utworzone przez Agnieszka Czoska | lis 27, 2018 | Okiem badacza
Dwie poprzednie części analizy wyników naszego badania nad wpływem emotikon na wydźwięk emocjonalny zdań zakończyliśmy pytaniem: czy zawsze wpływają tak samo? Wiemy, że zdaniom z „: )„, a nawet z „: *” zdarzało się dostać od uczestników naszej ankiety jedynkę, czyli oceniali je jako negatywne. Oczywiście mogli się pomylić. Ale z drugiej strony zobaczyliśmy też, że chociaż da się ułożyć buźki od najbardziej negatywnej do pozytywnej, te drugie wcale nie układają się za bardzo równo… A poza tym, łączą je słabe korelacje, więc nie jest tak, że „: D” to „: )” ale bardziej. Warto sprawdzić, co takiego jest z różnymi uśmiechami, że nie nie zawsze dodają zdaniu radości.
Żeby było ciekawiej, ale także bardziej poprawnie metodologicznie, popracujemy na innych danych niż dotąd. Usuniemy z nich wartości odstające, tzw. outliery. Nie ręcznie, ale automatycznie (w programie KNiME, korzystając z filtra do danych numerycznych). Czyszczenie danych okazało się dość radykalne, w jego efekcie aż pięć z dziewięciu badanych przez nas emotikon zamiast pięciu kategorii ocen zostało jedynie z trzema. Oznacza to, że wykres ilustrujący kontinuum negatywne-pozytywne nieco się zmienił i jest teraz bardziej jednoznaczny.
Kiedy uśmiech staje się niemiły. Co oznaczają emotki?
Nawet po odrzuceniu outlierów okazuje się, że „: |” na końcu zdania może w efekcie dawać pozytywny komunikat, a „X D” – negatywny. Co więcej, nawet dodanie emotki może nie ocieplić ani nie ochłodzić zdania, ale pozostawić je w średnich regionach oceny 3.
Testowaliśmy wpływ emotikon z wykorzystaniem pięciu różnych zdań, raczej neutralnych, choć ocenianych przez uczestników badania różnie. Jak pokazaliśmy w pierwszym wpisie, faktycznie neutralne jest „Powiedział, że nic się nie stało”.
Przypuszczamy, że wyjściowy wydźwięk emocjonalny zdania będzie miał wpływ na to, czy po dodaniu danej emotikony czytelnik odczyta je inaczej, czy wciąż tak samo. Czy “Jedziemy na wycieczkę do Grecji” zmieni się tak samo mocno po dodaniu „: („, co „: )„? Poniżej pokazujemy średnią zmianę (na plus lub minus) po dodaniu emotikony, w stosunku do zdania w formie wyjściowej, bez ozdób.
Jak widać na powyższym wykresie, nie każda emotikona działa równie silnie. Zmiany na minus są większe niż na plus, największe, jeśli dodamy „: |” lub „: /” (dwie najsilniej ze sobą skorelowane emotki). Uśmiechy zawsze działają słabiej, a nie mają prawie żadnego wpływu na zdanie o Grecji czy „Teraz rozumiem” – a więc te najbardziej pozytywne już w punkcie wyjścia. Co więcej, można dostrzec niewielki, ale negatywny wpływ dodania „: P„, a nawet „: *„, do informacji o wycieczce! Przy okazji na powyższym wykresie widać, że „: 0„, choć ma wyrażać zaskoczenie czy nawet zachwyt, jest odbierane jako obniżające wydźwięk zdania, zwłaszcza uznawanego za pozytywne.
