ساخت دیتاست اخبار فارسی برای تحلیل محتوا؛ نمونهگیری و کدنامه
ساخت دیتاست اخبار فارسی باید از پرسش پژوهش آغاز شود. «جمع کردن خبر زیاد» بهتنهایی طرح پژوهش نیست. مشخص کنید موضوع، دوره و واحد تحلیل چیست.
پرسش پژوهش پیش از داده
ساخت دیتاست اخبار فارسی باید از پرسش پژوهش آغاز شود. «جمع کردن خبر زیاد» بهتنهایی طرح پژوهش نیست. مشخص کنید موضوع، دوره و واحد تحلیل چیست. واحد میتواند خبر، بند متن یا اشاره به یک بازیگر باشد. انتخاب واحد بر نمونهگیری و تفسیر نتیجه اثر میگذارد.
جامعه در دسترس
فهرست منابع قابل دریافت را بهعنوان جامعه در دسترس تعریف کنید. این مجموعه را نماینده قطعی همه رسانههای فارسی ندانید. محدودیت پوشش و تاریخ آغاز آرشیو را ثبت کنید. رسانه غایب میتواند برداشت پژوهش را تغییر دهد. ادعای نتیجه باید با همین دامنه سازگار باشد.
نمونهگیری
میتوانید براساس زمان، منبع یا موضوع نمونه طبقهبندیشده بسازید. روش انتخاب باید پیش از مشاهده نتیجه نهایی مشخص شود. فقط انتخاب خبرهای جالب، سوگیری وارد پژوهش میکند. حجم نمونه را با روش و پرسش پژوهش توجیه کنید. عدد بزرگ بدون طرح مناسب، تضمین اعتبار نیست.
کدنامه
برای هر متغیر، تعریف و مقدارهای مجاز بنویسید. نمونه مثبت، منفی و مبهم به راهنما اضافه کنید. نظر، ادعا و واقعیت گزارششده را در صورت نیاز جدا کنید. گزینه نامشخص باید امکان استفاده واقعی داشته باشد. کدنامه قابل فهم، پیششرط هماهنگی ارزیابان است.
آمادهسازی متن
نسخه خام و نسخه پردازششده را جدا نگه دارید. قواعد نرمالسازی فارسی را با نسخه ثبت کنید. حذف نشانهها ممکن است برای بعضی تحلیلها معنای متن را تغییر دهد. شناسه، منبع و زمان را از متن جدا نکنید. مسیر هر ردیف تا خبر اصلی باید باقی بماند.

بازنشر در نمونه
بازنشر زیاد میتواند وزن یک روایت را افزایش دهد. تصمیم بگیرید واحد شما پوشش رسانهای است یا محتوای مستقل. برای هر تعریف، برخورد با بازنشر متفاوت میشود. رکوردهای گروهشده را با رابطه مشخص نگه دارید. حذف بیتوضیح داده، بازتولید پژوهش را دشوار میکند.
برچسبگذاری آزمایشی
بخش کوچکی را دو ارزیاب مستقل کدگذاری کنند. اختلافها را برای اصلاح تعریفها بررسی کنید. پیش از اجرای اصلی، نسخه کدنامه را تثبیت کنید. تغییر بعدی باید اثرش بر داده قبلی را روشن کند. توافق ظاهری بدون بررسی نمونههای دشوار کافی نیست.
بسته بازتولید
عبارت جستوجو، بازه و تاریخ دریافت را ثبت کنید. نسخه کد و قواعد پالایش هم در بسته باشد. فایل داده باید فرهنگ ستونها داشته باشد. شناسهها و پیوندها امکان بررسی نمونهها را فراهم میکنند. داده قابل انتشار را با اطلاعات محدودشده مخلوط نکنید.
استفاده و اشتراک
دسترسی پژوهشی به معنای مجوز انتشار کامل همه متنها نیست. شرایط سرویس و حقوق منابع را بررسی کنید. گاهی اشتراک شناسه، کد و آمار تجمیعی مناسبتر است. اطلاعات شخصی غیرضروری را وارد مجموعه عمومی نکنید. تصمیم اشتراک باید با الزامات پژوهش شما هماهنگ باشد.
دریافت از khapi
ابتدا پوشش منابع khapi را با جامعه پژوهش تطبیق دهید. نمونه کوچک را از پنل یا مسیر API مناسب بررسی کنید. محدودیتهای دریافت و صفحهبندی را در روش تحقیق بنویسید. جدول کدنامه همراه این مجموعه میتواند نقطه شروع باشد. ارزش دیتاست به تعریف و قابلیت پیگیری آن وابسته است.
منابع و ادامه مطالعه
این مطلب چطور به کار شما بیاید؟
مفاهیم این مقاله را مستقیم در پنل khapi امتحان کنید:
آماده شروع هستید؟
۳ روز استفادهٔ رایگان از پنل تحلیلگر، مطابق محدودیتهای دورهٔ آزمایشی و بدون نیاز به کارت بانکی.