www.tlab.it

T-LAB: cosa fa e cosa consente di fare

T-LAB è un software costituito da un insieme di strumenti linguistici e statistici per l'analisi dei testi che possono essere utilizzati nelle seguenti pratiche di ricerca: Semantic Analysis, Content Analysis, Perceptual Mapping, Text Mining, Discourse Analysis.

In particolare, gli strumenti T-LAB consentono di realizzare tre tipi di analisi:

A - analisi delle co-occorrenze di parole-chiave: indici di associazione, confronti tra coppie, mappe concettuali, analisi delle sequenze, concordanze;
B - analisi tematiche delle unità di contesto: modellizzazione dei temi emergenti, analisi tematica dei contesti elementari (es. frammenti di testo, frasi, paragrafi), sequenze di temi, classificazione tematica di documenti, contesti chiave di parole tematiche;
C - analisi comparative dei sottoinsiemi del corpus: analisi delle specificità, analisi delle corrispondenze, analisi delle corrispondenze multiple, cluster analysis.

I testi analizzabili con T-LAB possono essere i più vari:
- un singolo testo (es. un'intervista, un libro, etc.);
- un insieme di testi (es. più interviste, pagine web, articoli di giornale, risposte a domande aperte, etc.).

Tutti i testi possono essere codificati con variabili categoriali e/o con un identificativo (IDnumber) che corrisponde a unità di contesto o a casi (es. risposte a domande aperte).

Ogni corpus (testo o insieme di testi) deve essere in formato .txt e non deve superare i 30Mb (circa 18.000 pagine in formato ASCII).

Per verificare rapidamente le funzionalità del software sono sufficienti i seguenti passi:

1 - Selezionare la lingua dell'interfaccia e quella del corpus da analizzare

2 - Selezionare un corpus da analizzare

3 - Cliccare su "GO" nella prima finestra di Setup

Nella fase di pre-processing realizza i seguenti trattamenti:

4 - Scegliere uno strumento all'interno di uno dei sub-menu "Analisi"

5 - Verificare i risultati

6 - Utilizzare l'help contestuale per interpretare grafici e tabelle


Di seguito vengono fornite le informazioni essenziali per capire cosa T-LAB fa e come può essere usato.

Dal punto di vista esterno, l'uso del software è organizzato dall'interfaccia, cioè dal menu principale, dai sub-menu e dalle funzioni (strumenti) che li compongono.

Da un punto di vista logico, oltre che dall'interfaccia utente, il sistema T-LAB è organizzato da due componenti principali:

Per capire come T-LAB funziona e come può essere usato, è di fondamentale importanza aver chiaro quali unità di analisi sono archiviate nel suo database e quali algoritmi statistici vengono usati nelle varie analisi. Infatti, le tabelle dati analizzate sono sempre costituite da righe e colonne le cui intestazioni corrispondono alle unità di analisi archiviate nel database, mentre gli algoritmi regolano i processi che consentono di individuare relazioni significative tra i dati e di estrarre utili informazioni.

Le unità di analisi di T-LAB sono di due tipi: unità lessicali e unità di contesto.

A - le UNITA' LESSICALI sono parole, singole o multiple, archiviate e classificate in base a un qualche criterio. Più precisamente, nel database T-LAB ogni unità lessicale costituisce un record classificato con due campi: forma e lemma. Nel primo campo, denominato forma, sono elencate le parole così come compaiono nel corpus, mentre nel secondo, denominato lemma, sono elencate le label attribuite a gruppi di unità lessicali classificate secondo criteri linguistici (es. lemmatizzazione) o tramite dizionari e griglie semantiche definite dall'utilizzatore.

B - le UNITA' DI CONTESTO sono porzioni di testo in cui può essere suddiviso il corpus. Più esattamente, nella logica T-LAB, le unità di contesto possono essere di tre tipi:

B.1 documenti primari, corrispondenti alla suddivisione "naturale" del corpus (es. interviste, articoli, risposte a domande aperte, etc.), ovvero ai contesti iniziali definiti dall'utilizzatore;
B.2 contesti elementari, corrispondenti alle unità sintagmatiche (frammenti di testo, frasi, paragrafi) in cui può essere suddiviso ogni contesto iniziale;
B.3 sottoinsiemi del corpus, corrispondenti a gruppi di documenti primari riconducibili alla stessa "categoria" (es. interviste di "uomini" o di "donne", articoli di un particolare anno o di una particolare testata, e così via) o a cluster tematici ottenuti con specifici strumenti T-LAB.


