Зависимость между количеством ошибок и показателями сложности текста

Структура репозитория:

• Inspector
• R

Inspector

В этой папке находятся все вспомогательные файлы Инспектора. Кроме того, здесь находится папка exam, в которой должна быть размещена версия REALEC'а, соотносимая с названиями эссе из исследуемого датасета.

В папке table находятся таблицы с исследуемыми эссе следующего вида:

text_name	errors
.
.
.
One Error		x
Four and more		y

Сам Инспектор запускается из файл main.py. Там есть несколько функций, которые отвечают за создание датасетов. Кроме того, здесь же находятся примеры полученных датасетов про синтаксис: dataset_syntax.csv, dataset_syntax_1.csv, dataset_syntax_2.csv.

UPD: ВАЖНО! для корректной работы Инспектора тебуется scikit-learn версии 0.21.2

R

В папке находится директория datasets, в которую кладутся файлы, полученные из main.py в предыдущем пункте.

Сам код состоит из подключения пакетов, функции и её запуска.

Чтобы установить необходимые пакеты необходимо дописать строки следующего вида:

install.packages("PACKAGE_NAME")

Функция работает следующим образом:

• считываем датасеты в датафреймы
• убираем столбец с именем (он нам не понадобится при обучении модели)
• обучаем модель
• получаем результаты с помощью функции stargazer из одноимённого пакета
• результаты записываются в файл regression_results.html
• также можно получить не HTML код таблицы, а код для вставки в Latex: для этого нужно удалить аргумент type. Сами авторы пакета предлагают копировать таблицы в .docx через срендеренный HTML, в целом удобно, но как-то костыльно, попробую потом сразу в Word писать

Примеры для R также есть в папке.