Term Trajectories & Attention Concentrations
Terms gaining or losing relative visibility, with periods of concentrated attention.
- Aile
- Computational thematic
- Motor
- Lacuna native (Python)
Ne zaman kullanılır
Temaları haritalamak, nasıl evrildiklerini izlemek ve aday boşlukları metinsel kanıtla işaretlemek için kullanın.
Korpus metni boyunca kavramsal yakınlığı, tekrarı ve sessizlik bölgelerini ortaya çıkarır. Hesaplamalıdır — Braun–Clarke refleksif tematik analiz değildir.
Ürettiği görseller
- Eğilim mini grafiği
Sınırlılıklar ve kapsam
- Sonuçlar, sağladığınız çalışmalara, derleme ve parametrelere ve seçilen modele bağlıdır. Çözümleme, kanıtı raporlandığı biçimde özetler; nedensellik kurmaz.
- Her görsel kaynağını taşır ve her çalışma, aynı girdiler, parametreler ve motor sürümünden bit-bit yeniden üretilebilir.
Bu ailede
- Co-word Analysis & Thematic MapKeyword co-occurrence clustered into a strategic diagram (centrality × density).
- 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).
Bu çözümlemeyi çalıştır
Yukarıdaki tanım açıktır. Canlı motor, parametreleri ve künyesi mühürlü rapor çalışma alanınızın içinde çalışır.