A partire da questa organizzazione del database, T-LAB consente - in modo automatico - di esplorare e di analizzare le relazioni tra le unità di analisi di tutto il corpus o di suoi sottoinsiemi.

In T-LAB, la selezione di un qualsivoglia strumento di analisi (click del mouse) attiva sempre un processo semiautomatico che, con poche e semplici operazioni, genera qualche tabella input, applica qualche algoritmo di tipo statistico e produce alcuni output.

In ipotesi, un tipico progetto di lavoro in cui viene usato T-LAB è costituito dall'insieme delle attività analitiche (operazioni) che hanno per oggetto il medesimo corpus ed è organizzato da una strategia e da un piano dell'utilizzatore. Quindi, inizia con la raccolta dei testi da analizzare e termina con la redazione di un report.


La successione delle varie fasi è illustrata nel diagramma seguente:


NB:
- Le sei fasi numerate, dalla preparazione del corpus all'interpretazione degli output, sono supportate da strumenti T-LAB e sono sempre reversibili;
- Tramite le impostazioni automatiche è possibile evitare due fasi (3 e 4); tuttavia, ai fini della qualità dei risultati, si raccomanda l'uso delle funzioni Personalizzazione del Dizionario (strumento del menu "Lessico") e Impostazioni Personalizzate (cioè selezione delle parole-chiave).


1 - La PREPARAZIONE DEL CORPUS consiste nella trasformazione dei testi da analizzare in un file (corpus) che può essere elaborato dal software.

Ogni corpus da analizzare, per essere importato in T-LAB, deve essere in formato solo testo con estensione .txt.

Nel caso di un unico testo (o di un corpus trattato come unico testo) T-LAB non richiede ulteriori accorgimenti.

Quando, invece, il corpus è costituito da più testi e vengono utilizzate codifiche che rinviano all'uso di qualche variabile, nella fase di preparazione si richiede che vengano rispettati alcuni criteri (vedi sezione Preparazione del Corpus).

Al termine della fase di preparazione si raccomanda di creare una nuova cartella di lavoro con al suo interno il solo file corpus da importare.


2 - L'IMPORTAZIONE DEL CORPUS consiste in una serie di processi automatici che trasformano il corpus in un insieme di tabelle integrate nel database T-LAB.

A partire dalla selezione dell'opzione Nuovo Corpus, l'intervento dell'utilizzatore (opzioni avanzate) è richiesto per definire le scelte indicate nella finestra seguente:

N.B.:
- La selezione della lingua (obbligatoria) determina il processo di lemmatizzazione. Attualmente la lemmatizzazione automatica è disponibile in cinque lingue: Italiano, Francese, Inglese, Spagnolo e Portoghese. In ogni caso, senza lemmatizzazione automatica e/o usando dizionari personalizzati possono essere analizzati testi in tutte le lingue (o dialetti) che supportano i caratteri ASCII (vedi sopra opzione "other");
- Le opzioni pre-selezionate da T-LAB sono consigliate agli utilizzatori meno esperti;
- Poiché i trattamenti preliminari determinano il tipo e la quantità delle unità di analisi (cioè quali e quante unità di contesto e quali e quante unità lessicali), scelte diverse in questa fase comportano risultati diversi delle successive analisi. Per questa ragione, tutti gli output T-LAB mostrati nel manuale e nell'help hanno solo valore indicativo.
della lingua (obbligatoria) determina il processo di lemmatizzazione.


3 - L'USO DEGLI STRUMENTI LESSICO è finalizzato a verificare il corretto riconoscimento delle unità lessicali e a personalizzare la loro classificazione, cioè a verificare e a modificare le scelte automatiche fatte da T-LAB.

Le modalità dei vari interventi sono illustrate nelle corrispondenti voci dell'help (e del manuale).

In particolare si rinvia alla corrispondente voce dell'help (e del manuale) per una dettagliata descrizione del processo Personalizzazione del Dizionario (vedi sotto).

4 - LA SELEZIONE DELLE PAROLE-CHIAVE consiste nella predisposizione di una o più liste di unità lessicali (parole, lemmi o categorie) da utilizzare per costruire le tabelle dati da analizzare.

