[[最近のRのメモ]] *Shell script [#x5932abf] -『英語学習者コーパス活用ハンドブック』 授業用の付属メモ(2020/11) -Linux, Mac の terminal 標準 -Windows 10 で動かすには Windows Subsystem for Linux(WSL)を使おう: --[[こちらを参照>https://www.atmarkit.co.jp/ait/articles/1809/14/news015.html]] **NICEのデータ処理(第5章) [#of5e4cb1] ***学習者データのみのファイルを自動作成 [#je5658e4] #!/bin/sh # これは bash のみ。zsh などでは不要 cd `dirname $0` # どこに移しても実行可能 for file_name in `ls *.txt` #ディレクトリ内のすべての text ファイルを file_nameに格納 do # *JPN(日本人学習者)の行を取り出して、*JPNを削除した行だけを .out ファイルに出力 grep \*JPN $file_name | perl -pe 's/^\*JPN[0-9]+:\t//g;' > $file_name.out done killall Terminal # 終了したらターミナルを閉じる ***学習者の各テキストの発話文数と単語数を一括集計 [#re0e73ad] for file_name in `ls *.out` do wc -lw $file_name >> count.list.text done -学習者データだけを *.outファイルで抜き出したディレクトリで実行する -wc コマンドでファイルの行数と単語数をカウントしたら、count.list.txt に append する --出力はこんな感じ: 30 319 JPN501.txt.out 29 365 JPN502.txt.out 13 201 JPN503.txt.out 27 260 JPN504.txt.out 25 418 JPN505.txt.out 20 260 JPN506.txt.out 26 355 JPN507.txt.out 20 195 JPN508.txt.out 19 260 JPN509.txt.out 14 183 JPN510.txt.out -第1コラムが行数、第2コラムが単語数なので、こちらを Excel にインポートして、平均文長などを計算できる。 ***TTRを求めてみる [#xca9c0f9] -TTRを求めるためには異なり語(type)と総語数(token)を求めないといけない。 -異なり語はいくつかの方法で求められる --[[WordSmith 4(Win, free)>https://www.lexically.net/wordsmith/version4/]], [[CasualConc (Mac, free)>https://sites.google.com/site/casualconcj/]] などのファイル別に異なり語数、総語数を出力してくれるツールを使う ---AntConc ではファイル別の集計はできないので注意 --品詞タグ付与プログラムを用いてテキストに品詞と lemma を付与してテキスト集計する ---[[TagAnt>https://www.laurenceanthony.net/software/tagant/]] ※最近あまりうまく動かないので避けた方がよい ---TreeTagger のセットアップ:かなり知識が必要 ---[[Online TreeTagger>https://cental.uclouvain.be/treetagger/]] ***諸注意 [#p3e0823e] -Mac の場合は .sh ファイルとしたら、terminal で実行 -または .command ファイルにして実行権限を付与すれば Finder から実行可能 chmod u+x filename.command