Дані соціальних медіа у середовищі великих даних
Анотація
У статті розглядаються дані соціальних медіа (ДСМ), які за походженням відрізняються від традиційних даних і тому потребують особливих методів збирання, оброблення та аналізу. Визначено, що незважаючи на велику кількість наукових публікацій, які присвячені питанням вивчення соціальних медіа і аналітики великих даних, потенціал ДСМ як складової великих даних усе ще залишається недосконало дослідженим.
У ході дослідження виокремлено два підходи до вивчення та аналізу ДСМ, згідно з якими ДСМ розглядаються як об’єкт Інтернет-статистики і як об’єкт великих даних. При дослідженні ДСМ як об’єкта Інтернет-статистики збирання знеособлених даних здійснюється за допомогою сервісів, які мають мережеві протоколи для збирання і аналізу даних про відвідувачів соціальних медіа з використанням статистичних методів. Якщо ДСМ досліджуються як об’єкт великих даних, збирання здійснюється переважно за допомогою штучного інтелекту, а для зберігання та оброблення використовуються бази даних, розраховані на великі обсяги даних, і програми статистичного оброблення даних).
В рамках дослідження визначено найпопулярніші соціальні медіа серед користувачів у 2020 р. Наведено статистичні показники для оцінювання зворотного зв’язку з аудиторією, які наразі доступні для статистичного оцінювання спільнот у соціальних медіа. Виявлено низку проблем, які, як і у випадку з великими даними, вимагають окрім багатоаспектного та комплексного підходу до збирання та оброблення ще й висококваліфікованих команд фахівців з різних предметних галузей, зокрема експертів з обчислень, експертів з машинного навчання, статистиків.
Завантаження
Посилання
Onlain 2020. Yak pandemiia vplynula na onlain-korystuvannia [Online 2020. What was the pandemic impact on online use]. Suspilne, October 29, 2020. Retrieved from https://suspilne.media/74631-onlajn-2020-ak-pandemia-vplinula-na-onlajn-koristuvanna/ [in |Ukrainian].
Schwaiger J., Hammerl T., Florian J., & Leist S. (2021). UR: SMART–A tool for analyzing social media content. Information Systems and e-Business Management, 19, 1275–1320. https://doi.org/10.1007/s10257-021-00541-4
Sarprasatham M. (2016). Big Data in Social Media Environment: A Business Perspective. Social Media Listening and Monitoring for Business Applications, pp. 70–93. https://doi.org/10.4018/978-1-5225-0846-5.ch004
Bing L., Chan K. C. C., & Ou C. (2014). Public sentiment analysis in Twitter data for prediction of a company’s stock price movements. 11th IEEE International Conference on e-Business Engineering (ICEBE 2014). Sun Yat-sen University, Guangzhou, China. Retrieved from https://research.tilburguniversity.edu/en/publications/public-sentiment-analysis-in-twitter-data-for-prediction-of-a-com
Budiharto W., & Meiliana M. (2018). Prediction and analysis of Indonesia Presidential election from Twitter using sentiment analysis. Journal of Big Data, 5, 51. https://doi.org/10.1186/s40537-018-0164-1
Seltzer E. K., Horst-Martz E., Lu M., & Merchant R. M. (September, 2017). Public sentiment and discourse about Zika virus on Instagram. Public Health, 150, 170–175. https://doi.org/10.1016/j.puhe.2017.07.015
Ahmad T., Alvi A., & Ittefaq M. (2019). The use of social media on political participation among university students: an analysis of survey results from rural Pakistan. SAGE Open, July-September, 1–9. https://doi.org/10.1177/2158244019864484
Svidronova M., Kascakova A., & Bambusekova G. (2019). Social media in the presidential election campaign: Slovakia 2019. Administratie si Management Public, 33, 181–194.
