Remercier toi tous pour en cliquant sur ce parler et à venir à montre il.
Ce est vraiment à propos biais dans données.
Chaque analyste que travaux sur un projet comprend
le importance de assurer que le données que ils collecter est impartial.
Le mesures sont pris à éviter que à le commencer de le données collection,
avant le projets même vraiment commencé,
là sont nombreux chèques qui pointe le long de le analyse,
et alors à le fin, n'importe lequel conclusion atteint est pris
dans le contexte de potentiel supplémentaire sources de biais.
Mais ceci même niveau de soins n'est pas appliqué à en ligne recherches sur sujets de intérêt.
Recherche moteurs utiliser algorithmes que sont conçu à livrer
personnalisé contenu que est pertinent pour nous comme individus.
Maintenant, ce a avantages.
Il moyens que retour recherche coups
sont plus probable à être pertinent et intéressant,
mais il aussi a inconvénients.
Par définition, ces sont pas impartial.
Nous avoir un exemple.
Ouais, je entendu ils apporté en haut a super indiquer là,
dans science et ingénierie,
nous prendre a super soins à faire bien sûr que notre échantillons sont impartial.
Mais allons pense de a bibliothèque.
Nous marcher dans le bibliothèque et il y a deux personnes intéressé
dans délation eux-mêmes sur vaccin sécurité.
Allons-y dire ils marcher dans a bibliothèque
et demander a bibliothécaire pour ces livres sur vaccins,
donc le d'abord personne reçoit trois livres.
Ces sont réel livres.
Petitp bœuf : A Vaccin Succès ,
Anti-vaccins : H aïe à Défi le Mal informé Mouvement,
et Bloqué: Comment Vaccin Rumeur Commencer et Pourquoi Ils Ne le faites pas Aller Loin.
Maintenant, allons dire a différent personne promenades dans
et reçoit trois complètement différent livres.
LE COVID VACCIN : A nd silence de notre
médecins et scientifiques,
Piqué : H aïe le Vaccin Industrie,
Médical Établissement, et Gouvernement Bâton il à Toi et Ton Famille,
Quiconque vous dit que les vaccins sont sûrs et efficaces ment.
Ces sont réel livre titres.
Allons-y dire que regarder à OMS toi sont,
donc où toi en direct, comment vieux toi sont, ton genre,
peut être même ton navigateur histoire
détermine lequel de ces ensembles de livres toi obtenir.
Ce est essentiellement quelques de le problème avec le biais
comme toi aller dans à recherche pour des choses en ligne.
Il peut être que avant nous même commencer
regarder à notre navigateur recherche, nous avons déjà a obtenu biais dans là
et nous vouloir à comprendre si c'est le cas ou pas.
C'est quoi motivé ce.
Toi a obtenu n'importe lequel pensées sur ça, H Adley?
Bien, I pense que le pensée que Identifiant comme à exprimer droite maintenant
est que le but de ce présentation n'est pas à juge ou à donner son avis
sur le avantages ou inconvénients de le recherche algorithmes
que peut ou peut pas être utilisé.
Le but ici vraiment est juste à prendre un exemple
de complexe/ non structuré données et complexe parce que il est non structuré
et ce était recherche résultats.
Alors à utiliser quelques de le exploratoire visuel
et analytique capacités trouvé dans JMP Pro 17 à essayer à comprendre
quoi nous étaient vision et à présent il dans tel a chemin à aide toi à comprendre.
Le but de ce présentation est à inspirer toi à essayer ces techniques
pour vous-mêmes et autres comme eux sur ton propre données.
Allons-y aller à travers brièvement le méthodologie.
Quoi Pete et I a fait était nous est venu en haut
avec a peu recherche termes nous pensée serait plomb à intéressant résultats.
Toi peut voir ceux termes ici.
Nous définir quelques potentiel saisir variables
lequel peut ou peut pas être affectant le résultats de le recherche.
Nous savoir que là sont très probable autres comme Bien que nous n'a pas inclure.
Ce est vrai avec n'importe lequel conçu expérience.
Nous ne peut pas capturer chaque variable, mais nous a pris a peu.
Bien voir si ces sont significatif ou pas.
Nous développé a données collection procédure
par lequel nous utiliser le MSA conception dans le BICHE menu.
Ce est a pratique chemin à créer ces tables que nous peut alors envoyer
à JMP SEs et amis de SEs.
Maintenant, droite loin ce n'est pas un impartial aléatoire assortiment
de personnes nous avons demandé à remplir dehors ces.
Ils sont tous personnes que travail pour le même entreprise et avoir le même emploi titre.
