Análisis semántico latente usando tres documentos de Pierre Bourdieu
DOI:
https://doi.org/10.58312/2591.3905.v8.n13.47619Palavras-chave:
Análisis semántico latente, Bourdieu, Pierre 1930-2002Resumo
Objetivo: Aplica el análisis semántico latente a tres documentos publicados por el sociólogo francés Pierre Bourdieu y traducidos al español.
Método: Utiliza el análisis semántico latente para aplicar esta técnica se usó el lenguaje de programación en R en el entorno de desarrollo integrado (EDI) de RStudio, en el cual se utilizó el paquete pdftools, tm, lsa y LSAfun.
Resultado: La matriz de términos-documentos está compuesta por 2.646, la matriz Tk está compuesta por 3.138 palabras en total para los tres documentos. La palabra “campos” tiene una relación semántica entre el documento dos y el documento tres. La palabra “capital” tiene una relación semántica entre el documento uno y el documento dos, mientras que no se evidencia relación semántica entre los tres documentos y la palabra “científico”, la palabra “cultural” y la palabra gusto. La tercera matriz Sk muestran que hay relación semántica entre el documento dos (Los tres estados del capital cultural) y el documento tres (Sobre el poder simbólico). Este análisis no muestra una relación con el documento uno (Criterios y bases sociales del gusto). La similitud de las palabras “poder”, “social” y “cultural” contenidas en los tres documentos que se usaron en este análisis se les aplicó la similitud de coseno.
Conclusiones: Las palabras “campo”, “poder”, “producción”, “social”, etc. están relacionadas, mientras que las palabras “capital” y “cultural” no están relacionadas con la totalidad de las palabras; sin embargo, todas estas palabras forman parte de los conceptos ampliamente usados por Pierre Bourdieu.
Downloads
Referências
Arango, L. E.; Pantoja, J.; Velásquez, C. (2023). A content analysis of the Central Bank's press releases in Colombia. Latin American Journal of Central Banking, 4(3), 100097,
Contreras Kallens, P.; Dale, R. (2018) Exploratory mapping of theoretical landscapes through word use in abstracts. Scientometrics 116(3), 1641-1674.
Deena, G.; Raja, K. (2022). Keyword extraction using latent semantic analysis for question generation. Journal of Applied Science and Engineering, 26(4), 501-510.
Deerwester, S.; Dumais, S. T.; Furnas, G. W.; Landauer, T. K.; Harshman, R. (1990). Indexing by latent semantic analysis. Journal of the American Society for Information Science, 41(6), 391-407.
Feinerer, I.; Hornik, K. (2023). tm: Text Mining Package, 2023. https://CRAN.R-project.org/package=tm
Fischer, A., Voracek, M., Tran, U. S. (2023). Semantic and sentiment similarities contribute to construct overlaps between mindfulness, Big Five, emotion regulation, and mental health. Personality and Individual Differences, (210), 112241.
Foltz, P. W.; Kintsch, W., Landauer, T. K. (1998). The measurement of textual coherence with latent semantic analysis. Discourse Processes, 25(2-3), 285-307. DOI: 10.1080/01638539809545029
Guenther, F. (2024). LSAfun: Applied Latent Semantic Analysis (LSA) Functions, 2023. https://cran.r-project.org/web/packages/LSAfun/index.html.
Gutiérrez, R. M. (2005). Análisis Semántico Latente: ¿teoría psicológica del significado? Revista Signos, 38(59), 303-323.
Lam, L. C. Q., Toai, T. K.; Vaclav, S. (2023) A latent semantic analysis method for ranking the results of human disease search engine. Bulletin of Electrical Engineering and Informatics, 12(2), 1189-1195.
Landauer, T. K.; Foltz, P. W., Laham, D. (1998). An introduction to latent semantic analysis. Discourse processes, 25(2-3), 259-284.
Magerman, T., Van Looy, B., Song, X. (2010). Exploring the feasibility and accuracy of Latent Semantic Analysis based text mining techniques to detect similarity between patent documents and scientific publications. Scientometrics, 82(), 289-306.
Mayopu, R. G., Wang, Y. Y., Chen, L. S. (2024). Analyzing Online Fake News Using Latent Semantic Analysis: Case of USA Election Campaign. Big Data Cognitive Computation, 7(81). https://doi.org/10.3390/bdcc7020081
Ooms, J. (2023). Package pdftools, 2023. https://cran.r-project.org/web/packages/pdftools/pdftools.pdf
Mamani Roque, M. (2018). Descomposición en valores singulares y análisis semántico latente. 44h. Tesis (Máster) -- Universidad Politécnica de Valencia. Departamento de Matemática Aplicada.
Sanguri, K.; Bhuyan, A.; Patra, S. (2020). A semantic similarity adjusted document co-citation analysis: a case of tourism supply chain. Scientometrics, 125(1), 233-269.
Sharma, C.; Sakhuja, S.; Nijjer, S. (2022). Recent trends of green human resource management: Text mining and network analysis. Environmental Science and Pollution Research, 29(56), 84916-84935.
Van Eck, N.; Waltman, L.; Noyons, E.; Buter, R. (2010). Automatic term identification for bibliometric mapping. Scientometrics, 8(3), 581-596.
Venegas, R. (2011). Evaluación de resúmenes en español con Análisis Semántico Latente: una implementación posible. Revista signos, 44(75), 85-102
Wild, F. (2022). Latent Semantic Analysis. https://cran.r-project.org/web/packages/lsa/lsa.pdf
Zhang, L.; Xia, Y. (2024). Text Study of Reader Magazine in the Context of Big Data. Applied Mathematics and Nonlinear Sciences, 9(1), 1-14. https://sciendo.com/article/10.2478/amns.2023.2.00284