Emotikony. Co oznaczają? Symbole z pustymi przebiegami i paradoksalnymi efektami
Zdania niosące pozytywne emocje nie robią się zdecydowanie bardziej entuzjastyczne po dodaniu pozytywnej emotikony. Najbardziej zyskują na nich te „wyjściowo” negatywne, na przykład dodanie „: D” do słów o deszczu lub poniedziałku sprawi, że zrobią się neutralne, a nawet radosne. „: *” i „: P” mogą mieć paradoksalne działanie – zwykle ocieplają zdanie, jednak mogą sprawić, że pozytywne stwierdzenia staną się negatywne, być może ironiczne lub nabierają złośliwych odcieni. Nie skupialibyśmy się na tym być może jedynie na podstawie wyników naszych badań, ale mamy za sobą kilka kłótni biorących się z wysłania bliskim źle odebranego całuska…
Emotikony działają trochę jak intonacja – jakbyśmy wypowiadali zdanie innym tonem, bardziej radośnie, ze smutkiem, z rozczarowaniem, albo okazując szczęście. I właśnie jak ton mogą wywoływać paradoksalne efekty – przybijające treść podana lekkim tonem raczej nie pociesza, może wręcz wywołać agresję i niechęć wobec mówiącego. Badając reakcje odbiorcy w momencie, gdy emotikony są integralnym, używanym od dłuższego czasu elementem komunikacji on-line możemy wreszcie sprawdzić, jaki mogą mieć efekt na odbiór różnych informacji.
Chcemy wiedzieć o emotikonach jeszcze więcej, dlatego prowadzimy kolejne badanie. Można wziąć w nim udział klikając w ten link. Zajmie 10 minut.
utworzone przez Agnieszka Czoska | lis 22, 2018 | Okiem badacza
Matematyka może opisać uczucia – najprościej robi to dwuczynnikowa teoria emocji definiująca je na dwóch skalach: polaryzacji i siły. Zachwyt jest silniejszy niż radość, a obrzydzenie bardziej negatywne niż wstręt. Prowadząc badania z wykorzystaniem EmoTool (na przykład te o politykach) korzystaliśmy z obu skal, ale analizując emotikony i ich wpływ na odbiór zdań skupiliśmy się na kontinuum negatywne-pozytywne.
Jak pisaliśmy w pierwszej części analizy naszego badania, dodanie „: )” sprawia, że zdanie zaczyna brzmieć pozytywnie, a „: (” – negatywnie. Dopisanie całuska działa bardzo podobnie jak uśmiech – chyba, że wyjściowe zdanie (bez emotikony) wydawało się odbiorcom negatywne, wtedy uczestnicy naszego badania decydowali się na uznanie go za neutralne, co może także oznaczać, że powinniśmy zadać im inne pytanie – na przykład, czy mają do czynienia z ironią lub bezsensowną konstrukcją. Poprzednim razem opisaliśmy 3 z 9 przebadanych przez nas emotikon. Dzisiaj napiszemy trochę więcej o pozostałych.
W naszym badaniu wykorzystaliśmy pięć zdań:
- Teraz wszystko rozumiem.
- Dzisiaj jest poniedziałek.
- Od rana pada deszcz.
- Powiedział, że nic się nie stało.
- Jedziemy na wycieczkę do Grecji.
… i 9 emotikon
- : )
- : (
- : D
- : P
- : /
- X D
- : 0
- : |
- : *
Założyliśmy, że 5 z nich będzie miało pozytywny wydźwięk, a 3 negatywny (nr. 2, 5 i 8). Przypuszczaliśmy także, że „: 0” może być najbardziej kłopotliwa dla uczestników badania, bo „zaskoczona buźka” jest rzadko używana w wersji nie-ilustrowanej. Prosiliśmy o ocenę każdego zdania (najpierw bez emotikon, potem z nimi, zdania w każdej z tych list pokazywały się w losowej kolejności) na skali 1 (negatywny wydźwięk emocjonalny) do 5 (pozytywny), gdzie 3 oznaczało środek skali i neutralną wypowiedź.
Zobaczyliśmy w poprzednim wpisie, że ich obecność emotikon wyraźnie wpływała na odbiór emocjonalnego wyrazu zdań. To oczywiście nie cała matematyka przydatna do opisu wyników, nie chodzi tylko o to, czy pojedyncze histogramy przesuwają się bliżej 1 czy 5. Jeśli dodanie buźki faktycznie dodaje pozytywności lub negatywności znaczeniu zdania, relacje pomiędzy wersją z emotką i bez powinny dać się opisać regresją liniową.
