Odkrywanie postaw dydaktyków zawartych w komentarzach studenckich. Analiza treści z zastosowaniem słownika klasyfikacyjnego

Wykorzystanie wiedzy o semantyce, pragmatyce wypowiedzi i logice powiązań pomiędzy elementami wypowiedzi pisemnych w połączeniu z technikami z obszaru Text Mining to nowe podejście w analizie danych jakościowych. Wymaga ono integracji wiedzy z różnych obszarów nauki, m.in. socjologii, językoznawstwa, NLP (Natural Language Processing), logiki, statystyki. W efekcie tej fuzji możliwe jest budowanie słowników klasyfikacyjnych wspomagających proces analizy i odkrywania wiedzy w dużych zbiorach tekstów, komentarzy. Ta perspektywa wywodzi się z tradycyjnej metody służącej opracowaniu treści, jest jednak mniej czasochłonna, a jej rozwiązania służyć mogą w analizie treści jeszcze nie eksplorowanych. Celem artykułu jest przedstawienie trzech różnych podejść metodologicznych w analizie danych tekstowych opartych na wykorzystaniu słownika klasyfikacyjnego w odkrywaniu typów postaw dydaktyków scharakteryzowanych w studenckich komentarzach zawartych w ocenach zajęć dydaktycznych za lata 2008–2013 na Uniwersytecie Jagiellońskim w Krakowie. W artykule pokazujemy przykłady klasyfikacji i ich wyniki, podkreślając wady i korzyści zastosowanych podejść. Zaprezentowane zostały także podstawowe miary opisujące trafność klasyfikacji. Analiza wielowymiarowa wykonana została z zastosowaniem takich technik, jak: miara podobieństwa wypowiedzi tekstowych, analiza dendrogramowa, analiza korespondencji.

The use of knowledge about the semantics and pragmatics of speech and the logic of connections between elements of written statements, in combination with techniques from the Text Mining field, constitutes a new approach in qualitative data analysis. It requires the integration of knowledge from different fields of science i.e. sociology, linguistics, NLP (Natural Language Processing), logic and statistics. As a result of this union is possible to build classification dictionaries that support the process of analysis and knowledge discovery in large text collections. This perspective is derived from the traditional method of content analysis, but is less time-consuming and its solutions can be used in the analysis of contents that have not yet been explored. This article presents three different methodological approaches in the analysis of textual data, based on classification using a dictionary to discover the types of attitudes of academic teachers, as characterized by student’s comments in teacher course evaluations at the Jagiellonian University in Krakow for the period 2008–2013. In this paper we show examples of a students’ comments dictionary-based classification and the results, highlighting the advantages and benefits of applied approaches. Moreover we present basic measures describing the accuracy of such classification and multivariate analysis techniques, such as similarity measures in text analysis, hierarchical cluster analysis and correspondence analysis.