外国語教育メディア学会第54回全国研究大会ワークショップ「Rによる外国語教育データの分析と可視化の基本」
Upcoming SlideShare
Loading in...5
×

Like this? Share it with your network

Share

外国語教育メディア学会第54回全国研究大会ワークショップ「Rによる外国語教育データの分析と可視化の基本」

  • 613 views
Uploaded on

外国語教育メディア学会第54回全国研究大会ワークショップ「Rによる外国語教育データの分析と可視化の基本」用スライド

外国語教育メディア学会第54回全国研究大会ワークショップ「Rによる外国語教育データの分析と可視化の基本」用スライド

More in: Education
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
613
On Slideshare
527
From Embeds
86
Number of Embeds
1

Actions

Shares
Downloads
11
Comments
0
Likes
4

Embeds 86

https://twitter.com 86

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. 2014-08-04 LET2014@Fukuoka Univ. による外国語教育データの分析と可視化の基本
  • 2. http://sakaue.info/let2014sakaue.zip 本日の資料 • ZIP ファイルを解凍し,Documents へ移動させてください 1) LET2014_FUKUOKA_120804_sakaue.pdf 2) let2014_codes.txt 3) let2014.csv 4) let2014.xls
  • 3. お隣で助け合いを... 【お願い】
  • 4. 録音録画自由 著作権等完全放棄
  • 5. Tweet Me! #let2014
  • 6. 0. 自己紹介 •阪上 辰也 (SAKAUE, Tatsuya) • 所属:         外国語教育研究センター • 専門: 第二言語習得(関係節の習得) • Nagoya.R /SappoRo.R 元主催, HiRoshima.R 主催 • ID: sakaue にて • 詳しくは...
  • 7. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
  • 8. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
  • 9.  とは何か • 統計処理を目的とするプログラミング言語 • 無償+オープンソースのソフトウェア • 作者:Ross Ihaka & Robert Gentleman (R & R) • Ross Ihaka and Robert Gentleman. R: A language for data analysis and graphics. Journal of Computational and Graphical Statistics, 5(3):299-314, 1996. • http://biostat.mc.vanderbilt.edu/twiki/pub/Main/JeffreyHorner/JCGSR.pdf
  • 10.   の何が良いのか •無償(IBM SPSS Statistics は約10万円で保守なし...) •統計処理の種類が豊富 •作図結果が美しい(簡素)
  • 11. なぜ今  なのか • 学生指導・研究費節約 • 分析手法の明確化 • 可視化による傾向把握
  • 12.  の弱点 • 文字入力による操作 • プログラムを組む感覚を養成 • 確実に伝わるという利点も • 多方面の知識が必要 • 英語+統計+計算機 • 参考書籍がお高め...
  • 13. Excel や SPSS は... •高価(気軽に使えない) •処理が信頼できず • Excel 使うな(奥村先生@三重大) •作図結果が美しくない
  • 14.   の基本操作 ‐Install / Update / Uninstall‐
  • 15. 1. http://www.r-project.org/ にアクセス 2. “download R”をクリック 3. JAPAN の中から1つを選ぶ 4. OS に応じたリンクをクリック   のインストール
  • 16.   のインストール • Windows: : http://cran.ism.ac.jp/bin/windows/base/ •「Download R 3.1.1 for Windows」をクリック • Mac OS X:http://cran.ism.ac.jp/bin/macosx/ •「R-3.1.1-mavericks.pkg」をクリック
  • 17.   のアップデート 1. http://www.r-project.org/ にアクセス 2. 自分が使っているバージョンより 新しいものが出ているか確認 3. 新規にインストール用ファイルを ダウンロードしてインストール
  • 18.   のアップデート • セキュリティ上の問題がない限りは, むやみに更新しない • パッケージ(付加機能)の動作不良回避 • 新旧の共存は可能 • Windows/Mac: 別名でインストール • ただし何がどう共有されているかは不明