L'opzione impostazioni automatiche rende disponibile liste di parole chiave selezionate da T-LAB; tuttavia, poiché la scelta delle unità di analisi è estremamente rilevante ai fini delle successive elaborazioni, si consiglia vivamente l'uso delle impostazioni personalizzate. In questo modo l'utilizzatore potrà scegliere di modificare la lista suggerita da T-LAB e/o di costruire liste che meglio corrispondono ai suoi obiettivi di indagine.

In ogni caso, nella costruzione di queste liste, valgono i seguenti criteri:

- verificare la rilevanza quantitativa (totale delle occorrenze) e qualitativa (non banalità del significato) dei vari item;
- verificare le limitazioni degli strumenti analitici che si intendono utilizzare (vedi nota a fine di questo capitolo);
- verificare se l'insieme degli item è compatibile con la propria strategia di indagine (vedi punto seguente: 5).

5 - L'USO DEGLI STRUMENTI DI ANALISI è finalizzato alla produzione di output (grafici e tabelle) che rappresentano relazioni significative tra le unità di analisi e che consentono di fare inferenze.

Attualmente (versione 7.1), T-LAB include quindici diversi strumenti di analisi, ciascuno dei quali funziona con una sua specifica logica; cioè, usa specifici algoritmi e produce specifici output.
Di conseguenza, a seconda della tipologia dei testi che intende analizzare e degli obiettivi che intende perseguire, l'utilizzatore deve di volta in volta decidere quali strumenti sono più appropriati per la sua strategia di analisi.

A questo proposito, oltre alla distinzione fra strumenti per analisi delle co-occorrenze, per analisi comparative e per analisi tematiche, è utile considerare che alcuni di questi ultimi consentono di ottenere ulteriori sottoinsiemi del corpus basati su similarità di contenuto.

In particolare, gli strumenti Modellizzazione dei Temi Emergenti, Analisi Tematica dei Contesti Elementari e Classificazione Tematica dei Documenti consentono di ottenere cluster di unità di contesto caratterizzati da somiglianze nella distribuzione delle parole al loro interno. E questi cluster, in quanto modalità di una nuova variabile ottenuta tramite analisi del contenuto, possono essere utilizzati in ulteriori analisi concernenti i sottoinsiemi del corpus.


In generale, anche se l'uso degli strumenti T-LAB può essere circolare e reversibile, possiamo individuare tre punti di avvio (start points) che corrispondono ai tre sub-menu ANALISI:


A : STRUMENTI PER ANALISI DELLE CO-OCCORRENZE


Questi strumenti consentono di analizzare vari tipi di relazioni tra le unità lessicali (parole, lemmi o categorie).



A seconda dei tipi di relazioni da analizzare, le funzioni T-LAB indicate in questo diagramma (box colorati) usano uno o più dei seguenti strumenti statistici: Indici di Associazione, Test del Chi Quadro, Cluster Analysis, Multidimensional Scaling e Catene Markoviane.

Ecco alcuni esempi di output:

- Associazioni di Parole

- Confronti tra Coppie

- Co-Word Analysis e Mappe Concettuali

- Analisi delle Sequenze

 

B : STRUMENTI PER ANALISI COMPARATIVE

Questi strumenti consentono di analizzare vari tipi di relazioni tra le unità di contesto.

L'Analisi delle Specificità consente di verificare quali parole sono "tipiche" o "esclusive" di ogni specifico sottoinsieme del corpus.

 

L'Analisi delle Corrispondenze consente di esplorare vari tipi di relazioni (somiglianze e differenze) tra gruppi di unità di contesto.

La Cluster Analysis, che va applicata ai risultati dell'Analisi delle Corrispondenze, può essere effettuata con varie tecniche.

