ScholarGate
دستیار
Latent structureText Scaling

Wordscores

ایده اصلی این است که کلمات معنایی را در مورد ابعاد پنهان سیاست حمل می‌کنند. اگر یک متن مرجع با موقعیت شناخته‌شده چپ-راست از کلمات خاصی بیشتر استفاده کند، آن کلمات به شاخص‌هایی از آن موقعیت ایدئولوژیک تبدیل می‌شوند. با شمارش فراوانی کلمات در اسناد جدید و مقایسه آن‌ها با پروفایل‌های مرجع، Wordscores تخمین می‌زند که متن جدید در کجای طیف ایدئولوژیک قرار می‌گیرد. این روش از حاشیه‌نویسی دستی اجتناب کرده و به طور خودکار در مقیاس‌های بزرگ متنی مقیاس‌بندی می‌شود.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیدریافت اسلایدها

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. Laver, M., Benoit, K., & Garry, J. (2003). Extracting policy positions from political texts using words as data. American Political Science Review, 97(2), 311-331. DOI: 10.1017/s0003055403000698
  2. Benoit, K., & Laver, M. (2012). The basic arithmetic of legislative decisions. Journal of Political Institutions and Political Economy, 1(1), 1-29. link
  3. Klemmensen, R., Hobolt, S. B., & Hansen, M. E. (2007). Estimating policy positions using political texts: A scaling approach. Electoral Studies, 26(4), 746-755. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Wordscores. ScholarGate. https://scholargate.app/fa/psychometrics/wordscores

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم

ارجاع‌شده در

ScholarGateWordscores (Wordscores). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/psychometrics/wordscores · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026