• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Научно-исследовательский семинар

2023/2024
Учебный год
RUS
Обучение ведется на русском языке
5
Кредиты
Статус:
Курс обязательный
Когда читается:
2-й курс, 1-3 модуль

Преподаватели


Урусова Надежда Александровна

Программа дисциплины

Аннотация

Научно-исследовательский семинар на 2 курсе программы «Медиакоммуникации» предназначен для формирования у студентов базовых представлений и навыков в сфере медиаисследований. Тематический модуль «Введение в медиаисследование» раскрывает специфику социально-гуманитарного знания с последующим фокусом на исследованиях в сфере медиа, включая их дизайн, методы и оформление результатов. Тематический модуль под «Методы исследования медиаконтента», который посвящен изучению направлений и методов анализа медиаконтента (количественным и качественным). Формы текущего контроля включают домашние задания (написание аналитической записки по итогам сбора данных, разработка исследовательских проектов). Тематический блок «Опросные методы исследования» посвящен принципам сбора количественных опросных данных, качественных опросных данных и методологических принципов проведения опросных исследований онлайн. По итогам курса студенты выполняют практические задания: разрабатывают и пилотируют собственный исследовательский инструментарий, как в индивидуальном порядке, так и в небольших группах.3 Курс посвящён инструментальным методам медиааналитики. Во втором модуле студенты научатся использовать системы генеративного искусственного интеллекта, не требующие навыков программирования, для создания и анализа медиаконтента, интерпретации статистических данных и принятия решений в процессе создания и редактирования различных материалов. Они получат представление о методах промпт-инжиниринга, создании системных ролей для систем искусственного интеллекта и основных разновидностях генеративных систем для анализа данных в медиасфере. Третий модуль курса направлен на развитие у слушателей знаний о математических методах в медиаисследованиях и связанных с ними практических навыках, а также с математическими основами ИИ-моделей. Тематический блок «Введение в математическую статистику» познакомит студентов с моделированием случайных величин, первичной обработкой количественных данных в медиаисследованиях, точечном и интервальном оценивании неизвестных параметров распределений, проверкой статистических гипотез и азами продвинутых методов статистического анализа (корреляционный, кластерный и факторный анализ). Тематический блок «Прикладные задачи в медиаисследованиях» даст представление о принципах сбора количественных данных медиаисследований, ключевых метриках медиаметрии, панельных методах и количественных методах контент-анализа. Четвертый модуль посвящен маркетинговому анализу данных для принятия решений в бизнесе и оптимизации работы с трафиком на коммерческих сайтах. Тематический блок «Маркетинговая аналитика для оптимизации интернет-рекламы» познакомит с базовым набором метрик продвижения для продуктов и их арифметикой, применяемой в прикладных задачах бизнес-анализа, а также с главными отчетами в веб-аналитической системе «Яндекс Метрика». Блок «Методы проведения экспериментов в бизнесе при помощи маркетинговой аналитики» позволит разобраться с типовыми методами приоритезации гипотез в бизнесе и способами их проверки, что в свою очередь позволит студентам освоение аналитических подходов к формулированию идей для продвижения в интернете. Блок «Исследовательский анализ данных в бизнесе при помощи таблиц и Python» — прикладной блок по количественным методам работы с маркетинговыми данными, поможет студентам понять, как бизнес работает с «зашумленными данными», в условиях технических ограничений по сбору и обработке данных, а маркетологи анализируют рекламные кампании и принимают решения о дальнейшем продвижении. Блок «Доверительное A/B-тестирование» даст возможность понять, как проверять несколько маркетинговых гипотез при помощи статистических методов и делать выводы и рекомендации для бизнеса.
Цель освоения дисциплины

Цель освоения дисциплины

  • Сформировать у студентов базовые навыки научно-исследовательской работы, включая разработку методологии исследования
  • Научить студентов использовать различные методы сбора, обработки и интерпретации данных, в частности, в процессе написания курсовых работ по медийной тематике
  • Умение применять инструменты генеративного искусственного интеллекта для создания медиаконтента и проведения медиаисследований
  • Способность грамотно и осознанно решать задачи медиаисследований с привлечением продвинутого математического аппарата, анализировать их и формулировать выводы.
  • Умение анализировать и интерпретировать интернет-трафик на сайтах и решать типовые прикладные маркетинговые задачи с помощью анализа данных.
Планируемые результаты обучения

