Rozdíly
Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.
Následující verze | Předchozí verzePoslední revizeObě strany příští revize | ||
pojmy:din [2019/09/23 13:34] – vytvořeno vaclavcvrcek | pojmy:din [2019/09/27 10:31] – [Signifikance a relevance] vaclavcvrcek | ||
---|---|---|---|
Řádek 1: | Řádek 1: | ||
====== DIN ====== | ====== DIN ====== | ||
- | DIN (Difference index) je effect size metrika navržená pro účely poměřování prominence klíčových slov v aplikaci [[manualy: | + | DIN (Difference index) je tzv. effect size metrika, tedy míra navržená((viz Fidler, M. - Cvrček, V.: {{: |
+ | ===== Signifikance a relevance ===== | ||
+ | |||
+ | Při poměřování hodnot (např. frekvencí slov) nás zajímá jednak to, jestli je jejich rozdíl statisticky signifikantní, | ||
+ | |||
+ | To, že rozdíl je statisticky signifikantní ještě neznamená, že je také výzkumně relevantní. I velmi malý rozdíl se může ukázat jako signifikantní, | ||
+ | |||
+ | ===== Princip fungování ===== | ||
+ | |||
+ | Když se vrátíme k modelovému příkladu identifikace prominentních jednotek v textu (klíčových slov), tak pro jednotky, u nichž byl zaznamenán statisticky signifikantní rozdíl (podle zvoleného statistického testu), je vypočítána hodnota **DIN** (difference index) vypovídající o relevanci daného rozdílu: | ||
+ | |||
+ | $$DIN = 100 \times \frac{RelFq(Ttxt) - RelFq(RefC)}{RelFq(Ttxt) + RelFq(RefC)}$$ | ||
+ | |||
+ | kde $RelFq(Ttxt)$ je relativní frekvence jevu ve zkoumaném textu (target text) a $RelFq(RefC)$ je relativní frekvence téhož jevu v referenčním korpusu. | ||
+ | |||
+ | V základu vzorce pro výpočet DIN je rozdíl relativních frekvencí v čitateli ku frekvenční hladině, na níž se oba jevy vyskytují. Tuto frekvenční hladinu můžeme reprezentovat např. průměrem relativních frekvencí (celý vzorec se pak nenásobí koeficientem 100, ale 50): | ||
+ | |||
+ | {{: | ||
+ | |||
+ | |||
+ | |||
+ | ===== Hodnoty DIN ===== | ||
+ | |||
+ | Hodnota DIN je koncipována tak, aby dosahovala hodnot od -100 do 100, přičemž platí, že: | ||
+ | * hodnota -100 znamená, že daný jev se ve zkoumaném textu nevyskytuje, | ||
+ | * hodnota 0 znamená, že daný jev má zhruba stejnou relativní frekvenci ve zkoumaném textu i v referenčním korpusu (slovo tedy není ve zkoumaném textu prominentní) | ||
+ | * hodnota 100 značí, že slovo se vyskytuje pouze ve zkoumaném textu (může se tedy jednat o velmi prominentní slovo((V takovýchto případech je třeba mít na paměti, že absence slova v referenčním korpusu je situace zvláštní, | ||
+ | |||
+ | V textech o rozsahu do 20 tisíc slov a při analýze [[pojmy: | ||
--- //Václav Cvrček// | --- //Václav Cvrček// | ||
Řádek 11: | Řádek 39: | ||
<WRAP round box 50%> | <WRAP round box 50%> | ||
- | xxx • xxx | + | [[pojmy: |
</ | </ | ||