Text Analysis with R for Students of Literature

تجزیه و تحلیل متن با R برای دانشجویان ادبیات با در نظر گرفتن دانشجویان و دانش پژوهان ادبیات نوشته شده است، اما برای سایر انسان‌شناسان و دانشمندان علوم اجتماعی که مایلند بسته ابزار روش‌شناختی خود را به موارد کمی و محاسباتی گسترش دهند، قابل استفاده است. رویکردهای مطالعه متن محاسبات دسترسی به اطلاعاتی را در متن فراهم می‌کند که ما به سادگی نمی‌توانیم آن‌ها را با استفاده از روش‌های کیفی سنتی خواندن دقیق و ترکیب انسانی جمع‌آوری کنیم. تحلیل متن با R برای دانشجویان ادبیات مقدمه ای عملی برای تجزیه و تحلیل متن محاسباتی با استفاده از زبان برنامه نویسی متن باز فراهم می کند. R در سراسر علوم بسیار محبوب است و به دلیل دسترسی به آن، R اکنون به طور فزاینده ای در علوم مورد استفاده قرار می گیرد. سایر زمینه های تحقیقاتی خوانندگان فوراً کار با متن را شروع می‌کنند و هر فصل از طریق تکنیک یا فرآیند جدیدی کار می‌کند، به طوری که خوانندگان با رویه‌های اصلی R آشنا می‌شوند و درک اساسی از امکانات تحلیل محاسباتی متن در مقیاس خرد و کلان به دست می‌آورند. هر فصل بر اساس فصل قبل استوار است، زیرا خوانندگان از «تحلیل خرد» متن‌های منفرد به «تحلیل کلان» مجموعه‌های متنی در مقیاس کوچک می‌روند، و هر فصل با مجموعه‌ای از تمرین‌های تمرینی که درس‌های فصل را تقویت و گسترش می‌دهد، به پایان می‌رسد. تمرکز کتاب روی خوش‌مزه‌کردن مطالب فنی و مفید کردن و لذت‌بخش کردن فوری آن است.

Text Analysis with R for Students of Literature is written with students and scholars of literature in mind but will be applicable to other humanists and social scientists wishing to extend their methodological tool kit to include quantitative and computational approaches to the study of text. Computation provides access to information in text that we simply cannot gather using traditional qualitative methods of close reading and human synthesis. Text Analysis with R for Students of Literature provides a practical introduction to computational text analysis using the open source programming language R. R is extremely popular throughout the sciences and because of its accessibility, R is now used increasingly in other research areas. Readers begin working with text right away and each chapter works through a new technique or process such that readers gain a broad exposure to core R procedures and a basic understanding of the possibilities of computational text analysis at both the micro and macro scale. Each chapter builds on the previous as readers move from small scale “microanalysis” of single texts to large scale “macroanalysis” of text corpora, and each chapter concludes with a set of practice exercises that reinforce and expand upon the chapter lessons. The book’s focus is on making the technical palatable and making the technical useful and immediately gratifying.