Navigation

Informationen zu den Workshops

Workshop 1: Natural Language Processing mit Python

Hanna Lüschow

Zu Zeiten der immer größer werdenden Korpora sind automatisierte Analysetools aus der empirischen Forschung nicht mehr wegzudenken.
Das Natural Language Toolkit (NLTK) bietet zahlreiche frei nutzbare Analysewerkzeuge, zusammen mit über 50 Datenquellen und vortrainierten Modellen für verschiedene Sprachen.
Im Workshop sollen Grundlagen der Datenverarbeitung in Form von Programmierung mit Python und dem NLTK vermittelt werden.
Hierbei stehen die Bereiche Tokenisierung, Tagging, Parsing und Named-Entity-Recognition im Fokus. Doch auch auf höherliegenden Ebenen sind Analysen wie Information Extraction und Sentimentanalyse mithilfe des Toolkits möglich.

Besonderes Vorwissen zu Programmierung ist nicht notwendig, für Hands-on-Sessions wird die Mitnahme eines eigenen Laptops und eine vorherige Installation der neuesten Python-Version (https://www.python.org/downloads/) empfohlen.

Eigene Daten können gerne mitgebracht werden.

Literatur
Bird, Steven/Loper, Edward/Klein, Ewan (2009): Natural Language Processing with Python. O’Reilly Media Inc. (Eine aktualisierte Form ist online unter http://www.nltk.org/book/ verfügbar.)

Workshop 2: Erstellen von Online-Experimenten mit Ibex

Caroline Postler

Über die Plattform Ibex (Internet Based Experiments) können beispielsweise self-paced reading Experimente und andere Reaktionszeitstudien online über einen Webbrowser ausgeführt werden. Dies bietet den enormen Vorteil, dass in kurzer Zeit viele Probanden an einem Experiment teilnehmen können. Unter folgendem Link ist ein Beispielexperiment zu finden: http://spellout.net/ibexexps/example/example/experiment.html

Programmierkenntnisse sind für die Erstellung eines Experiments über Ibex nicht unbedingt nötig. Im Workshop werden wir mit PennController arbeiten. Dabei handelt es sich um eine Open-Source Lösung zur Erstellung des Experimentskripts, die unter anderem visuelle Stimuli, Audio- und Videoelemente, Timing von Elementen und Feedback für die Probanden ermöglicht.   

Literatur
Zehr, J., & Schwarz, F. (2018). PennController for Internet Based Experiments (IBEX). https://doi.org/10.17605/OSF.IO/MD832

Webmas2nj3te0hcfr (internet@uol.dn74e) (Stand: 03.02.2020)