Clases de comentario de texto

Cursos gratuitos lse

Obtenga una comprensión fundamental del análisis de conjuntos de datos textuales procedentes de sitios de medios sociales, archivos digitales y encuestas y entrevistas digitales mediante el estudio del lenguaje y las interacciones sociales en entornos digitales. Este curso es perfecto para los científicos sociales que quieren obtener una visión general conceptual del panorama de la minería de textos para dar los primeros pasos hacia el trabajo en un proyecto de minería de textos o la colaboración con colegas computacionales. Este curso ayudará a los alumnos a:

Idioma: InglésTiempo de realización: 10 horasNivel: PrincipianteInstructor[[Instructor]]Cómo acceder: SAGE Campus es un producto de biblioteca digital. Si eres un bibliotecario, averigua cómo conseguir SAGE Campus para tu universidad. Si eres profesor, investigador o estudiante, recomienda SAGE Campus a tu biblioteca.

PruébaloLos estudiantes, investigadores y profesores pueden probar los módulos de demostración completos de cada uno de nuestros cursos hoy mismo en nuestro centro de demostración. Las pruebas institucionales completas de 30 días se establecen a través de la biblioteca de tu institución, así que recomiéndanos a tu biblioteca para solicitar una prueba completa.

Curso certificado online de análisis de políticas públicas de LSE

Este curso pretende introducirte en los fundamentos del lenguaje de programación Python. Hay mucho que descubrir sobre Python y la programación en general, y probablemente aprenderás algo nuevo cada día si sigues programando después de este curso. Nuestro objetivo es que te conviertas en un programador independiente capaz de encontrar soluciones a nuevos problemas.

Nos centraremos en la legibilidad y la comprensibilidad, para que puedas compartir tu código y los resultados con otros, y reutilizar tu código en el futuro. Este es un curso práctico, en el que obtendrá mucha experiencia práctica. Debido a la naturaleza de este curso, se requiere una participación activa.

A partir de 2021-22, ofrecemos una versión de licenciatura y otra de máster de este curso. Para la versión de licenciatura, hacemos hincapié en las aplicaciones en Humanidades Digitales. En la versión de máster, hacemos hincapié en una comprensión más profunda de los fundamentos de Python y en la resolución independiente de problemas. Estas diferencias se reflejan en el material de la segunda mitad del curso (bloque III y IV).

Minería de textos de Datacamp

Descripción del curso:  El análisis automatizado de textos se ha hecho muy popular en las ciencias sociales en los últimos años. Con la disponibilidad masiva de datos de texto en la web, los científicos sociales y políticos reconocen cada vez más el análisis de texto automatizado (o «texto como datos») como un enfoque útil para analizar el comportamiento social y político. Este curso -en el que utilizamos R- introduce a los estudiantes en una variedad de sus métodos y herramientas para conocer, entre otras cosas, el contenido, la ideología y el sentimiento en el texto. El curso -que combina clases magistrales y sesiones de codificación- será práctico, con énfasis en el tratamiento de cuestiones prácticas en cada paso del proceso de investigación (desde la recopilación y el preprocesamiento de datos de texto hasta la validación y visualización de los resultados del análisis). Los estudiantes que terminen este curso estarán bien posicionados para aplicar métodos de análisis de texto automatizados en su propio trabajo, y serán capaces de evaluar críticamente los trabajos existentes.

Curso de negociación

Un proyecto final de 3.000 palabras (5.000 palabras para los alumnos del MY559) deberá presentarse al comienzo del curso (el 9 de mayo a las 17.00 horas), y constituirá el 40% de la nota del curso. Se tratará de un análisis original de textos utilizando algunos de los métodos tratados en clase, y podrá centrarse en la réplica o ampliación de un trabajo publicado. Las directrices adicionales están disponibles aquí.

Algunas de las tareas consistirán en preguntas más cortas, cuyas respuestas pueden codificarse de forma relativamente inequívoca como correctas o incorrectas (total o parcialmente). En la calificación, estas preguntas pueden dividirse en pasos más pequeños y calificarse paso a paso. La nota final es entonces una función de la proporción de partes de las preguntas que se han respondido correctamente. En este tipo de calificación se respeta, en la medida de lo posible, el principio de crédito parcial. Esto significa que una respuesta a una parte de la pregunta se considerará correcta cuando lo sea en función de las respuestas a otras partes de la pregunta, incluso si esas otras partes se han respondido incorrectamente.