Ocena zdania w wersji podstawowej… nie koreluje zbyt silnie z ocenami jakiejkolwiek wersji wzbogaconej. Najsilniejsza korelacja liniowa wiąże je z naszą dziwną : 0 (R=0.306, to słaba korelacja). Nie widać także żadnej silnej korelacji negatywnej (R=-0.4 i więcej), a więc nie można mówić o odwracaniu wydźwięku zdania przez użycie emotikony. Przyjrzyjmy się wobec tego relacjom między emotikonami.
Najsilniej skorelowane są ze sobą „: /” i „: |” (R=0.64). Oznacza to, że 40% zmienności jednej zmiennej (ocen zdań z emotikoną “:/”) można wyjaśnić lub przewidzieć na podstawie zmian (ocen) tej drugiej. Te oszacowania wydźwięku emocjonalnego niekoniecznie są takie same czy podobne, po prostu na 40% da się obliczyć jedne na podstawie drugich. Oceny na skali 1-5 to zmienne porządkowe, możemy je zatem eksplorować jak dane ilorazowe lub nominalne, dlatego użyjmy jeszcze testu Chi-kwadrat, który pokaże nam, czy może jednak oceny tych zdań są podobne. Chi=565.6, P=0.001 – są istotnie statystycznie różne. Zdania z obiema emotikonami najczęściej otrzymywały ocenę 2, „raczej negatywne”, ale „: |” częściej była uznawana za neutralną, a „: /” za negatywną (histogramy poniżej). „: /” koreluje jeszcze (R=0.55) ze smutną buźką, co także nie znaczy, że ich oceny są takie same (Chi=462.38, p>0.001). Oczywiście, trzeba tu uważać na jeszcze jedną sprawę – kiedy mówimy o korelacjach, mierzymy je wg osób, natomiast testy Chi liczymy w grupach – wówczas nie interesuje nas, kto jak ocenił dane zdanie, a tylko czy wszystkie zdania z “:)” mają w sumie inne proporcje odpowiedzi niż te z „: P„. Każdy z tych testów daje nam nieco inną perspektywę na relacje pomiędzy zmiennymi.
Poniżej prezentujemy wykres pokazujący siłę korelacji pomiędzy poszczególnymi emotikonami – uwzględniliśmy jedynie te powyżej 0.4 (oznaczające 16% wspólnej zmienności), czyli od umiarkowanych po silniejsze korelacje. Najwyższy słupek to omówiona wyżej relacja między „: /” i „: |„. Czarne prostokąty wskazują emotikony o największej liczbie interesujących korelacji z innymi. Jak widać, dotyczy to głównie tych pozytywnie nacechowanych (ale nie klasycznego uśmiechu) – być może po prostu dlatego, że jest ich nieco więcej. Za to negatywnie nacechowane okazały się silniej skorelowane i to w ich przypadku możemy faktycznie mówić o silniejszych korelacjach.
Przeglądając korelacje i histogramy można podzielić emotikony użyte w naszym badaniu na pozytywne („: D„, „: D„, „: *„, „”X D„), negatywne („: /„, „: |„, „: („) oraz „inne” – „: )” i “: 0„, z których pierwsza jest niewątpliwie pozytywnie nacechowana, ale za bardzo nie koreluje z pozostałymi z tej grupy. Czy umiemy poukładać je w ciąg od najbardziej pozytywnych po najbardziej negatywne?
Jeśli weźmiemy pod uwagę wzrastającą liczbę 5 i spadającą 1, otrzymamy wyraźne kontinuum od „: (” po „: D„. Co zastanawiające, każda emotikona otrzymywała ocenę od 1 do 5, nie ma takiej, która nie pojawiłaby się choć kilka razy z bardzo nietypową dla siebie oceną emocjonalną.
