La semana pasada estuve entretenida con la estadística, todo empezó con la visita a Barcelona de Hal Varian (economista en jefe de Google) sobre la estadística como profesión de futuro http://www.youtube.com/watch?v=tm3lZJdEvCc
La cual me llevó a un artículo del New York Times, donde se menciona cómo las búsquedas de Google pueden usarse en las ciencias sociales como datos de comportamiento de millones de sujetos según cómo interactúan en la web:
http://www.nytimes.com/2009/08/06/technology/06stats.html?scp=1&sq=For%20Today%92s%20Graduate,%20Just%20One%20Word:%20Statistics&st=cse
http://books.google.com/ngrams/
Y entonces y gracias a TED y descubrí n-grams:
http://www.ted.com/talks/what_we_learned_from_5_million_books.html
http://books.google.com/ngrams/
Google en los últimos años ha digitalizando 5,2 millones de libros, publicados entre 1500 y 2008, en inglés, francés, español, alemán, chino y ruso. Lo cual supone una base de datos gratuita, con 500 mil millones de términos obtenidos de esos libros.
¿Qué hace exactamente Google Books Ngram Viewer?
1. Lee una serie de términos separados por comas —n-gramas, específicamente—
2. Lee un rango establecido en años
3. Lee un corpus elegido por el usuario: la base de datos. Hay 10 disponibles.
4. Lee un factor de precisión (smoothing) entre 0 y 50, con 3 como valor por defecto. Mientras más grande sea el factor, más “suave” es la curva de la gráfica
5. Entrega una gráfica con la frecuencia de los términos de búsqueda a lo largo del corpus y los años elegidos
Yo he introducido el término: blog y 2 rangos de datos, como podéis ver en las curvas adjuntas.
de 1800 a 2000
de 2000 a 2008
Curiosamente alrededor de 1900 hay una explosión similar que a partir del 2000. Son los blog tan antiguos?
Arrate Enes 