Бакалавриат
2026/2027
Научно-исследовательский семинар: Машинный анализ текстов
ID 1204201
Статус:
Курс по выбору (Психология)
Кто читает:
Департамент психологии
Где читается:
Факультет социальных наук
Когда читается:
2-й курс, 2, 3 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Шульгинов Валерий Александрович
Язык:
русский
Кредиты:
3
Контактные часы:
32
Программа дисциплины
Аннотация
Семинар посвящен методам автоматизированной обработки текстовых данных в научных исследованиях. Участники изучат основы компьютерной лингвистики, техники контент-анализа и семантического анализа с использованием алгоритмов машинного обучения. Рассматриваются практические аспекты применения инструментов NLP для выявления паттернов, тональности и тематического моделирования в массивах текстовой информации.
Цель освоения дисциплины
- Цель курса – познакомить слушателей с основами машинного анализа текстов и выработать полезный как при дальнейшем обучении, так и в работе по специальности навык использования программирования для решения исследовательских и прикладных задач, связанных с обработкой текстовых данных.
Планируемые результаты обучения
- Разбираться в основных методах и инструментах корпусного анализа текстовых данных
- Подбирать корпусные инструменты и методы в соответствии с задачами исследования
- Конструировать поисковые запросы и стратегии анализа для работы с текстовыми корпусами
- Интерпретировать результаты корпусного анализа и использовать их для решения исследовательских задач
- Разбираться в принципах и основных технологиях автоматизированного сбора текстовых данных
- Подбирать инструменты и способы парсинга в соответствии с задачами исследования
- Конструировать запросы и алгоритмы для извлечения и структурирования текстовых данных
- Оценивать качество, полноту и пригодность собранных данных для последующего анализа
- Подбирать методы предобработки в соответствии с задачами анализа и особенностями текстового материала
- Интерпретировать результаты автоматизированного анализа и оценивать их применимость для решения исследовательских задач
- Разбираться в основных возможностях и ограничениях современных ИИ-технологий для работы с текстом
- Формулировать запросы к генеративным моделям в соответствии с задачами создания и анализа текстов
- Оценивать качество, достоверность и исследовательскую применимость результатов, полученных с использованием ИИ-технологий
- Различать основные направления и задачи автоматической обработки текста
- Характеризовать ключевые этапы автоматизированного анализа текстовых данных
- Соотносить исследовательские задачи с подходящими методами автоматической обработки текста
Содержание учебной дисциплины
- Введение в автоматическую обработку текста
- Инструменты и методы корпусного анализа
- Инструменты парсинга текстовых данных
- Предобработка и анализ текстовых данных
- ИИ-технологии в генеративных и исследовательских задачах
Список литературы
Рекомендуемая основная литература
- A corpus linguistic approach to literary language and characterization : Virginia Woolf's The Waves, Balossi, G., 2014
- Alblawi, A. S. (2018). Big Data and Learning Analytics in Higher Education: Demystifying Variety, Acquisition, Storage, NLP and Analytics.
- Bjerva, J., Kementchedjhieva, Y., Cotterell, R., & Augenstein, I. (2019). A Probabilistic Generative Model of Linguistic Typology. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsarx&AN=edsarx.1903.10950
- ChatGPT toolkit for HR recruiters : ready-to-use prompts for the modern recruiter, Hussaini, S., 2023
- Corpus linguistics on the move : exploring and understanding English through corpora, , 2016
- Data Science в действии : пять реальных проектов Python, Апельцин, Л., 2023
- Hajba G.L. Website Scraping with Python: Using BeautifulSoup and Scrapy / G.L. Hajba, Berkeley, CA: Apress, 2018.
- Hernandez-Suarez, A., Sanchez-Perez, G., Toscano-Medina, K., Martinez-Hernandez, V., Sanchez, V., & Perez-Meana, H. (2018). A Web Scraping Methodology for Bypassing Twitter API Restrictions. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.FA737206
- Introduction to natural language processing, Eisenstein, J., 2019
- Machine learning : a probabilistic perspective, Murphy, K. P., 2012
- Munzert, S. (2014). Automated Data Collection with R : A Practical Guide to Web Scraping and Text Mining. HobokenChichester, West Sussex, United Kingdom: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=878670
- Natural language processing and information systems : 18th international conference on applications of natural language to information systems, NLDB 2013 Salford, UK, June 19-21, 2013: proceedings, , 2013
- Python crash course : a hands-on, project-based introduction to programming, Matthes, E., 2023
- Seppe vanden Broucke, & Bart Baesens. (2018). Practical Web Scraping for Data Science : Best Practices and Examples with Python. Apress.
- Ten lectures on quantitative approaches in cognitive linguistics : corpus-linguistic, experimental, and statistical applications, Gries, S. T., 2017
- Корпусная лингвистика - Грудева Е. В. - Издательство "ФЛИНТА" - 978-5-9765-1497-3 - 2025 - русский - https://e.lanbook.com/book/504928 - ЛАНЬ - 504928
- Шунейко, А. А. Корпусная лингвистика : учебник для вузов / А. А. Шунейко. — Москва : Издательство Юрайт, 2026. — 222 с. — (Высшее образование). — ISBN 978-5-534-13603-6. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/588309 (дата обращения: 02.07.2026).
Рекомендуемая дополнительная литература
- Aman Kedia, & Mayank Rasu. (2020). Hands-On Python Natural Language Processing : Explore Tools and Techniques to Analyze and Process Text with a View to Building Real-world NLP Applications. Packt Publishing.
- Carnie, A. (2012). Syntax : A Generative Introduction (Vol. 3rd ed). Chichester: Wiley-Blackwell. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=531592
- Corpus-based research in applied linguistics : studies in honor of doug biber, , 2015
- Extraction and analysis of modal auxiliaries in consecutive clauses from a corpus, Chartrand, R., 2016
- Pandas for everyone : Python data analysis, Chen, D. Y., 2023
- Qualitative text analysis : a guide to methods, practice & using software, Kuckartz, U., 2014
- Speech and language processing : an introduction to natural language processing, computational linguistics, and speech recognition, Jurafsky, D., 2009
- Speech and language processing. An introduction to natural language processing, computational lin..., Jurafsky, D., 2009
- Transformers for machine learning : a deep dive, Kamath, U., 2022
- Uday Kamath, John Liu, & James Whitaker. (2019). Deep Learning for NLP and Speech Recognition. Springer.