Wyniki naszego badania pokazują emocjonalną wartość emotikony, jej wpływ na odbiór zdania niezależnie od jego treści. W pierwszym artykule z tego cyklu pokazaliśmy, że nie wszystkie analizowane przez nas zdania było odbierane (przed dodaniem emotikon) jako neutralne, dlatego planujemy jeszcze jedną analizę, tym razem sprawdzającą, jaka interakcja zachodzi pomiędzy treścią zdania i emocjami niesionymi przez dodaną do niego buźkę.
Poszczególne emotikony tylko do pewnego stopnia zachowują się w sposób, jakiego spodziewaliśmy się planując badanie. Możemy je ułożyć w elegancki ciąg od negatywnych po pozytywne, ale to nie znaczy (spójrzcie na korelacje), że łatwo nam przewidzieć, jak dokładnie zostanie odebrane konkretne zdanie po dodaniu do niego uśmiechu, „: D” lub “XD”. To na pewno jeden z powodów dla których dodanie „: )” nie zawsze sprawia, że nasz żart zostanie zrozumiany.
utworzone przez Agnieszka Czoska | lis 10, 2018 | Polityka i społeczeństwo
Jak co roku Marsz Niepodległości w Warszawie wzbudza sporo skrajnych emocji. A przynajmniej tak piszą o nim media. Postanowiliśmy sprawdzić, jakie emocje wyrażamy w Sieci wspominając o nim.
Zebraliśmy dane z okresu 1-7 listopada. Zgodnie z analizami Brand24 możemy mówić o wzroście zainteresowania tematem dopiero od 18 października, bardzo podobnie wygląda to w wynikach Google Trends.
Zebraliśmy ponad 3,6 tysiąca słów, z których 21% miało wyraźne nacechowanie emocjonalne. Po odrzuceniu, dość radykalnym, słów mogących zaburzać wyniki zostało nam 9%. Co składało się na naszą listę wyrazów odrzuconych (stopwords)? Odrzucane przez nas od pierwszych analiz słowa daleko, jedyna, lato (mające silny komponent emocjonalny, ale nie w kontekście tych wzmianek). Wyrzuciliśmy także bardziej, nic, duży – są pozytywnie lub negatywnie nacechowane, ale w wypowiedziach o Marszu były stosowane raczej jako elementy retoryczne.
Co nam zostało? Poniższa chmura pokazuje najczęściej używane słowa. Na pierwszy rzut oka nie wygląda to zbyt pozytywnie – najczęściej pojawiają się nienawiść i faszysta. Potem patriota, złoty, odpowiedzialność, piękny. Już dostrzegamy elementy pewnych sporów ideologicznych: lewak, tęczowy, neofaszysta, prowokator.
Jednym z najbardziej pozytywnie nacechowanych słów z tych wpisów jest impreza. Czy razem z uśmiechem, światowym czy przyjemnością (nie pojawiają się w naszej chmurze, bo dość rzadkie) może przeważyć koszmar, faszystę czy oszusta?
Analiza sentymentu pokazuje, że być może tak. 58% nacechowania emocjonalnego wpisów jest pozytywna. Czyli suma polaryzacji pozytywnie nacechowanych słów jest wyższa niż tych negatywnych.
Przyjrzyjmy się teraz poszczególnym emocjom z modelu Plutchika, powinny powiedzieć nam nieco więcej o nastawieniu użytkowników internetu do Marszu. Poniższy wykres jest bardzo spójny z tym pokazującym wyniki analizy sentymentu. Aż 41% stanowią emocje pozytywne – radość, zaufanie, oczekiwanie. Możemy do nich dodać zaskoczenie, które nie jest jednoznacznie negatywne – i mamy prawie połowę. Ale o wiele ciekawiej jest przyjrzeć się parom, które według twórcy tego modelu są do siebie przeciwstawne.