  • 19.  のアンインストール • Windows 7/8 • コンパネ→プログラムのアンインストール • Mac OS X • /Applications にある    アイコンと /Library の中の Frameworks にある R. framework を削除(CleanApp 可)
  • 20.   の起動 • Windows 7/8 • START → Program → R → R 3.1.1 を選択 • Mac OS X • /Applications 内の をダブルクリック
  • 21. 「コンソール」の表示を確認
  • 22.   の終了 • コンソールに「q()」と入力 • 今は「作業スペース」は保存しない • ウィンドウが消えれば終了
  • 23.   で困ったら... •まずは Web 検索! • seekR: http://seekr.jp/ • R SEEK:http://www.rseek.org/ • RjpWiki: http://www.okada.jp.org/RWiki/ • R-Tips:http://cse.naro.affrc.go.jp/takezawa/r-tips/r.html • 標準搭載の help(sth) でも確認可能
  • 24.   で困ったら... •参照資料は豊富にあります • R オンラインガイド(山口大学教育学部教育心理学コース) • R 言語入門(ドットインストール) • はじめての「R」(林真広 氏) • R による統計処理(青木繁伸先生@群馬大学)
  • 25.   概論まとめ •    は統計ソフト •無償+何でも統計+美しく作図 •困ったら Web 検索!!
  • 26. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
  • 27. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
  • 28.  といえば 関数 が命
  • 29. 関数とは 指定した値に対して 何らかの処理をして 結果を返すもの
  • 30. 関数(Input を処理) Input Output
  • 31. sqrt():平方根 •> sqrt(2) •> sqrt(144) •> sqrt(104976)
  • 32. sqrt 関数 2 1.414214
  • 33. 「関数(値)」が命 • には多数の関数がある •q() や help(sth) も関数 •必要な関数をしつこく実行
  • 34.   といえば 変数 も命
  • 35. 変数とは 1つ以上の値を まとめていれておく 「箱」のこと
  • 36. では ベクトルとも呼ばれ 複数の値を1つに まとめたものを指す
  • 37. 統計処理などを行うには 複数の値をまとめて扱う ことが必要で それを使い回すために 変数を使う
  • 38. ちなみに 変数に数値を 入れることを 「代入」といいます
  • 39. 変数の名前は“hako” •> hako <- c(1,2,3,4,5) •> hako • c() 関数:combine (cf. https://twitter.com/#!/sakaue/status/193708048030760960) • 値を1つにまとめる関数 • 逆に書いても(一応)OK
  • 40. c()関数の“<-”は何? hako <- c(1,2,3,4,5) の“<-”は 左向きの矢印(←) を表現 (入れ替えても動きます)
  • 41. コンソールで「+」が出たら... • 入力中に誤って[Enter] を押すと, 待機状態を示す「+」が出る • [STOP] ボタンでキャンセル • [Esc] キーでキャンセル
  • 42. 履歴機能と補完機能 •履歴: [↑][↓] の矢印キー •補完: [Tab]キー
  • 43. いま“hako”という名前の 「変数」の中に 1から5までの5つの数字が まとめて入っている状態
  • 44. 以下の関数を実行 •> sqrt(hako) •> log(hako)
  • 45. もし変数がなかったら 何度も関数を 繰り返す羽目になる sqrt(1), sqrt(2) ... sqrt(5) log(1), log (2) ... log (5)
  • 46. 一括処理のために 変数(ベクトル)の 利用は不可欠
  • 47. ここまでのまとめ •   は「関数」と「変数」が命 • 関数を使って数値を処理 • q(), help(), sqrt(), log(), c() • 変数を使って一括処理!
  • 48. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
  • 49. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
  • 50. Sub topics 1. 行列のおはなし 2. データフレーム 3. 外部データの読込
  • 51. さきほど 一行で表せる数値を 扱いましたが
  • 52. 実際のデータは 複数行あるはず
  • 53. 例えば... •身長と体重 •年齢と年収 •覚えた単語数とTOEICスコア
  • 54. 表にすれば... 身長 体重 A 180 75 B 170 65 C 165 60 D 175 70 E 190 80
  • 55. 複数の行や列で表される データを扱うために Rでは「行列」を使う
  • 56. 行列とは 数値が縦横に並べられたもの
  • 57. 1 2 3 4 5 6 7 8 9
  • 58.
  • 59. 1 2 3 4 5 6 7 8 9
  • 60. 1 2 3 4 5 6 7 8 9
