Michael Anderson, PhD, JMP Ingeniero de sistemas, SAS
Chris Gotwalt, PhD, JMP Director de Investigación y Desarrollo Estadístico, SAS
JMP 13 introdujo Text Explorer. Esta nueva plataforma permite seleccionar texto libre y generar información sobre temas y términos importantes. Si bien es increíblemente útil, esto representa solo el primer paso para resolver el problema en cuestión. A menudo, lo que se busca es identificar las palabras clave en un conjunto de documentos que están fuertemente asociadas con una respuesta específica, como el comportamiento de compra o las reseñas de los clientes. Esto se suele lograr mediante el análisis de sentimiento tradicional, que se basa en listas de palabras proporcionadas por proveedores externos que no tienen en cuenta el contexto específico en el que se trabaja ni la población que se desea comprender. Un enfoque alternativo, a veces denominado análisis de sentimiento de aprendizaje supervisado, combina el análisis de texto con el modelado predictivo 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 mediante un ejercicio de modelado bastante accesible. Con JMP Pro 13, el análisis de sentimiento de aprendizaje supervisado es ahora más fácil que nunca, y lo demostraremos con una serie de casos prácticos derivados de la investigación de consumidores y el contexto de las redes sociales.
Datos de la encuesta sobre casinos de Toronto