Smutku jest odrobinę mniej niż radości. Podobnie zaufania i wstrętu. Strach i złość także tworzą kontrast – 8% do 18%, tej drugiej jest znacznie więcej. Wreszcie oczekiwania jest odrobinę więcej niż zaskoczenia. Najbardziej liczącymi się emocjami w zebranych przez nas wpisach wydają się być złość, dalej być może radość i wstręt (choć zbalansowany zaufaniem). Na pewno możemy powiedzieć, że hasło Marsz Niepodległości budzi liczne emocje, a przy tym sporo tych uznawanych za pchające do działania, silnie aktywizujące.
Jakie słowa są najsilniej powiązane z tymi emocjami? Najwięcej złości jest na przykład w koszmar, rozwalić, oszust. Wiążą się one także ze wstrętem (obok najczęściej używanych faszysty i nienawiści). O radości pisaliśmy wyżej, wiąże się zwłaszcza z imprezą i innymi określeniami związanymi ze świętowaniem.
Żeby powiedzieć coś o skrajnych emocjach, spójrzmy jeszcze na wykres pokazujący relację pomiędzy częstością używania danego słowa i jego pobudzeniem – siłą niesionych przez nie emocji. Najczęściej używane słowa charakteryzują się niskim lub średnim pobudzeniem, jedynie kilka przyjmuje na tej skali wartość powyżej 2.
Wydaje nam się, że powyższe wyniki usprawiedliwiają mówienie, że “Marsz wzbudza emocje”, bardzo zróżnicowane, czasem silne. Jednak w zebranych przez nas wpisach nie widać tak naprawdę skrajności.
utworzone przez Agnieszka Czoska | lis 6, 2018 | SentiBrand, Styl życia
Analiza sentymentu, czyli pojawiająca się zwykle w towarzystwie business intelligence czy data science, bardzo modna i skuteczna sentiment analysis najczęściej jest wykorzystywana w monitoringu mediów. Chcecie wiedzieć, czy wasz produkt się podoba? Wobec tego analizujecie pojawianie się jego nazwy w mediach społecznościowych i mierzycie ich nacechowanie. Zbieracie liczbę pozytywnych i negatywnych słów lub całych tekstów. Porównujecie proporcję skarg i pochwał.
Analiza emocji i sentymentu – Wiedźmin
Między innymi w tym celu powstał SentiTool. Można go powiązać z dowolną metodą zbierania wzmianek na konkretny temat i na bieżąco, z dnia na dzień, z godziny na godzinę, sprawdzać, czy coś się zmienia: ogólne, pozytywne lub negatywne, nacechowanie wzmianek lub proporcje ośmiu podstawowych emocji z modelu Plutchika. O takim zastosowaniu SentiTool będziemy pisać wielokrotnie, właśnie w taki sposób korzystaliśmy z naszej aplikacji analizując wypowiedzi wyborców na temat polityków, czyli otwierając naszego bloga.
Dzisiaj spojrzymy na monitoring emocji w mediach z nieco innej perspektywy. Żeby monitorować wzmianki, trzeba wiedzieć, skąd je wziąć. I nie chodzi nam tu o wybór aplikacji zbierającej je dla nas. Chcemy wiedzieć, gdzie w sieci możemy natknąć się na coś ciekawego.
Możemy się założyć, że większość z nas – obojętnie czy zajmuje się w jakikolwiek sposób mediami, promocją, reklamą – pomyśli od razu o serwisach społecznościowych. Facebook, Twitter (stosunkowo słabo obecny w Polsce), Instagram… To na pewno dobry trop, ale sprawdźmy, o ile lepszy, bardziej emocjonalny, od innych.
Już jakiś czas temu zebraliśmy wzmianki o „Wiedźminie” zapowiadanym przez Netflix. Chcemy wziąć na warsztat te niekoniecznie najnowsze, ale pochodzące z ważnego momentu: z okolic daty ogłoszenia, że postać tytułową zagra Henry Cavill. Na oko i ucho ten wybór wywołał w ojczyźnie Sapkowskiego sporo kontrowersji. Niektórzy byli zachwyceni, inni zupełnie nie czuli Supermana jako łowcy potworów z Rivii.
