Leitura dos dados

Abaixo, para obter a descrição é o mesmo código dos ganhadores, com exceção do html_nodes("a") que corresponde a separação dos vencedores. No caso, essa separação é possível por que os vencedores estão linkados para outra página e por isso eles estão separados pelo nó "a".

DESC <- NOBEL %>%
          html_nodes(".by_year") %>%
            html_nodes("p") %>%
              html_text()

Você pode dar uma olhada nas descrições abaixo:

head(DESC)

## [1] "Abhijit Banerjee, Esther Duflo and Michael Kremer “for their experimental approach to alleviating global poverty”"
## [2] "William D. Nordhaus  “for integrating climate change into long-run macroeconomic analysis”"                       
## [3] "Paul M. Romer  “for integrating technological innovations into long-run macroeconomic analysis”"                  
## [4] "Richard H. Thaler “for his contributions to behavioural economics”"                                               
## [5] "Oliver Hart and Bengt Holmström “for their contributions to contract theory”"                                     
## [6] "Angus Deaton “for his analysis of consumption, poverty, and welfare”"

Como você pode observar há uma série de informações que não são relevantes para uma nuvem de palavras, como as ditas stop words, os nomes dos autores, vírgulas, aspas e assim por diante…

Limpeza dos dados

Para a retirada desses termos “desnecessários” para nossa análise, devem ser feitos os seguintes procedimentos.

#removendo nome dos ganhadores
DESC <- removeWords(DESC,Ganhadores) 
# do pacote qdap
DESC <- rm_bracket_multiple(DESC, replacement = "") #retira parênteses
DESC <- rm_abbreviation(DESC) # retira abreviação (não era muito necessário)
DESC <- rm_non_words(DESC) # retira aquilo que não são palavras
# do pacote tm
DESC <- tolower(DESC) # coloca tudo em minusculo
DESC <- removePunctuation(DESC) # remove a pontuação
DESC <- removeNumbers(DESC) # retira números
# Remover nome dos ganhadores e conectores
DESC <- removeWords(DESC,c(stopwords("en"), 
                           "economic", "analysis", "theory",
                           "economics", "analyses", "research",
                           "contributions", "analyzing")) # retirando stopwords
DESC <- stripWhitespace(DESC) #retirando espaços em branco

Acho que preciso estender um pouco mais as explicações. Aqui, a sequência dos procedimentos interfere no resultados. Por exemplo, no meu rascunho, havia começado pela remoção de espaços em branco e retirava o restante das “coisas” depois. Acontecia que chegava ao final da rotina cheio de espaços em branco. A saber, isso interfere no resultado, pois cada dois espaços em branco definem um objeto, assim três espaços em branco, contabilizaria um espaço em branco como uma palavra.

Em seguida, utilizei algumas funções do qdap que fiquei sabendo em uma das referências que citei lá no começo. Entretanto, se você reparar, o pacote que carregado é o qdapRegex que é outro. Não sei exatamente qual a relação deles, só busquei as funções de que precisava de forma um tanto acrítica (sempre questionável). Tive que encontrar uma função que não era sugerida na referência que consultei, a rm_non_words. Isso por que os dados que carreguei possuíam uma aspa que não era removida nas outras funções.

Acredito que o uso dessa função praticamente torna desnecessárias as funções de remover pontuação e números, mas deixei ali para lembrar dessas funções quando for necessário.

Por fim, removi, além das stop words (conectores como and, to, however…) e a expressão economic, analysis e theory (e suas variações) que eram bastante citadas, mas que não querem dizer muita coisa nesse caso.

O gráfico!

Enfim, o gráfico. Receio que não seja nada muito empolgante. É um claro caso de que a jornada é mais interessante que o destino final.

wordcloud(DESC)

Daí concluímos que os vencedores do Nobel em economia, segundo seus organizadores, possuem trabalhos pioneiros, grande parte em desenvolvimento, mas também interessados em métodos, trabalhos empíricos, políticas e macroeconomia. Nenhum grande achado aqui.

Enfim, isso foi um exercício. Abaixo eu listo algumas das coisas que podem ser feitas a mais e que eu gostaria de fazer, mas vai ficar para o ano que vem.