T-LAB Home
T-LAB PLUS 2019 - HELP ON-LINE Prev Page Prev Page
T-LAB
Introduzione
T-LAB: cosa fa e cosa consente di fare
Requisiti e Prestazioni
Preparazione del Corpus
Preparazione del Corpus
Criteri Strutturali
Criteri Formali
File
Importare un singolo file...
Preparare un Corpus (Corpus Builder)
Aprire un Progetto Esistente
Impostazioni di Analisi
Impostazioni Automatiche e Personalizzate
Personalizzione del Dizionario
Analisi delle Co-occorrenze
Associazioni di Parole
Co-Word Analysis e Mappe Concettuali
Confronti tra Coppie
Analisi delle Sequenze e Network Analysis
Concordanze
Analisi Tematiche
Analisi Tematica dei Contesti Elementari
Modellizazione dei Temi Emergenti
Classificazione Tematica di Documenti
Classificazione Basata su Dizionari
Contesti Chiave di Parole Tematiche
Analisi Comparative
Analisi delle Specificità
Analisi delle Corrispondenze
Analisi delle Corrispondenze Multiple
Cluster Analysis
Singular Value Decomposition
Strumenti Lessico
Text Screening / Disambiguazioni
Vocabolario
Stop-Words
Locuzioni e Multi-Words
Segmentazione delle parole
Altri Strumenti
Gestione Variabili e Modalità
Ricerca Avanzata nel Corpus
Tabelle di Contingenza
Editor
Glossario
Analisi delle Corrispondenze
Catene Markoviane
CHI quadro
Cluster Analysis
Codifica
Contesto Elementare
Corpus e Sottoinsiemi
Disambiguazione
Documento Primario
Forma e Lemma
Graph Maker
IDnumber
Indici di Associazione
Isotopia
Lemmatizzazione
Lessia e Lessicalizzazione
MDS
Multiwords
N-grammi
Naïve Bayes
Normalizzazione del Corpus
Nuclei Tematici
Occorrenze e Co-occorrenze
Omografia
Parole Chiave
Polarità fattoriali
Profilo
Soglia di Frequenza
Specificità
Stop Word List
Tabelle Dati
TF-IDF
Unità di Analisi
Unità di Contesto
Unità Lessicale
Valore Test
Variabili e Modalità
Bibliografia

Multidimensional Scaling (MDS)


Insieme di tecniche statistiche che consentono di analizzare matrici di similarità e di rappresentare le relazioni tra i dati entro uno spazio di dimensioni ridotte.

In T-LABun tipo di MDS (metodo Sammon) è usato per rappresentare le relazioni tra unità lessicali o tra nuclei tematici (vedi Co-Word Analysis e Modellizzazione dei Temi Emergenti).

I dati in analisi sono costituiti da matrici quadrate in cui sono riportati valori di prossimità (dissimilarità) derivati dal calcolo di un indice di associazione.

I risultati ottenuti, analogamente a quelli dell'analisi delle corrispondenze, consento di interpretare sia le relazioni tra gli "oggetti" (vicinanza/distanza), sia le dimensioni che organizzano lo spazio in cui essi sono rappresentati.

La bontà dell'adattamento, cioè il grado di corrispondenza tra le distanze risultanti dalla mappa MDS e quelle della matrice input, è misurata dalla funzione di Stress. Minore è il valore di stress (es. < 0.10), maggiore è la bontà dell'adattamento.


La formula dello stress è la seguente:

dove indica le distanze tra i punti (ij) nella matrice input e indica le distanze tra gli stessi punti nella mappa MDS.