  • 61. 1 2 3 4 5 6 7 8 9
  • 62.
  • 63. 1 2 3 4 5 6 7 8 9
  • 64. 1 2 3 4 5 6 7 8 9
  • 65. 1 2 3 4 5 6 7 8 9
  • 66. ひとまず 「行列」という存在を 知ってやってください
  • 67. そんな行列を扱うために matrix() 関数 を使う
  • 68. matrix() 関数 •行列を作る関数 •matrix(要素, 行の数, 列の数) •デフォでは列方向に配置
  • 69. このようなデータなら 身長 体重 A 180 75 B 170 65 C 165 60 D 175 70 E 190 80
  • 70. karada <- matrix(c(180, 170, 165, 175, 190, 75, 65, 60, 70, 80), 5, 2) 行列を作ってみる 1. c() 関数で、数値を連結 2. matrix() 関数で、行列に変換 • 「5行で2列」にするという指定をする 3. karada という名の変数に代入
  • 71. > karada と入力して 変数の中身を確認
  • 72. 行列の要素を取り出す demo <- matrix(1:30,nrow=5,ncol=6) http://gyazo.com/76c58d5d6c8426a44f160897cda99671.png
  • 73. 行列の要素を取り出す 2行目を表示 → demo[2,] 2列目を表示 → demo[,2] http://gyazo.com/6726084afd9e1cc4b03df85fe6bc0f29.png
  • 74. 行列の要素を取り出す 2行目と4行目を表示 → demo[c(2,4),] 2列目と4列目を表示 → demo[, c(2,4)]
  • 75. 行列の要素を取り出す http://gyazo.com/a116c0e2f1284ea7d38bf7024d92f1cc.png
  • 76. 行列まとめ • 横方向が行、縦方向が列 • デフォルトでの数値の並びに注意 • 必要な要素を適宜取り出して値を確認
  • 77. Sub topics 1. 行列のおはなし 2. データフレーム 3. 外部データの読込
  • 78. データフレームとは • いろんなデータを突っ込んだもの • いろんな=質的データ+量的データ • 突っ込む=一緒に並んでいること
  • 79. 名前 血液型 身長 体重 坂本 B 175 65 高橋 B 177 70 阿部 B 174 75 長野 A 179 70 松本 O 170 60 データフレームとは
  • 80. データフレームとは • Excel の WS とほぼ同じイメージ • 既存データの読込>自力で作る • data.frame() 関数が使える
  • 81. じゃあ 実際に自力で作るか といったら...
  • 82. そこで 外部データの読込 を行おう
  • 83. 1. 行列のおはなし 2. データフレーム 3. 外部データの読込 Sub topics
  • 84. ここはトラブル多発地域です ! うまくいかない時は まず説明をお聴きください
  • 85. おそらく... •Excel でデータ管理 •できればそのまま活かしたい
  • 86. 作業ディレクトリの設定 •作業ディレクトリとは... •データを読み込む場所 •データを書き出す場所
  • 87. 作業ディレクトリの設定 • Windows:ファイル → ディレクトリの変更 • “My Documents”にファイル移動 • Mac OS X:環境設定 → 一般(起動) • ホームディレクトリにファイル移動 • Linux:up to you...
  • 88. 作業ディレクトリの設定 • コンソールからの確認・設定も可能 • getwd()関数:現在の設定を確認 • > getwd() • setwd()関数:現在の設定を変更 • > setwd("/Users/sakaue/Desktop/") • 実行注意!!
  • 89. データの読込 その1 • read.csv() 関数 • CSV 形式のファイルを読み込む • CSV: Comma Separated Value
  • 90. 1. let2014.csv を作業ディレクトリへ移動 • XLS/XLSX 形式のものは保存時に変換 • CSV ファイルの文字コードは UTF-8 に 2. > test <- read.csv(choose.files(), header = TRUE) #Win # test <- read.csv(file.choose(), header = TRUE) #Mac 3.> test [Enter] で中身を確認 データの読込 その1
  • 91. CSV 変換なんて面倒... という方に
  • 92. データの読込 その2 • read.delim() 関数 • 表形式のデータ読み込む • delim: delimiter(区切り文字)
  • 93. 1.let2014.xls を開いてマウスで範囲指定 2.> test2 <- read.delim("clipboard") で代入 ! 3.> test2 [Enter] で中身を確認 データの読込 その2 Mac の場合: read.delim(pipe("pbpaste"))
  • 94. 読み込んだら関数で処理 > table(test[,3]) •度数分布を確認する > mean(test[,3]) •平均値を求める 3列目対象 3列目対象
