Co-word Analysis & Thematic Map
Keyword co-occurrence clustered into a strategic diagram (centrality × density).
- Famiglia
- Computational thematic
- Motore
- Lacuna native (Python)
Quando utilizzarlo
Usala per mappare i temi, tracciarne l'evoluzione e segnare le lacune candidate con prove testuali.
Fa emergere la prossimità concettuale, la ripetizione e le zone di silenzio nel testo del corpus. È computazionale, non l'analisi tematica riflessiva di Braun–Clarke.
Figure che produce
- Diagramma strategico
Limiti e ambito
- È un'analisi computazionale, non un'analisi tematica riflessiva di Braun e Clarke — fa emergere schemi nel testo, ma non ne interpreta il significato al posto vostro.
- I risultati dipendono dagli studi, dal corpus e dai parametri che fornite, nonché dal modello scelto. L'analisi sintetizza le prove così come sono riportate; non stabilisce un nesso causale.
- Ogni figura conserva la propria fonte e ogni esecuzione è riproducibile bit per bit a partire dagli stessi input, parametri e versione del motore.
In questa famiglia
- Topic Modeling (LDA / NMF)Probabilistic or matrix-factorisation topics over the full-text corpus.
- Embedding-based Topic ClusteringDocuments embedded (TF-IDF by default; transformer/SBERT optional) and clustered into semantically coherent topics.
- Factorial AnalysisMCA / correspondence analysis projecting terms into a conceptual map.
- Thematic EvolutionHow themes split, merge and flow across time slices (Sankey).
- Trending Topics & Burst DetectionEmerging terms and citation bursts over the publication timeline.
Esegui questa analisi
La definizione qui sopra è ad accesso libero. Il motore attivo, i suoi parametri e il report con sigillo di provenienza vengono eseguiti all'interno del vostro spazio di lavoro.