Практическое занятие №4. Автоматизированный фоносемантический и контент-анализ

 Часть 1:

В качестве примера текста я брал научные статьи по современному кинематографу. Загрузив материалы в Vaal, система оценила их, как плохие, отталкивающие, страшные, сложные, величественные, тяжелые, сильные и т.д. 

Первый текст тяжёлый и величественный, потому что перегружен фактами, длинными конструкциями и аналитическим тоном — он звучит как лекция, внушающая уважение, но утомляющая своей серьёзностью и сухостью.

Второй текст кажется отталкивающим и тревожным, потому что в нём кино показано как бездушный продукт технологий — человек превращается в часть механизма, и от этого веет холодом и страхом утраты живого искусства.

Часть 2:

Текст 1:

Текст 2:

Мне кажется, что модель текста довольно четко отражает содержание материалов, поскольку статьи, которые я брал, раскрывают тему кинематографа в современном мире. В первом тексте можно увидеть такие слова, как кинематограф, кино, 3d, а во втором - кино, вирутальной, очки. 

Облако тегов предоставило более обширный список слов, которые присутствуют в текстах.