Event box

Kina i Danmark - et datasprint

Kina i Danmark - et datasprint In-Person

Dataprintet er en workshop om text mining med Python. Vi vil undersøge karakteren af ​​sproget omkring Kina i referaterne fra Folketinget fra 1953 til 2009. Har sproget ændret sig gennem tiden og i så fald, hvornår det har ændret sig, og hvordan det har ændret sig? Vi vil belyse dette ved at undersøge de almindeligste anvendte små ordklynger, hvori Kina indgår i. Små ordklynger er små i størrelse, hvilket gør dem perfekte til digital tekstanalyse. Dataprintet vil introducere let anvendelige text mining teknikker, f.eks. ordfrekvenser, n-grams og 'key word in context'. Gennem dialog og praktisk kodning vil deltagerne få indblik i en ​​kvantitativ tilgang til læsning og på den måde få indtryk af, hvad denne tilgang har at tilbyde.

Datasprintet starter torsdag den 27. oktober kl 14:00 og forsætter til kl. 16:00. Vi begynder med et oplæg om de dansk-kinesiske foreningers historie siden 1948. Oplægget bliver holdt af Kjeld Allan Thrane Larsen, der har været medlem og i perioder formand for bestyrelser i dansk-kinesiske foreninger.

Datasprintet fortsætter fredag den 28. oktober. Vi begynder kl. 9:00 med text mining og forsætter til kl. 16:00. 

Nu du tilmelder dig, gælder tilmeldingen for både torsdag og fredag.

Dataprintet er tilrettelagt af:

  • Lars Kjær, KUB Datalab
  • Bo Ærenlund Sørensen, Institut for Tværkulturelle og regionale studier
  • Mai Corlin Frederiksen, Institut for Tværkulturelle og regionale studier

 

Målgruppe

Studerende på Københavns Universitet

Related LibGuide: KUB Datalab by Christian Knudsen

Date:
27/10/2022
Time:
14:00 - 16:00
Time Zone:
Central European Time (change)
Location:
KUB Datalab - Sdr Campus
Campus:
KUB Søndre Campus, Karen Blixens Plads 7, 2300 Kbh. S
Categories:
  Datalab  

Registration is required. There are no seats available but a waiting list is available.

Event Organizer

Profile photo of Lars Kjær
Lars Kjær

Cand. Mag. historie.

Specialkonsulent

Københavns Universitetsbibliotek, KUB Datalab