Comme nous dit, le but est vraiment
à comprendre le techniques et méthodes que nous utiliser à essayer à comprendre le données,
et alors à pense à propos comment toi peut appliquer il toi-même.
Nous exploré le résultats lequel Bien montrer toi.
Alors enfin nous présenté le résultats à le JMP Découverte Sommet Amérique 2022,
lequel est quoi toi sont regarder droite maintenant.
Sans plus loin décoration, allons saut dans le données.
Je vais commencer dehors par parler juste brièvement à propos le MSA conception que toi voir ici.
Quoi nous avons fait est nous avons ajouté le facteurs de intérêt,
nous avons ajouté le termes de intérêt que nous étaient regarder à.
alors le bon chose à propos ce est que quand nous faire le tableau,
quoi nous pourrait toujours faire est presse ce bouton,
envoyer ces dehors à tout le monde que nécessaire à complet le résultats pour nous,
envoyer eux dos, les enchaîner
et alors étaient prêt à commencer début notre analyse.
Mais comme n'importe lequel analyste qui est jamais collecté données
et essayé à analyser sait le données très souvent n'est pas dans a format
où toi peut immédiatement commencer avec ton analyse,
quelques nettoyage besoins à être fait.
Je vais passer des choses sur à Pete à parler à propos que.
Pete ?
Oui, super indiquer.
I pense tout le monde a disparu à travers ce.
Même avec a Bien- conçu par le DOE,
toi souvent avoir à faire quelques ajustements à faire le analyse.
Hadley a montré ceux opérateur feuilles de travail
que est venu dehors, et ici est un que I rempli dehors.
Je suis pas en allant à garder moi-même anonyme,
mais I n'a pas vouloir à partager quelqu'un celui de quelqu'un d'autre résultats.
Mais juste à donner toi un idée, nous avait gens répondre
a peu démographique questions que avec un peu de chance n'étaient pas aussi révélateur,
mais essentiellement où toi étaient situé,
comment vieux toi sont, et alors le recherche terme toi utilisé.
Comme Hadley montré, là était trois réponses.
Nous avait personnes faire ce recherche et alors montrer le haut trois réponses
que que recherche moteur recommandé.
À faire le analyse,
le d'abord chose nous avait à faire est juste prendre ces trois et apporter eux ensemble.
Ce est a bon facile chemin à faire ce,
est à aller sous le colonnes, services publics et juste combiné colonnes.
Maintenant I juste appelé ces réponses et fait a petit délimiteur.
I non coché que multiple réponse 'cause étaient en allant à juste faire
texte analytique sur ce.
Alors toi obtenir ce,
lequel est le tableau que nous, excusez-moi, la colonne étaient en utilisant pour Texte Explorateur.
Maintenant, I a fait ce et alors I apporté dans tous de le résultats
depuis tous le différent personnes OMS a pris le enquête
et modifié a petit peu plus comme combiné si toi étaient dans le NOUS,
lequel État toi étaient dans, et alors résumer que dans région
entre l'Amérique et Europe,
'cause nous n'a pas avoir assez répondants à casser il en haut par État.
Mais dans le fin, nous fin en haut avec a tableau que apparence comme ce.
Nous avait à faire a petit peu de enregistrement,
nous avait à faire a petit peu de remplissage ce dans
et alors anonymiser que recherche moteur.
Le gens que a obtenu le enquête savait lequel recherche moteur à utiliser,
mais étaient pas partage que ici.
Hadley est en allant à maintenant parler à propos quelques
de le résultats nous scie dehors de ce une fois nous avait il dans ce formulaire.
Allons-y ouvrir en haut ce tableau de bord droite ici.
Quoi tu es vision sont le la plupart populaire termes
dans commande de popularité depuis gauche à droite, descendant commande
pour le d'abord réponse, deuxième réponse, et troisième réponse pour chaque un
de le recherche termes, pour chaque genre et âge et tous de le autre facteurs.
W peut utiliser ce
et ce hiérarchique filtration sur le tableau de bord à explorer
ce a petit plus proche, voir si nous peut apprendre rien.
Un chose I arriver à avis si nous regarder
à le monde est et nous cliquez sur mâle, tu vas voir que pour la plupart personnes,
ou pour beaucoup personnes, le d'abord recherche ils trouvé était que le monde
est pas assez si tu es femelle, également probable est à trouver il ton huître.
Il est intéressant de noter que si tu es moins que 40 années vieux,
c'est quand le monde est pas assez, soudainement devient le monde est le vôtre.
I pense nous pourrait probablement accepter avec c'est probablement vrai pour personnes
sous 40, n'est pas il?
Quoi autre avoir nous a obtenu ici?
