Methods for the classification of data from open-ended questions in surveys

PDF
Landesvatter_2024.pdf - Veröffentlichte Version
Download (942kB)

URN:	urn:nbn:de:bsz:180-madoc-670893
Dokumenttyp:	Dissertation
Erscheinungsjahr:	2024
Ort der Veröffentlichung:	Mannheim
Hochschule:	Universität Mannheim
Gutachter:	Keusch, Florian
Datum der mündl. Prüfung:	16 April 2024
Sprache der Veröffentlichung:	Englisch
Einrichtung:	Fakultät für Sozialwissenschaften > Social Data Science and Methodology (Keusch 2022-)
Fachgebiet:	310 Statistik
Freie Schlagwörter (Deutsch):	offene Umfrageantworten , Umfrage , NLP , Klassifizierungsmethoden , word embeddings , topic models
Freie Schlagwörter (Englisch):	open-ended survey questions , survey , NLP , classification methods , word embeddings , topic models
Abstract:	This dissertation investigates techniques for analyzing open-ended survey responses, which are typically short and lack contextual information. Specialized methods, such as word embeddings, are crucial in uncovering insights from these responses. Through three empirical studies, this thesis demonstrates the usefulness and application of these methods. Additionally, it delves into the evolution of open-ended survey questions within the survey landscape and provides an overview of available methods, including unsupervised and supervised approaches.