起動すると下のようなフォームが表示されますボタンの大きさはあらかじめ3 種類用意してありますが任意の大きさも指定できますボタンに表示する文字列はあらかじめ5 種類用意してありますが任意の文字列も指定できますボタンの色はあらかじめ6 種類用意してありますが任意の色も指定可能で

機能と使い方起動すると下のようなフォームが表示されますボタンの大きさはあらかじめ3 種類用意してありますが任意の大きさも指定できますボタンに表示する文字列はあらかじめ5 種類用意してありますが任意の文字列も指定できますボタンの色はあらかじめ6 種類用意してありますが任意の色も指定可能で Microsoft パワーポイント用ボタン作成ツールについて広島大学医学部附属医学教育センター松下毅彦この文書では当センターで開発したMicrosoftパワーポイント用ボタン作成ツールについて説明しますこのツールは教員がこれまで講義で使っていたパワーポイント用のファイルをeラーニング用の教材に容易に改変できるよう設定したページに移動するボタンを簡単に置くためのものです eラーニングを教育に導入するにあたっての最大の問題点は