Michael Anderson, PhD, ingeniero de sistemas JMP, SAS
Chris Gotwalt, PhD, JMP Director de Investigación y Desarrollo Estadístico, SAS
JMP 13 introdujo Text Explorer. La nueva plataforma brinda la capacidad de seleccionar texto de forma libre y generar información sobre temas y términos importantes. Si bien es increíblemente útil, en realidad es solo un primer paso para responder al problema en cuestión. A menudo, lo que uno realmente quiere hacer es identificar las palabras clave en un conjunto de documentos que están fuertemente asociados con una respuesta particular, como el comportamiento de compra o las reseñas de los clientes. Por lo general, esto se hace mediante el análisis de sentimientos tradicional, que se basa en listas de palabras proporcionadas por proveedores externos que no tienen en cuenta el contexto específico en el que está trabajando o la población de personas que le interesa comprender. Un enfoque alternativo, a veces llamado análisis de sentimientos de aprendizaje supervisado, combina el análisis de texto con modelos predictivos para determinar qué palabras y frases son más relevantes para el problema específico en cuestión. Utiliza datos para determinar tanto la dirección como la fuerza de la asociación de los términos en los documentos con la respuesta a través de un ejercicio de modelado bastante accesible. Con JMP Pro 13, el análisis de sentimientos de aprendizaje supervisado ahora es más fácil que nunca, y lo demostraremos con una serie de estudios de casos que surgen de la investigación del consumidor y los contextos de las redes sociales.
Datos de la encuesta sobre casinos de Toronto
