Andrey Mityunin

 В качестве наблюдения аудитории, я взял информацию с блога Вики Цветковой Задание 1 Анализируемый материал Реакция аудитории (ключевые слова, реакции и т.д.) Реакция наблюдателя (ключевые слова, ощущения и т.д.) Общее или различное в реакции и ключевых словах Краткий вывод включенного наблюдения 1. Apple world development conference Реклама заставляет задуматься, лёгкая для восприятия, позитивная,    слова «забавно», «смешно», легкая для восприятия, считывается сатира над обществом Легка, непринужденная реклама. Отражает зависимость общества от интернета Общее: лёгкость, непринуждённость. Разное: аудитория видит сатиру, я - зависимость от интернета. Сатирическая реклама, но посыл неясен. 2. Audi Смех, юмор. Более продающая реклама, она вызывает желание купить машину. Идея безопасности уходит на второй план. Как-будто длиться одинаково с предыдущей Ключевые слова: комфорт и безопасность Общее: юмор, позитив. Разное:...

№5. Sentiment-анализ: Первый текст Второй текст: Первый текст дает смешанные ощущения, нет четкого разделения на эмоциональные фрагменты. Второй занимает доминирующую позицию, поскольку, абзацы разделились на группы, из которых мы видим, какие являются более эмоциональными. Я думаю, что две модели довольно понятно демонстрируют эмоциональность текстов: Feature Statistics показывает диаграммы, по которым четко видна разница, а MDS помогает визуально проще понять, что доминирует. Но первая модель все же лучше, так как транслирует точные значения. №6. Кластерный анализ: Мои тексты описывают красоту природы. Каждый документ содержит в себе разные фрагменты.  Разделение произошло потому что одни тексты описывают  внешнюю, конкретную реальность, такие как утренние ритуалы и быт , а другие - время, покой, отстраненность .

 Графический анализ 1)  Кластеризация группирует изображения по их реальному визуальному сходству, например, по цветам или содержанию, находя скрытые закономерности. Но нельзя не отметить, что при объединении, постеры фильмов разделились на разные группы.  Image Grid более четко разделил картинки на кадры из фильмов, постеры и съемочный процесс.  2) Я брал фотографии из киноиндустрии. Я согласен с в Image Gird, поскольку, там более четкое распределение по группам: постеры, кадры из фильмов, съемочный процесс. Кластеризация же отнесла большую часть фотографий к двум группам. Анализ в Google Analytics  В качестве примера я взял блог Елизаветы Чугуновой.  Аудитория блога преимущественно российская, с явным лидером по активности из Челябинска. Основной интерес вызывает тема, связанная с «weird_kitty» и серией материалов "ЖМК-302. Методика медиаисследований. Практическое занятие №7. Метод свободных ассоциаций"  https://www.blogger.com/blog/post/edit/81...