Gratis Versand ab € 16,99. Mehr Infos.
Bookbot

Daniel Keller

    Programming for Corpus Linguistics with Python and Dataframes
    Sozialalmanach 2010. Das Caritas-Jahrbuch zur sozialen Lage der Schweiz
    • Sozialalmanach 2010. Das Caritas-Jahrbuch zur sozialen Lage der Schweiz

      Schwerpunkt: Armut verhindern. Trends, Analysen, Zahlen

      • 224 Seiten
      • 8 Lesestunden

      2010 ist das Europäische Jahr zur Bekämpfung der Armut, das den Fokus auf die Umsetzung von Strategien zur spürbaren Verminderung von Armut legt. Der Sozialalmanach 2010 von Caritas thematisiert im schweizerischen Kontext die Frage, wie Armut verhindert werden kann. Die weltweite Rezession 2009 stellt einen markanten Einschnitt dar, da sie sich in ihrem Ausmaß und ihren Auswirkungen von früheren Krisen unterscheidet. Carlo Knöpfel hebt in seinem Bericht über die wirtschaftliche und soziale Entwicklung in der Schweiz hervor, dass die Krise den globalen Strukturwandel hin zu einem Service- und Kommunikationsnetzwerk beschleunigt und die sozialen Folgen erst bevorstehen. Es ist dringend notwendig, Gegenmaßnahmen zu ergreifen, um den sozialen Zusammenhalt zu wahren. Der Schwerpunktteil über die Verhinderung von Armut bietet einen Überblick über die Armutssituation in Europa und der Schweiz, wobei auch Betroffene zu Wort kommen. Im Mittelpunkt stehen Handlungsoptionen, da die Schweiz noch keine effektive Strategie entwickelt hat. Die Diskussion über Missbrauch zeigt, dass oft die Bekämpfung der Armen über der Bekämpfung der Armut steht. Die beste Politik ist die Vermeidung von Armut, und die Beiträge befassen sich mit Themen wie Prävention, Bildung, Berufseinstieg, Langzeitarbeitslosigkeit und Armut im Alter.

      Sozialalmanach 2010. Das Caritas-Jahrbuch zur sozialen Lage der Schweiz
    • Focusing on advanced programming techniques, this Element equips intermediate or experienced programmers with algorithms tailored for Corpus Linguistic (CL) analysis using Python dataframes. It showcases methods for handling large datasets and demonstrates practical applications such as creating concordances, identifying collocates, and conducting key feature analysis. Additionally, it introduces algorithms for constructing dataframe corpora, incorporating tokenization, part-of-speech tagging, and lemmatization with spaCy, enabling innovative analyses beyond traditional corpus software capabilities.

      Programming for Corpus Linguistics with Python and Dataframes