Mayfield A. (2008). What is social media? Vol. 1.4. Retrieved from: https://tavaana.org/sites/default/files/what-is-social-media-uk.pdf
Zernetska O. (2009). Hlobalna politychna blohosfera – nova arena politychnoi komunikatsii. Politychnyi menedzhment [The global political blogosphere: a new arena of political communication]. Politychnyi menedzhment – Political Management, 2, 13–26. Retrieved from http://dspace.nbuv.gov.ua/bitstream/handle/123456789/59793/02-Zernetska.pdf?sequence=1 [in Ukrainian].
McAllister I. (2016). Internet use, political knowledge and youth electoral participation in Australia. Journal of Youth Studies, vol. 19, issue 9, 1220–1236. https://doi.org/10.1080/13676261.2016.1154936
World Health Organization. (September, 2020). Managing the COVID-19 infodemic: Promoting healthy behaviours and mitigating the harm from misinformation and disinformation. Joint statement by WHO, UN, UNICEF, UNDP, UNESCO, UNAIDS, ITU, UN Global Pulse, and IFRC. Retrieved from https://www.who.int/news/item/23-09-2020-managing-the-covid-19-infodemic-promoting-healthy-behaviours-and-mitigating-the-harm-from-misinformation-and-disinformation
World Health Organization. (2020). WHA 73. Retrieved from https://apps.who.int/gb/e/e_wha73.html
Alton M. K. Chew, & Gunasekeran D. V. (2021). Social Media Big Data: The Good, The Bad, and the Ugly (Un)truths. Front. Big Data, 4, 623794. https://doi.org/10.3389/fdata.2021.623794
Domalewska D. (2021). An analysis of COVID‑19 economic measures and attitudes: evidence from social media mining. Journal of Big Data, 8, 42. https://doi.org/10.1186/s40537-021-00431-z
Internet World Stat. Retrieved from https://www.internetworldstats.com/
Digital 2021: Global Owerview Report (January, 2021). Retrieved from https://datareportal.com/reports/digital-2021-global-overview-report
TikTok says it has passed 1 billion users. (2021). The Verge. Retrieved from https://www.theverge.com/2021/9/27/22696281/tiktok-1-billion-users
Freeman L. C. (2004). The Development of social network analysis a study in the sociology of science. Empirical Press Vancouver, BC Canada, pp. 3–4. Retrieved from https://www.researchgate.net/profile/Linton-Freeman-2/publication/239228599_The_Development_of_Social_Network_Analysis/links/54415c650cf2e6f0c0f616a8/The-Development-of-Social-Network-Analysis.pdf
Wu C., Buyya R., & Ramamohanarao K. (2016). Chapter 1. Big Data Analytics = Machine Learning + Cloud Computing. Big Data Principles and Paradigms. R. Buyya, R. N. Calheiros, A. V. Dastjerdi (Eds.). Elsevier, pp. 3–38. https://doi.org/10.1016/B978-0-12-805394-2.00001-5
Kharkovchuk O. Dynamika zrostannia audytorii sotsialnykh merezh: porivniuiemo kvartalni zvity DataReportal za 2020 i 2021 roky [Dynamics of growth in the audience of social networks: comparing quarterly reports for 2020 and 2021]. Webpromo, July 8, 2021. Retrieved from https://web-promo.ua/ua/blog/dinamika-rosta-auditorii-socialnyh-setej-cravnivaem-kvartalnye-otchety-datareportal-za-2020-i-2021-gody/ [in Ukrainian].
Marr B. How Much Data Do We Create Every Day? The Mind-Blowing Stats Everyone Should Read. Bernard Marr & Co. Retrieved from https://bernardmarr.com/how-much-data-do-we-create-every-day-the-mind-blowing-stats-everyone-should-read/
Data Never Sleeps: Here’s What Happens Every Minute Online [Infographic]. (October, 2021). Retrieved from https://hcsmmonitor.com/2021/10/05/data-never-sleeps-heres-what-happens-every-minute-online-infographic/
Kaufmann M. A. (2019). Big Data Management Canvas: A Reference Model for Value Creation from Data. Big Data Cogn. Comput., 3(1), 19. https://doi.org/10.3390/bdcc3010019
Переглядів анотації: 619 Завантажень PDF: 691
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
