为不分种族地出现在工人阶级

Bappy24

发表于：期刊法律政治社会科学
长期以来，文本一直是社会科学家的重要数据来源，但使用起来却很困难。例如，当我撰写博士论文时，我花了数周时间研究《纽约时报》的摘要——查找与过去总统竞选有关的报纸文章，并对这些文章进行内容分析，以确定其中是否包含实质性信息或“选马”信息。过去，大多数学者都是手动分析这样的文本，尽管有大量文本可供研究，但这些信息中只有极少数可以成为适合进行复杂定量分析的数据。

世界发生了多大的变化！由于计算能力（包括数据可访问性、存储和分析能力）的巨大进步，用于自动分析文本的工具和方法激增。一些最具创新性的新工具和方法正在由社会科学家开发，近年来，我们看到许多关于文本分析的重要论文发表在《政治分析》上。

该领域的一个重要发展是结构主题模型。这种文本分析方法最近发展迅速，我请《比较政治学的计算机辅助文 韩国电报数据 本分析》的作者（Christopher Lucas、Richard A. Nielsen、Margaret E. Roberts、Brandon M. Stewart、Alex Storer 和 Dustin Tingley）更详细地讨论他们的论文及其对该领域的贡献。他们的论文如下。

* * * * *

比较政治文本分析
作者：克里斯托弗·卢卡斯、理查德·A·尼尔森、玛格丽特·E·罗伯茨、布兰登·M·斯图尔特、亚历克斯·斯托勒和达斯汀·廷利

每两天，人类产生的文本信息量就比自有记载的历史之初到 2003 年人类总产量还要多。这些文本中的大部分都与政治学问题直接相关。政府、政客和普通公民经常以书面形式交流他们的想法和意见，提供新的数据来了解政治世界，并为以前被认为难以解决的领域提供新的研究途径。然而，为了获取这些文本数据的价值，我们需要进行有原则、有系统的分析的方法。

准备文本数据以供分析具有独特的挑战，特别是对于处理非英语文本的比较研究者而言。尽管文本分析的统计方法通常与语言无关，但文本预处理工具却与语言无关。我们提供软件包来帮助用户预处理多种语言的文本并翻译文本，同时概述了准备文本数据以供分析所需的各个步骤。由于结构主题模型 (STM) 允许用户将文档元数据纳入分析，因此研究人员可以将文档的编写语言视为变量，并可以对不同语言的主题内容的系统差异进行建模。