1500 słów wyrażających emocje
Zebraliśmy 1500 słów wyrażających emocje. Dla większości z nich (prawie 50%) dominującą, najsilniejszą emocją jest radość, 20% wyraża smutek, 9% zaufanie, a prawie tyle samo – oczekiwanie. Jak widać, w sieci przeważają pozytywne opinie i emocje na temat nowej produkcji Netflixa.
Zobaczmy, ile i jakie emocje wyrażano w różnych mediach. Wzięliśmy pod uwagę Facebook, prasę oraz blogi – bo w takich miejscach najczęściej pojawiają się informacje o wydarzeniach kulturalnych. Blogi zainteresowały nas także dlatego, że publikują w większości teksty osobiste, wyrażające odczucia konkretnego recenzenta, pisane często znacznie mniej formalnym językiem niż artykuły gazetowe.
Proporcje radości i smutku są podobne we wszystkich typach mediów, około 2:1, jedynie wpisy blogowe wykazują większą przewagę entuzjazmu, 3:1. Jak zakładaliśmy, w artykułach prasowych są emocje, ale mniej niż na Facebooku – także dlatego, że po prostu mniej się tam o „Wiedźminie” pisze.
Spójrzmy na „mniejsze” emocje, czyli szóstkę zostającą nam po odfiltrowaniu dwóch najliczniejszych.
Oczekiwanie i zaufanie dominują w krajobrazie emocjonalnym blogów i Facebooka, za to w prasie na prowadzenie wyszło zaskoczenie. To także jedyne miejsce, w którym strach niemal zrównuje się z oczekiwaniem. Różnice pomiędzy tymi mediami są istotne statystycznie gdy liczymy wszystkie osiem lub jedynie 6 emocji (w tym wypadku Chi=23,64, p=0,009). Nieistotna jest różnica między blogami i Facebookiem. To oznacza, że możemy traktować je jako jeden zbiór spontanicznych wypowiedzi. Możemy skontrastować go z bardziej formalnymi tekstami z gazet czy portali informacyjnych.
Krajobraz emocjonalny, czyli co pokazała analiza?
SentiTool to dobre narzędzie do monitoringu mediów. Sprawdza się przy różnych typach wpisów, a nawet pozwala przeanalizować różnice pomiędzy tymi mniej i bardziej formalnymi. Co najważniejsze, pokazuje jak szeroka publiczność, profesjonalnie zajmująca się danym tematem lub nie, na niego reaguje. Pozwala także uniknąć błędu zakładającego, że skoro pojawia się krytyka, to „internet jest niezadowolony” lub „wylała się fala hejtu”.
W analizie krajobrazu emocjonalnego interesuje nas zasięg różnych opinii. Ale także statystyki mówiące o tym, czego jest więcej, które emocje przeważają. To one, lepiej niż głośni krytykanci, pokazują nam opinię przeciętnego odbiorcy, klienta, partnera.
utworzone przez Agnieszka Czoska | paź 31, 2018 | Polityka i społeczeństwo
Tęczowy Piątek za nami. Hasztagi dominujące w dyskusji na ten temat były bardzo negatywne, wręcz brzydkie. Wyrażały sprzeciw i pogardę dla samej akcji i jej twórców. Wrzucenie tego hasła w Google także nie sugerowało entuzjazmu, chociaż tu przeważają jednak artykuły informujące o wydarzeniu w tonie neutralnym.
Tęczowy Piątek i LGBT. Google Trends, social media i fala nienawiści
Postanowiliśmy przyjrzeć się emocjom wyrażanym w sieci – w prasie, na Facebooku i Twitterze. Czy faktycznie akcja Tęczowy Piątek wywołała falę nienawiści i sprzeciwu? Czy w tekstach o niej dominują strach i wstręt? A może złość? Z drugiej strony, być może okazała się sukcesem, a jedynie kilku głośnych przeciwników Kampanii Przeciw Homofobii (KPH) zdołało nabić liczniki twitterowych hasztagów?