  • 95. 外部データの読込 • 作業ディレクトリの設定に注意 • CSV 形式に変換後,read.csv()関数で読込 • 必要な行 or 列を指定して処理
  • 96. 教育データを集めたら 数値要約だけでなく データの可視化も必要
  • 97. 基本的な作図手順 1. 変数に値を代入 2. 作図用の関数で処理
  • 98. たった2段階 Excel や SPSS ではこうはいかない
  • 99. • ヒストグラム • 散布図 • 棒グラフ • 折れ線グラフ • 箱ひげ図 作成できる図の種類
  • 100. まずはヒストグラム 【事例】 得点のヒストグラムを 作成する
  • 101. まずはヒストグラム > pretest <- (test$Pre) > hist(pretest)
  • 102. 次は散布図 【事例】 事前テストの得点と 事後テストの得点を 比較し,伸びを見る
  • 103. 続いて散布図 > pretest <- (test$Pre) > posttest <- (test$Post) > plot(pretest, posttest) > plot(pretest,posttest, ylim=c(0,100),xlim=c(0,100))
  • 104. 続いて箱ひげ図 【事例】 事前テストの得点と 事後テストの得点の <幅>を比較する
  • 105. 続いて箱ひげ図 > pretest <- (test$Pre) > posttest <- (test$Post) > boxplot(pretest, posttest, names=c("PRE", "POST"))
  • 106. 箱ひげ図 > boxplot(pretest, posttest, names=c("Pre", "Post"), horizontal=T)
  • 107. 箱ひげ図 > boxplot(pretest, posttest, names=c("Pre", "Post"), horizontal=T, ylim=c(0,100))
  • 108. 箱ひげ図 > boxplot(pretest, posttest, names=c("Pre", "Post"), horizontal=T, ylim=c(0,100), col="blue")
  • 109. 箱ひげ図 ! > boxplot(pretest, posttest, names=c("Pre", "Post"), horizontal=T, ylim=c(0,100), col="blue", xlab="SCORE", ylab="TEST", main="BOXPLOT")
  • 110. 今度は折れ線グラフ > quiz <- test[,c(3,4,5,6,7,8,9,10,11,12)] # 小テストの得点だけを取り出す > ID1<- as.numeric(quiz[2,]) # データの型変換(リストから数値へ) > plot(ID1, type="l") # 引数 type を l にして折れ線グラフに
  • 111. > barplot(ID1) # 10本並んだ棒グラフ > barplot(ID1, col=rainbow(5)) # 引数 col を rainbow(5) にして5色使用 > barplot(ID1, col=rainbow(5), horiz=T) # 引数 horiz を T にして水平に並べる 最後は棒グラフ (1)
  • 112. 最後は棒グラフ (2) > barplot(ID1, col=rainbow(5), horiz=T, names=c("W1", "W2", "W3", "W4", "W5", "W6", "W7", "W8", "W9", "W10"), main="QUIZ") # 10本並んだ棒グラフ。項目名やタイトルを追記。
  • 113. 可視化の発展編 violin plot と beeswarm ―分布をより分かりやすく捉えるために―
  • 114. violin plot ≒ boxplot+hist > install.packages("vioplot") > library("vioplot") > vioplot(pretest,posttest, names=c("Pre","Post"))
  • 115. boxplot + beeswarm > install.packages("beeswarm") > library("beeswarm") > PrePost <- test[,c("Pre",“Post")] > boxplot(pretest, posttest, names=c("PRE", "POST")) > beeswarm(PrePost, add=TRUE)
  • 116. グラフの保存方法 > pdf() # pdf デバイスを開く() > plot(pretest, posttest) # プロットし出力 > dev.off() # デバイスを閉じる ★慣れないうちは画面上のメニューから選ぶのが無難
  • 117. 作図手順のまとめ 1.変数に値を代入する 2.作図用の関数を使って処理する 3.形式を指定して保存 +人に伝承(twitter, FB)
  • 118. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
  • 119. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
  • 120. この世の様々な現象を 数値データ+検定 から捉えてみたい を使う経緯
