JMP erleichtert die Freitextanalyse und erleichtert durch die Integration mit Python die Verwendung von Open-Source-Code. Einfach, genau so, wie ich es mag.
Da ich auch mexikanisches Essen und die YouTube-Show De mi Rancho a Tu Cocina mag, habe ich beschlossen, meine Liebe zu JMP und mexikanischem Essen in diesem Blog zu vereinen. Für Leute, die Doña Angela und ihr Programm „De Mi Rancho a Tu Cocina“ nicht kennen, ist es entspannend und beruhigend, ihr beim Kochen ihrer leckeren Gerichte zuzusehen, als ob man in die Vergangenheit zum Haus Ihrer Großmutter gereist wäre.
Ich werde versuchen, auf einfache Weise zu zeigen, wie Sie die analytischen Fähigkeiten von JMP zusammen mit der Python-Integration nutzen können, um Freitextdaten zu analysieren. In diesem Beispiel geht es um die Verwendung der mit JMP 18 installierten Python-Version zum Scrapen (oder Extrahieren) von Text aus YouTube-Videos und um die Verwendung des Text-Explorers in JMP zum Analysieren der Daten. Natürlich könnte im Zusammenhang mit der Lösung von Problemen mit Daten ein ähnlicher Prozess für die Verbraucherforschung im Rahmen einer Marketingstudie oder Wettbewerbsforschung eingesetzt werden.
Das Einfachste zuerst: In JMP ist bereits eine Version von Python installiert, und mit nur einem Klick auf eine Schaltfläche können Sie ein Fenster zur Eingabe von Python-Code öffnen:
Als jemand, der nicht gerne Code schreibt, habe ich mir vorgestellt, dass dies etwas komplex sein würde. Allerdings habe ich auf YouTube mehrere Websites mit Python-Code zum Extrahieren von Text aus Videos gefunden und musste nur minimale Änderungen vornehmen. Mit dem unten gezeigten Code, den ich „ausgeliehen“ habe, musste ich nur die Video-ID und die Sprache ändern.
Das Python-Skript wird wie ein JMP-Skript ausgeführt, indem Sie auf die grüne Schaltfläche in der Symbolleiste klicken. Dies veranlasst Python, nach der Texttranskription der spanischen Videos zu suchen. In JMP können die Ergebnisse im Befehlsprotokoll unter Ansicht > Verlauf angezeigt werden.
Obwohl es andere elegantere (und effizientere) Möglichkeiten gibt, die Ergebnisse zu speichern, kann der Text auch aus dem Datensatzfenster kopiert und beispielsweise in eine Textdatei eingefügt werden. Nachdem ich den extrahierten Text aus mehreren Videos in Textdateien gespeichert hatte, habe ich die JMP-Option verwendet, die es Ihnen ermöglicht, mehrere Dateien gleichzeitig in Datei > Mehrere Dateien importieren zu importieren , um sie in JMP zu importieren. Nach einigem Fummeln habe ich die Daten so angeordnet, dass die Episode in der ersten Spalte und der entsprechende Text in der zweiten Spalte angezeigt wird.
Der Spaß halber habe ich nun die Optionen unter „Analyse“ > „Text-Explorer“ festgelegt, einschließlich der Anzeigesprache. Vor einigen Jahren habe ich einen Kurs über Python zur Textanalyse besucht und es ist für mich wirklich erstaunlich, wie einfach es ist, solch mühsame Aufgaben so einfach in JMP auszuführen.
Mit nur wenigen Klicks ist es möglich, Wörter aus Videos auf YouTube in überzeugende Visualisierungen umzuwandeln, die uns dabei helfen, die Bedeutung der verwendeten Wörter zu extrahieren. Natürlich gibt es im roten Dreieck noch weitere Analysemöglichkeiten, wie z. B. Latent-Class-Analyse, Diskriminanzanalyse und vieles mehr.
Mit diesen grundlegenden Ergebnissen kann ich die am häufigsten verwendeten Wörter in den Videos sehen. Die Größe der Wörter in der Wortwolke richtet sich nach der Anzahl. Es scheint, dass Chili und Zwiebeln zu den Geheimzutaten von Doña Angela gehören. In der Liste der Phrasen kann ich auch die andere geheime Zutat erkennen; Doña Angelas süße Worte, die viele von uns dazu bringen, immer wieder zu ihrem YouTube-Kanal zurückzukehren.
Wenn Sie mehr über die Aufbereitung und Analyse von Textdaten erfahren möchten, laden wir Sie ein, sich dieses ausführliche Video anzusehen, das ein Beispiel enthält, dem Sie folgen können.
