cltl/python-for-text-analysis

解决的问题

本项目提供了一门大学课程的教学材料，该课程向学生介绍如何使用Python处理语言数据。它满足了人文学科和语言学专业学生无需任何编程经验即可获得动手实践编程技能的需求，使他们能够分析文本、处理各种文件格式并分享代码和结果。

工作原理

课程围绕四个模块展开，每个模块将交互式Jupyter笔记本章节（位于Chapters文件夹）与作业（位于Assignments文件夹）相结合，学生需完成作业并自行评分。材料涵盖Python基础、标准库、纯文本处理、CSV/TSV和JSON文件，以及使用外部库进行文本分析。额外材料和数据集在单独的文件夹中提供。学生需在课前准备，分阶段完成作业，并参加反馈会议。课程还包括期中考试和期末考试，并明确不鼓励使用生成式AI，以确保真正的学习效果。

适用对象

本课程面向阿姆斯特丹自由大学特定人文和语言学项目的学生，包括人文研究硕士：语言学（人类语言技术方向）、语言学硕士：语言与人工智能，以及数字人文与社会分析辅修项目。无需任何编程知识，适合初次接触编程的人文学科学生。

亮点

• 初学者友好： 假设无编程背景；使用Python 3.12+和Jupyter Notebook。
• 结构化模块： 四个模块包含章节、作业和反馈会议，逐步培养技能。
• 自评/自动评分作业： 作业有助于备考和巩固学习，但不直接计入最终成绩。
• 注重可读性和可共享代码： 强调文档和可重用性，基于Mike Bostock的“什么使软件优秀？”中的可接近性和一致性等原则。