Si I regarder à climat changement,
donc un autre bien sûr chaud sujet de intérêt ces jours,
comme Bien il devrait être.
Si I étaient à regarder à personnes sur 50,
apparemment a énorme préoccupation pour eux est si climat changement
est changement bébés dans le utérus,
lequel, c'est intéressant, n'est pas a préoccupation pour personnes ci-dessous 40.
I se demandait si
ce est a valide préoccupation pour personnes sur 50,
si ils sont plus probable à avoir leur bébés changement
dans leur utérus ou pas.
Mais de côté depuis que,
allons prendre a étape dos et voir comment nous peut aller à propos création ce tableau de bord.
C'est assez simple.
Le d'abord chose nous besoin à faire est à créer notre filtre variables.
J'ai fait que ici.
Voici notre recherche termes et notre distributions.
Quoi Je vais faire est Je vais aller à travers comment à créer le graphique constructeur rapport,
parce que c'est quelque chose que toi peut pas être familier avec,
que toi pourrait être intéressé dans faire.
Je suis en allant à prendre mon d'abord réponse,
mettre il ici, et simplement choisir le nombre que ceux se produire.
Alors I peut droite cliquez et commande par compter descendant.
T chapeau il.
J'ai fait le même chose pour mon deuxième réponse
et mon troisième réponse comme Bien.
Maintenant nous peut aller devant putting ensemble le pièces de le tableau de bord.
Bien cliquez sur nouveau tableau de bord,
Bien choisir le hiérarchique filtre plus un.
Je vais prendre mon distribution résultats mettre eux là,
mon saisir paramètres, mettre eux là,
et alors mon graphiques.
Allons-y voir, est ce un d'abord?
Eh bien, je ne peux pas le dire.
Bien juste mettre eux dans commande comme ce,
et I peut toujours changement le commande si I vouloir.
Tous droite.
Je vais courir le tableau de bord,
et là nous avoir il.
Il vraiment est comme simple comme que.
Alors I peut aller devant et sauvegarder il à le tableau.
Que était un utiliser de a tableau de bord.
Je vais montrer toi un autre utiliser de a tableau de bord,
lequel était à utiliser il avec a Texte Explorateur Nuage de mots.
Ce est le la plupart commun mots,
pas juste entier phrases ou entrées, mais individuel mots.
Toi peut voir le mot conception sembler à être utilisé a parcelle.
Si I étaient à regarder à, pour exemple, statistiques,
donc il apparence comme tout le monde peut accepter que statistiques est a science.
Il est intéressant de noter que si tu es dans Europe, apparemment toi trouver il Plus fort que toi faire
si tu es dans Amérique, où que n'a pas viens en haut,
donc quelque chose I arriver à avis là.
À créer ce tableau de bord, c'est très beaucoup le même comme le autre un.
Bien ajouter notre distribution articles.
Voici le d'abord un, voici le deuxième un.
Bien ajouter notre Texte Explorateur Nuage de mots,
et alors Bien simplement mettre ce un ensemble
juste comme nous a fait le précédent un.
Avec que, Identifiant comme à remercier toi
pour ce partie de le présentation à propos le exploratoire visuel analyse.
J'ai montré toi comment toi peut aller à propos
faire ce en utilisant le hiérarchique tableaux de bord.
Maintenant Je vais tourner des choses dos sur à Pierre,
qui va prendre nous à travers quelques plus dans profondeur utiliser de le Texte Explorateur.
Parfait. Merci, Hadley.
Comme Hadley mentionné ce est
a différent chemin à afficher ce, mais ce est le fin résultat de en utilisant
le Texte Explorateur et regarder juste à le Mot Nuage ici.
Il avait fait ce a tableau de bord
et utilisé filtres que étaient graphique de nature, lequel est super.
Toi pourrait faire ce aussi avec a locale données filtre.
Mais ce est essentiellement le fin résultat étaient en allant pour.
Allons-y maintenant dos en haut et parler à propos comment nous a obtenu ici.
Avec notre données ensemble sur ici, nous juste lancé le Texte Explorateur
sous analyser menu,
nous mettre dans notre colonne que étaient intéressé dans.
Dans ce cas, tous trois réponses combiné dans un colonne.
Nous avoir a bouquet de options nous peut utiliser à peaufiner ce,
y compris langue et comment nous tokeniser le mots.
Mais étaient en allant à aller devant et juste utiliser le valeurs par défaut.
Ici toi peut voir depuis nous avoir différent réponses
à différent recherche termes,
le dans l'ensemble terme et phrase liste par lui-même est pas super informatif.