Zanim przejdziemy do omówienia naszego badania, szybkie spojrzenie na Google Trends. Popularność haseł tęczowy piątek i homofobia koncentrowała się wokół daty samej akcji i gwałtownie spadła po jej zakończeniu. W działania KPH włączyło się jedynie 211 szkół, więc nietrwałość zainteresowania nie powinna dziwić. Co prawda, o Piątku informowały ogólnopolskie media, jednak nie można twierdzić, że samo wydarzenie miało szeroki zasięg. Większość z nas po prostu nie miała z nim do czynienia.
Jakie emocje?
Przejdźmy do badania SentiTool. Zebraliśmy materiał korzystając z Brand24. Nasz korpus liczył w sumie niecałe 1,5 tysiąca słów z czego 12% wyrażało emocje. Czy były one w większości negatywne? Nasze wyniki temu przeczą. Klasyczna analiza sentymentu pokazuje proporcję 65% do 35%, z przewagą pozytywnego wydźwięku emocjonalnego. Tym razem nie liczyliśmy ile słów miało dodatnią, a ile ujemną polaryzację, ale zsumowaliśmy wartości polaryzacji (osobno powyżej i poniżej zera). Taka statystyka pozwala nam mierzyć nacechowanie emocjonalne tekstu z większą trafnością.
Jak rozkładają się proporcje poszczególnych emocji? Znowu zsumowaliśmy nie tyle słowa, ile natężenie emocji w całym tekście. Wyniki są zbliżone do uzyskanych w analizie sentymentu: jednoznacznie pozytywne emocje (radość, zaufanie, oczekiwanie) stanowią 43% krajobrazu emocjonalnego zebranych wypowiedzi, a jeśli dodamy do nich zaskoczenie – 53%. W analizie uwzględniającej model 8 emocji podstawowych wyraźniej niż powyżej widać udział złości i wstrętu, jednak nie są to uczucia dominujące dyskurs o Tęczowym Piątku.
Analiza kontekstów w dyskusji o Tęczowym Piątku
Na koniec chcielibyśmy przyjrzeć się jeszcze najbardziej pozytywnie i negatywnie nacechowanym słowom pojawiającym się w naszym korpusie. Niebieskie słowa są nacechowane pozytywnie (im są większe, tym bardziej), pozostałe – negatywnie.
Jak widać, najsilniej nacechowane słowa to uczucie i zwyrodnialec. Pojawiają się obelgi, ale także rozwój i misja. Jeśli przyjrzymy się tej chmurze słów, możemy nabrać przekonania, że dyskusja o Tęczowym Piątku faktycznie roiła się od negatywnych sformułowań, ale wyniki analizy sentymentu i emocji składowych wskazują, że choć zdarzały się w niej silnie nacechowane negatywne treści, wiele osób wypowiadało się także w tonie tolerancji i przychylności dla tej akcji edukacyjnej.
Dane językowe, być może zwłaszcza te dotyczące kontrowersyjnych, budzących silne emocje (lub za takie uznawanych) tematów, powinny być analizowane odpowiedzialnie, z wielu stron, oglądane pod każdym możliwym kątem. Gdybyśmy spojrzeli tylko na chmurę słów, nie zauważylibyśmy wielu pozytywnych emocji wyrażanych przy okazji Tęczowego Piątku.
Z kolei zatrzymując się na analizie sentymentu nie dotarlibyśmy do znaczenia negatywnych odczuć wyrażanych w zebranym przez nas korpusie – to okazało się możliwe dopiero po spojrzeniu na poszczególne składowe emocjonalne i najsilniej nacechowane słowa. Teraz wiemy, że wyrażano się o niej raczej pozytywnie, choć najgłośniej krzyczeli jej przeciwnicy.
