Είναι εύκολο να ποσοτικοποιήσετε τα δεδομένα της έρευνας όταν είναι πολλαπλή επιλογή: Χρησιμοποιείτε έναν συγκεντρωτικό πίνακα για να υπολογίσετε το ποσοστό για κάθε απάντηση. Τι γίνεται όμως με τις απαντήσεις κειμένου ελεύθερης μορφής; Αυτά είναι δύσκολο να επεξεργαστούν εάν έχετε εκατοντάδες ή χιλιάδες από αυτά.
Η ανάλυση συναισθημάτων είναι μια μέθοδος που βασίζεται σε μηχανή για την πρόβλεψη εάν μια απάντηση είναι θετική ή αρνητική. Η Microsoft προσφέρει ένα εργαλείο που κάνει ανάλυση συναισθημάτων στο Excel. Ονομάζεται Azure Machine Learning.
Η παραδοσιακή ανάλυση συναισθημάτων απαιτεί από έναν άνθρωπο να αναλύσει και να κατηγοριοποιήσει το 5% των δηλώσεων. Το Excel χρησιμοποιεί MPQA Subjectivity Lexicon. Αυτό το γενικό λεξικό περιλαμβάνει 5.097 αρνητικές και 2.533 θετικές λέξεις. Κάθε λέξη έχει μια ισχυρή ή ασθενή πολικότητα. Αυτό λειτουργεί ιδανικά για σύντομες προτάσεις, όπως tweets ή δημοσιεύσεις στο Facebook.
Κοιτάξτε στην ομάδα Πρόσθετα της καρτέλας Εισαγωγή. Το πρώτο εικονίδιο ονομάζεται Κατάστημα και τώρα ονομάζεται Οι Εφαρμογές μου. Κάντε κλικ σε αυτό το εικονίδιο και αναζητήστε Azure Machine Learning.
Καθορίστε ένα εύρος εισόδου και δύο κενές στήλες για το εύρος εξόδου.
Η επικεφαλίδα για το εύρος εισόδου πρέπει να ταιριάζει με το σχήμα tweet_text.
Τα αποτελέσματα δείχνουν θετική, αρνητική ή ουδέτερη και ποσοστιαία βαθμολογία. Τα στοιχεία κοντά στο 99% είναι πολύ πιθανό θετικά. Τα στοιχεία κοντά στο 0% είναι πολύ πιθανό αρνητικά.
