In Chapter 2 of Text Mining with R, the authors introduce sentiment analysis. Your task is to reproduce and extend that example. Step 1 — Reproduce the Base Example Obtain the primary example code from Chapter 2. Create a Quarto (.qmd) file that successfully runs this code. Include a proper citation to the book and the original example code. Step 2 — Extend the Analysis Extend the original example in two ways: Use a different text corpus of your choosing (e.g., news articles, book reviews, speeches, social media, etc.). Add at least one additional sentiment lexicon, which may come from: Another R package, or A lexicon you locate through external research. You should clearly explain how the results differ from the original example.

Infections Database in R

Caso 2 Mac pollo Elaborado por Edith Correa y Elver Melo

El documento explica el método DIFFIT aplicado al modelo Tucker3 mediante datos simulados. Primero, se genera un arreglo de tres vías con estructura conocida y se añaden perturbaciones aleatorias. Luego, se estiman múltiples modelos con distintas combinaciones de componentes (P,Q,R), calculando su ajuste. DIFFIT agrupa estos modelos según la complejidad total S=P+Q+R y selecciona el mejor por cada nivel. Posteriormente, evalúa los incrementos de ajuste dif(s), identifica máximos secuenciales y calcula razones de saliencia para detectar el punto donde los beneficios marginales disminuyen. Finalmente, aplica un umbral para evitar mejoras insignificantes y elige la solución óptima. El enfoque permite seleccionar una dimensionalidad parsimoniosa, equilibrando ajuste y complejidad del modelo.