"Cách nhanh chóng nắm bắt xu hướng dư luận xã hội! Đào tạo phân tích dữ liệu tin tức và cộng đồng trực tuyến" • Dữ liệu tin tức chứa đựng những thông tin quan trọng như các sự kiện mới nhất, biến động kinh tế, xu hướng chính trị, thiên tai..., giúp doanh nghiệp hoặc cá nhân nhanh chóng nắm bắt những thay đổi này. Dữ liệu từ các cộng đồng trực tuyến là dữ liệu văn bản chứa ý kiến và thông tin của người dùng về nhiều chủ đề khác nhau, cung cấp những hiểu biết sâu sắc về xã hội và văn hóa. • Có thể sử dụng dữ liệu tin tức, dữ liệu cộng đồng trực tuyến cùng các phương pháp phân tích văn bản và phân tích mạng lưới văn bản cho nhiều mục đích khác nhau, như phân tích thị trường, hoạch định chính sách và ra quyết định, phân tích phản ứng của công chúng, phân tích xu hướng, giáo dục và nghiên cứu, ứng phó khủng hoảng và quản lý thiên tai.

Khóa học này hướng dẫn cách thu thập, mô hình hóa và phân tích dữ liệu mạng xã hội bằng NetMiner. Nội dung học tập tập trung vào lý thuyết, ví dụ và thực hành về cách sử dụng trình thu thập dữ liệu mạng xã hội (SNS Data Collector) của NetMiner để thu thập và tổ chức dữ liệu YouTube; tìm hiểu và mô hình hóa các loại hình, cấu trúc của dữ liệu mạng xã hội; cũng như các phương pháp phân tích mạng xã hội như ảnh hưởng, chủ đề và xu hướng.

Khóa học này hướng dẫn phương pháp nắm bắt xu hướng nghiên cứu thông qua phân tích mạng xã hội, trải qua các bước trực tiếp thu thập và tiền xử lý dữ liệu bài báo. Người học sẽ thực hành các nội dung như thu thập dữ liệu bằng Trình thu thập thông tin thư mục (Biblio Data Collector), chuyển đổi mối quan hệ 2 chế độ kết nối giữa “bài báo” và “tác giả” thành mạng lưới 1 chế độ kết nối giữa “tác giả” và “tác giả”, trích xuất từ khóa từ dữ liệu văn bản phi cấu trúc như phần tóm tắt, cũng như phân tích và trực quan hóa mạng lưới từ khóa.

Mặc dù phần lớn dữ liệu trong thực tế là các mối quan hệ “2-mode”, chẳng hạn như người mua–sản phẩm, người dùng–nội dung, từ khóa–tài liệu, bạn có từng gặp phải tình trạng chỉ số bị sai lệch hoặc giới hạn trong việc chuyển đổi dữ liệu khi áp dụng máy móc các phương pháp phân tích 1-mode thông thường? Chúng tôi mang đến giải pháp rõ ràng, từ những nguyên lý cốt lõi của mạng 2-mode, các phương pháp chuyển đổi dữ liệu (Conversion) và phân tích trực tiếp (Direct/Bipartite), cho đến thực hành lập hồ sơ người dùng và phân tích mối liên hệ bằng NetMiner. Hãy rút ngắn thời gian loay hoay với việc chuyển đổi dữ liệu và tính toán chỉ số, đồng thời nâng tầm nghiên cứu và thực tiễn lên một bước mới nhờ năng lực phân tích mạng 2-mode vượt trội, bao quát dữ liệu văn bản, thư mục và SNS.

Khóa học này hướng dẫn thu thập, xử lý và phân tích trực tiếp dữ liệu lớn xã hội từ web, SNS... bằng Python (Python), một ngôn ngữ lập trình phù hợp cho việc phân tích dữ liệu lớn. Các bài thực hành lập trình Python được tiến hành theo hình thức “làm theo”, giúp các nhà nghiên cứu trong lĩnh vực nhân văn và khoa học xã hội chưa có kinh nghiệm lập trình cũng có thể dễ dàng học tập. Sau khi hoàn thành khóa học, bạn sẽ có thể học Python, thu thập dữ liệu và phân tích dữ liệu lớn.

Khóa học này hướng dẫn cách phân tích dữ liệu văn bản phi cấu trúc như bài báo, Twitter và bài phát biểu bằng các chức năng phân tích mạng văn bản của NetMiner. Bạn có thể xây dựng nền tảng lý thuyết về toàn bộ quy trình phân tích mạng văn bản, từ trích xuất từ ngữ trong dữ liệu văn bản phi cấu trúc, khám phá chủ đề, xây dựng và trực quan hóa mạng lưới từ ngữ, đến lựa chọn các từ khóa cốt lõi. Ngoài ra, khóa học còn có phần thực hành áp dụng các phương pháp phân tích vào dữ liệu thực tế từ bài báo và Twitter bằng NetMiner.