  • 121. t 検定 カイ二乗検定 パワーアナリシス 分散分析 共分散分析 判別分析 主成分分析 クラスカル・ウォリス検定 符号検定 マクマネー検定 因子分析
  • 122. で「t 検定」
  • 123. t 検定 • 2つのグループの平均値の差の検定 するのに使う手法 • R では t.test() であっさりと実行
  • 124. • (例)事前・事後テストの平均値に差があるかどうか t 検定 > t.test(pretest, posttest, var.equal=TRUE)
  • 125. > t.test(pretest, posttest,var.equal=TRUE) ! Two Sample t-test ! data: pretest and posttest t = -6.3551, df = 58, p-value = 3.516e-08 alternative hypothesis: true difference in means is not equal to 0 # 両側検定 95 percent confidence interval: # 信頼区間 -28.35969 -14.77364 sample estimates: mean of x mean of y 51.33333 72.90000 t 検定
  • 126. t 検定 カイ二乗検定 パワーアナリシス 分散分析 共分散分析 判別分析 主成分分析 クラスカル・ウォリス検定 符号検定 マクマネー検定 因子分析
  • 127. で「カイ二乗検定」
  • 128. カイ二乗検定 • 独立性の検定のために使う • (例)数学が好き嫌いと統計の好き嫌いの間に有意 な連関があるか • (例)あるコーパス中の表現Aと表現Bの頻度の差 • ざっくり言えば,期待度数と観測度数のズレ が偶然出ちゃったかどうかを調べる
  • 129. 事例: 接続詞“however”の生起位置の比較 文頭 文中 文末 合計 頻度 109 347 8 493 [文頭] However, .... [文中] ..., however, .... [文末] ..., however.
  • 130. > freq <- c(109,347,8) > chisq.test(freq,correct=FALSE) ! Chi-squared test for given probabilities ! data: freq X-squared = 391.7371, df = 2, p-value < 2.2e-16 ! # 手作業なら,カイ二乗分布表の自由度2のところを確認する # http://homepage2.nifty.com/nandemoarchive/toukei_kiso/t_F_chi.htm 生起位置の比較のためにカイ二乗検定を実行
  • 131. • 差がありそうかなさそうかを判断するため に各種検定を行う • 平均値の差の検定:t 検定・分散分析 • 独立性の検定  :カイ二乗検定 • 数行のコマンドであっさり検定! • データ準備の手間は多少かかるかも... で検定のまとめ
  • 132. この世の現象を 数値データ+検定 から捉えてみよう! を使って
  • 133. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
  • 134. Agenda 1. R の基本操作 2. 関数と変数が命 3. 外部データの読込と作図 4. R で検定 5. 言語データの処理
  • 135. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
  • 136. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
  • 137. 言語データ処理の流れ 1) データを読み込む 2) データを分解する 3) データを える 4) 数値を求める 5) データを保存する
  • 138. 1) データを読み込む > nns <- scan("nns_raw.txt", what="character") ! Read 62959 items
  • 139. 2) データを分解する > nns_list <- strsplit(nns, " ") # スペースでデータをリスト化 # 干し柿状態(?) ! > nns_unlist <- unlist(nns_list) # リストされたデータをバラバラに分解
  • 140. 3) データを える > sort_nns <- sort(nns_unlist) # データの並び替え ! > uniq_nns <- unique(sort_nns) # 並び替えたデータをまとめる
  • 141. 4) 数値を求める > length(nns_unlist) [1] 70220 # Token ! > nns_all <- table(nns_unlist) # 単語一覧表の作成 ! > nns_type <- length(uniq_nns) > nns_type [1] 7579 # Type
  • 142. 5) データを保存する > write.table(nns_all, file="freq.txt", sep="t") ! # freq.txt という名で列をタブ区切りにして保存
  • 143. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
  • 144. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