 

C : STRUMENTI PER ANALISI TEMATICHE

Questi strumenti consentono di individuare, esaminare e mappare i "temi" presenti nei testi analizzati.
Poiché tema è una parola polisemica, in questo caso è utile far riferimento ad alcune definizione operative. Infatti, in questi strumenti T-LAB, "tema" è una label usata per indicare tre diverse entità:
1- una specifica ("tematica") parola chiave usata per estrarre un insieme di contesti elementari in cui essa è associata con uno specifico gruppo di parole preselezionate dall'utilizzatore (vedi lo strumento Contesti Chiave di Parole Tematiche);
2- un cluster "tematico" di unità di contesto caratterizzate dagli stessi pattern di parole chiave (vedi gli strumenti Analisi Tematica dei Contesti Elementari e Classificazione Tematica dei Documenti);
3 - una componente di un modello probabilistico che rappresenta ogni unità di contesto (sia essa un contesto elementare o un documento) come generato da una mistura di "temi" o "topics" (vedi lo strumento Modellizzazione dei Temi Emergenti).



Nel dettaglio:
- lo strumento Contesti Chiave di Parole Tematiche (vedi sotto), che usa il coefficiente del coseno come misura di similarità, ci consente di estrarre insiemi di contesti significativi che evidenziano il valore tematico di specifiche parole chiave.



- lo strumento Modellizzazione dei Temi Emergenti (vedi sotto), che usa un metodo Bayesiano, evidenzia "misture" descritte attraverso i loro specifici vocabolari e i "temi" ottenuti possono essere utilizzati sia per classificare le unità di contesto che per costruire categorie da applicare in una successiva analisi di contenuto.

- sia l' Analisi Tematica dei Contesti Elementari che la Classificazione Tematica dei Documenti funzionano nel modo seguente:

a- realizzano un'analisi delle co-occorrenze per individuare cluster tematici di unità di contesto;
b- realizzano un'analisi comparativa per confrontare i profili dei vari cluster;
c- producono vari tipi di grafici e tabelle (vedi sotto);
d- consentono di archiviare le nuove variabili ottenute (cluster tematici) e di utilizzarle in ulteriori analisi.

 

6 - L' INTERPRETAZIONE DEGLI OUTPUT consiste nella consultazione delle tabelle e dei grafici prodotti da T-LAB, nell'eventuale personalizzazione del loro formato e nel fare inferenze sul significato delle relazioni in essi rappresentate.

Nel caso delle tabelle, a seconda dei casi, T-LAB consente di esportarle in file con le seguenti estensioni: .DAT, .TXT, .XLS, .HTML. Ciò significa che, servendosi di qualunque editore di testi e/o di un qualche applicativo della suite Microsoft Office, l'utilizzatore può facilmente importarli e rielaborarli.

Nel caso dei grafici, appositi sub-menu attivati con il tasto destro del mouse consentono vari tipi di operazioni: zoom, massimizzazione, personalizzazione ed esportazione degli output in diversi formati (vedi sotto).

 

Alcuni criteri generali per l'interpretazione degli output T-LAB sono illustrati in un paper citato in Bibliografia (Lancia F.: 2005) e disponibile nel sito www.tlab.it. In questo viene proposta l'ipotesi che gli output delle elaborazioni statistiche (tabelle e grafici) sono un tipo particolare di testi, cioè degli oggetti multi-semiotici caratterizzati dal fatto che le relazioni tra segni e simboli sono ordinate da misure che rinviano a specifici codici.

In altri termini, sia nel caso dei testi scritti in linguaggio naturale che in quelli scritti nel linguaggio della statistica, la possibilità di fare inferenze sulle relazioni che organizzano le forme del contenuto è fondata sul fatto che le relazioni tra le forme dell'espressione non sono casuali (random); infatti, nel primo caso (linguaggio naturale) le unità significanti si susseguono ordinate in modo lineare (una dopo l'altra nella catena del discorso), mentre nel secondo caso (tabelle e grafici) i principi di ordinamento sono costituiti dalle misure che determinano l'organizzazione degli spazi semantici multidimensionali.

Anche se gli spazi semantici rappresentati nelle mappe T-LAB sono molto vari, e ciascuno di essi richiede specifiche procedure interpretative, possiamo fare l'ipotesi che - in generale - la logica del processo inferenziale è la seguente:

A - rilevare una qualche relazione significativa tra le unità "presenti" sul piano dell'espressione (ad es. tra "dati" di tabelle e/o tra "label" di grafici);
B - esplorare e confrontare i tratti semantici delle stesse unità e i contesti a cui esse sono mentalmente e culturalmente associate (piano del contenuto);
C - costruire qualche ipotesi o qualche categoria di analisi che, nel contesto definito dal corpus, renda ragione delle relazioni tra forme dell'espressione e forme del contenuto.