Quoi nous serait vouloir à faire est appliquer que locale données filtre
et le d'abord chose Bien regarder à est que recherche terme.
Maintenant nous peut faire quelque chose comme le économie ou corona virus
ou climat changement et aller depuis là.
Allons-y se concentrer dans sur climat changement ici.
Un chose que I recherché à faire était ajouter quelques sentiment analyse.
Le d'abord chose Je suis en allant à aller devant
et tourner sur ce Mot Nuage donc il apparence comme il avait avant.
Maintenant nous peut afficher il ce chemin où toi
avoir le la plupart commun terme dans là et toi peut voir c'est climat et changement.
Nous savoir que étaient recherche que,
alors je pourrait aller dans ici et ajouter ces comme mots vides
et maintenant voir lequel ceux viens en haut
le la plupart fréquemment quand étaient mentionnant climat changement.
Ce est un chemin à afficher le Mot Nuage.
I peut aussi aller à travers ici et peut être changement ce à quelque chose
que est a petit plus attirant à le œil,
mais peut être moins utile depuis a quantitatif point de vue.
Toi peut toujours ajouter quelques arbitraire couleurs
si toi comme que comme Bien.
Tous droite, donc J'ai fait ce à ce indiquer,
mais maintenant I vouloir à ajouter quelques sentiment analyse à ce.
Sont personnes pensée climat changement
est naturel, a bien chose ou est il a mauvais chose?
Toi peut voir quelques des choses dans ici que peut être indiquer que,
mais I n'était pas assez bien sûr où à trouver sentiment analyse.
Avec JMP 17, nous avoir ce nouveau fonctionnalité appelé Recherche JMP.
Si tu es jamais regarder pour un analyse dans JMP,
ce est a super chemin à trouver que.
Si I juste commencer dactylographie dans sentiment,
toi peut voir droite ici que il raconte moi comment à trouver ce,
I peut faire le aide, mais I peut aussi juste frapper montrer moi et il lancements il droite là.
Si Je suis jamais se demandant, Hé, comment peut I faire ce, ce donne moi le option.
Maintenant, a couple de des choses toi voir ici
c'est identifié quelques de ces défaut termes
que sont fournir sentiment.
Des choses comme bien.
Si I cliquez sur bien, I obtenir a petit résumé.
Il apparence comme quand personnes sont adage bien,
que est en fait a positif sentiment.
Maintenant, quoi à propos le plus grand ?
Oh, garçon, presque tout que dit le plus grand est a le plus grand menace.
Peut être c'est pas en fait a positif sentiment là.
Nous pourrait besoin à faire a petit peu de peaufinage.
D'abord allons aller dans ici et dire, d'accord, Bien, le plus grand menace est a phrase
que étaient vision communément.
Je suis en allant à juste ajouter que phrase.
Encore, toi serait faire ce dans ton conservation processus,
et maintenant toi voir que que va loin.
Mais I pense le plus grand menace est en fait a négatif chose.
Allons-y regarder à ceux sentiment termes.
Toi peut voir JMP identifié que comme quelque chose que peut être a sentiment.
Je suis en allant à juste dire, toi savoir quoi ?
C'est a vraiment négatif sentiment.
Maintenant quand nous aller vers le bas ici,
toi peut voir que c'est signalé ceux Sept événements
où ils mentionné le plus grand menace,
et il dit que ceux sont a très négatif.
C'est modifié notre dans l'ensemble impression de, faire la plupart de ces recherche termes
pense ce est négatif ou positif?
C'est juste un exemple de comment toi peut
marcher à travers que couler et viens en haut avec le fin sentiment analyse.
Je suis en allant à passer il dos sur à Hadley
et laisser lui envelopper des choses en haut ici.
Quoi Identifiant comme à dire est que nous a montré toi,
d'abord de tous, comment nous est allé à propos en utilisant
le MSA Conception à aide avec le données collection.
Nous utiliser Recode et autre articles
dans le Tableaux menu à aide avec le données faire le ménage en haut.
Nous alors utilisé Distribution, Graphique Constructeur,
Texte Explorateur, et combinaisons, tous de eux ensemble à aide
avec le données exploration,
voir si nous peut découvrir rien intéressant.
Alors Pete utilisé Sentiment Analyse ensemble avec le Recherche et JMP 17
à voir quoi autre nous peut apprendre à propos le données comme a entier.
Avec que, I espoir toi trouvé ce utile.
I espoir c'est donné toi quelques idées à propos comment
toi peut faire ce sur ton propre données pour vous-mêmes.
Identifiant comme à remercier toi tous pour écoute,
et I espoir toi apprécier le repos de le JMP Découverte Conférence.
Remercier toi.