  • 145. R による and と but の検索 •grep 関数・length 関数 • grep() : 文字列マッチング • length(): 要素数のカウント
  • 146. > grep("^And,?", nns_unlist, fixed = FALSE, value=TRUE) > grep("^But,?", nns_unlist, fixed = FALSE, value=TRUE) ! # ヒットした要素を表示 # 正規表現の ^ をつけておき,3文字を含む文字列(underst”and”)を除外 # fixed=FALSE で拡張正規表現を利用,value=TRUE で要素表示 ! > length(grep("^And,?", nns_unlist, fixed = FALSE, value=TRUE)) > length(grep("^But,?", nns_unlist, fixed = FALSE, value=TRUE)) ! # ヒット数だけを表示 R による and と but の検索
  • 147. > length(grep("^And,?", nns_unlist, fixed = FALSE, value=TRUE)) [1] 175 > length(grep("^But,?", nns_unlist, fixed = FALSE, value=TRUE)) [1] 178 > length(grep("^and,?", nns_unlist, fixed = FALSE, value=TRUE)) [1] 1479 > length(grep("^but,?", nns_unlist, fixed = FALSE, value=TRUE)) [1] 260 R による and と but の検索
  • 148. > barplot(freq, names=c("And", "and", "But", "but"), horiz=T, las=1) R による and と but の検索
  • 149. • R で基本的な検索・分析ならば... 1) データを strsplit() + unlist() して 2) grep() と length() でカウント 3) barplot() などで視覚化 4) chisq.test() などで検定 R による and と but の検索
  • 150. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
  • 151. Sub topics 1.言語データ処理の流れ 2.R による and と but の検索 3.パッケージ利用によるデータ処理
  • 152. Packageとは? • ある処理・機能に特化したプログラム • base(基本パッケージ)だけでも 1,000 以上 • 特殊な処理を行う際は,別の package を追加 • 言語処理に特化したものもある(ex. RMeCab)
  • 153. i) tm: Text Mining Package • http://tm.r-forge.r-project.org/ • http://cran.r-project.org/web/packages/tm/tm.pdf ii) corpora • http://www.stefan-evert.de/SIGIL/sigil_R/ • http://cran.r-project.org/web/packages/corpora/corpora.pdf iii)LanguageR • http://www.sfs.uni-tuebingen.de/~hbaayen/software.html • http://cran.r-project.org/web/packages/languageR/languageR.pdf 言語処理に特化した packages
  • 154. 日本語データの分析を 助けてくれる RMeCab を紹介
  • 155. RMeCabとは • 石田 基広氏が開発したパッケージ • R から MeCab を呼び出して日本語 のテキストを解析させる • 解析結果をも R で出力してくれる 素晴らしいプログラム
  • 156. デモ一覧 •RMeCabText() : ファイル解析 •RMeCabFreq() : 頻度集計 •Ngram() : N-gram 解析 •collocate() : 共起関係の分析
  • 157. おわりに
  • 158. • すべての処理・分析が R のみで完結 • <-> Concordancer + Editor + Excel (+ UNIX) + R • プログラミングの基礎養成に有効 • --> Python, Perl, ... どこでも使える • 作図が美しい(+Mac ならフォントも) • Excel の作図はオモチャ のススメ
  • 159. • データの取り扱い方に用心する • Excel に任せっきりとしない • データの処理過程をはっきりさせる • Excel に任せっきりにしない • データの分布をよく観察する • Excel に任せっきりにしない のススメ
  • 160. 参考文献
  • 161. 参考文献(続)
  • 162. 参考文献(続)
  • 163. One more thing...
  • 164.   で困りに困ったら... •代替手段もあります… • HAD(清水裕士先生@広島大学) • MacR(今尾康裕先生@大阪大学) •langtest.jp(水本篤先生@関西大学)
  • 165. Enjoy ! twitter: @sakaue ! e-mail: tsakaue<AT>hiroshima-u.ac.jp