• Giới thiệu các phương pháp phân tích vai trò (Role) và vị thế (Position) trong mạng lưới, vốn đã được nghiên cứu quan trọng trong SNA; thông qua thực hành sử dụng NetMiner, người học sẽ hiểu nguyên lý và tìm hiểu các trường hợp ứng dụng. • Thông qua khóa đào tạo này, người học có thể đo lường vai trò môi giới (Brokerage) trên nhiều phương diện, xác định vai trò và vị thế của các tác nhân trong mạng lưới thông qua các mẫu quan hệ, đồng thời khái quát toàn bộ mạng lưới bằng mối quan hệ giữa các nhóm vai trò, qua đó khám phá những cấu trúc cốt lõi hình thành nên mạng lưới phức tạp.

Khóa học này giúp học viên tìm hiểu cách diễn giải thống kê các kết quả phân tích dữ liệu mạng và cách kiểm định ý nghĩa thống kê của các đại lượng thống kê. Khi áp dụng các phương pháp thống kê truyền thống như phân tích bảng chéo, phân tích phương sai, phân tích tương quan và phân tích hồi quy, cần nắm rõ ảnh hưởng của các đặc điểm của dữ liệu mạng hoặc các chỉ số mạng đối với việc kiểm định ý nghĩa, từ đó sử dụng phương pháp phù hợp. Khóa học bao gồm các ví dụ theo từng chủ đề phân tích mà các nhà nghiên cứu thường gặp, chẳng hạn như phân tích mối liên hệ giữa các biến, kiểm định ý nghĩa của các chỉ số mạng và phân tích mối liên hệ giữa nhiều mạng lưới, cùng với phần thực hành trên NetMiner.

Các nhóm trong mạng lưới mà các thực thể được kết nối với nhau với mật độ cao được gọi là nhóm liên kết. Trong số các phương pháp khác nhau thường được sử dụng để tìm ra những nhóm liên kết chặt chẽ có nhiều kết nối, khóa học này trình bày chi tiết và chuyên sâu về các phương pháp phân tích như clique, k-core, component và community. Thông qua khóa học, hãy thử tìm kiếm những nhóm cốt lõi hoặc phát hiện các cụm được kết nối chặt chẽ trong dữ liệu mạng lưới.

Trong phân tích dữ liệu mạng, việc cơ bản nhất thường được thực hiện là phân tích các đặc trưng của mạng. Nội dung khóa học sẽ trình bày chi tiết nguyên lý và ý nghĩa của nhiều chỉ số mô tả các đặc điểm cấu trúc của mạng, bắt đầu từ tần suất của nút và liên kết, cho đến đặc tính phân bố số lượng liên kết, mật độ, khoảng cách ngắn nhất, hệ số kết dính, v.v. Nếu có thể đo lường bằng số liệu cấu trúc của một mạng, chúng ta sẽ có thể so sánh mạng đó với các mạng khác. Thông qua khóa học này, hãy thử xác định các đặc trưng của dữ liệu mạng của bạn dưới nhiều góc độ khác nhau.

Mức độ quan trọng của một nút cụ thể xuất hiện trong mạng lưới được gọi là độ trung tâm của mạng lưới. Có nhiều phương pháp khác nhau để đo lường độ trung tâm, trong đó nội dung khóa học này tập trung tìm hiểu chi tiết về 7 chỉ số độ trung tâm tiêu biểu và được sử dụng phổ biến, đồng thời phân tích chúng thông qua dữ liệu thực tế. Hãy lựa chọn và áp dụng các chỉ số độ trung tâm phù hợp với nhiều loại dữ liệu mạng lưới khác nhau trong quá trình học.

Để kiểm tra dữ liệu mạng một cách trực quan, khám phá cấu trúc và thể hiện hiệu quả kết quả phân tích, bạn cần hiểu và có khả năng áp dụng nhiều phương pháp trực quan hóa khác nhau. NetMiner cung cấp các chức năng giúp thể hiện hiệu quả dữ liệu mạng và kết quả phân tích. Thông qua khóa đào tạo này, hãy trình bày kết quả phân tích mạng của bạn một cách thẩm mỹ và truyền đạt hiệu quả những nội dung cốt lõi.