Планируемые результаты обучения

  • Разрабатывает дизайн исследования
  • Адекватно выбирает методы, стратегии, подходы
  • Находит и использует научную литературу
  • Находит качественные научные источники
  • Оформляет текст, ссылки и список литературы согласно российским / международным стандартам
  • Представляет и защищает проект медиаисследования
  • Проектирует дизайн медиаисследования
  • Работает с базами зарубежной научной периодики
  • Самостоятельно делает обзор литературы
  • Ставит исследовательские вопросы
  • проводит онлайн-исследования
  • составляет опросный инструментарий в качественных исследованиях
  • составляет опросный инструментарий в количественных исследованиях
  • Описывает и применяет основы фрейм-анализа
  • Описывает и применяет метод контент-анализа
  • Описывает и применяет принципы построения выборки в медиа исследовании
  • Знает определения и свойства распределения вариационного ряда, свойств эмпирической функции распределения.
  • Знает основные количественные характеристики медиатекстов, метрики и модели статистического контент-анализа.
  • Понимает взаимосвязь искусственного интеллекта и медиа.
  • Умеет выбирать инструменты на основе генеративного искусственного интеллекта для решения задач создания и анализа медиаконтента
  • Имеет представление о том, как генеративные модели создают и обрабатывает данные, и умеет перечислять основные параметры генеративных моделей
  • Умеет описывать типы моделей (например, языковые модели, модели генерации изображений)
  • Применяет генеративные модели для генерации медиаконтента: текстов, заголовков, изображений и других видов контента.
  • Применяет модели генерации изображений для создания аналитического контента (например, инфографики и дашбордов для соцсетей).
  • Знает место искусственного интеллекта и алгоритмов в цикле производства и потребления информации и современных информационных процессах.
  • Владеет инструментами на основе генеративного искусственного интеллекта для создания и анализа медиаконтента.
  • Знает основные параметры и типы моделей генеративного искусственного интеллекта.
  • Умеет применять модели генеративного искусственного интеллекта для создания различных видов медиаконтента.
  • Умеет оценивать влияние искусственного интеллекта на медиапроцессы и медиаиндустрию.
  • Умеет анализировать текущие тенденции и перспективы развития искусственного интеллекта в медиа.
  • Умеет оценивать эффективность различных инструментов генеративного искусственного интеллекта для конкретных задач.
  • Знает основные понятия, методы, схемы и алгоритмы современных систем искусственного интеллекта, используемых в медиакоммуникационной индустрии.
  • Умеет настраивать параметры моделей для достижения желаемого результата.
  • Знает основы теории вероятностей и математической статистики
  • Умеет использовать методы математической статистики для решения задач медиаисследований
  • Понимает метрики, встречающиеся в интернет-рекламе.
  • Понимает инструменты для исследовательского анализа данных в интернет-маркетинге.
  • Умеет обрабатывать сырые данные.
  • Умеет проводить количественные исследования по результатам рекламных кампаний в интернете
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Курсовая работа по медиаисследованиям
  • Теория, поиск и обзор литературы
  • Дизайн и методы медиаисследования
  • Дизайн и стратегии медиаисследования
  • Оформление результатов научного исследования
  • Защита командных исследовательских проектов
  • Количественный анализ медиатекстов. Примеры методов для количественного исследования: метод контент-анализа
  • Методологические развилки в рамках метода контент-анализа. Типы кодирования
  • Количественный анализ медиатекстов. Источники данных для количественного исследования
  • Количественный анализ медиатекстов. Презентации групповых проектов
  • Качественный анализ медиатекстов. Практикум по дизайну качественного медиа-исследования
  • Качественный анализ медиатекстов. Презентация мини-проектов
  • Введение в опросные методы
  • Количественные методы: сбор данных
  • Как формулировать вопросы.
  • Как проектировать анкету
  • Использование вторичных опросных данных.
  • Анализ количественных данных: введение.
  • Введение в качественные опросные методы.
  • Подготовка и проведения экспертного интервью.
  • Анализ качественных данных.
  • Проведение опросов онлайн.
  • Проведение качественных исследований онлайн.
  • Что такое генеративный искусственный интеллект.
  • Анализ данных из социальных сетей с помощью no-code и low-code решений
  • Большие языковые модели.
  • Модели для генерации изображений и визуального контента для социальных сетей.
  • Автоматизация генерации контента для социальных сетей.
  • Брейнсторминг с помощью генеративного искусственного интеллекта.
  • Разработка и тестирование проектов с использованием генеративного искусственного интеллекта.
  • Основы теории вероятностей.
  • Математическая статистика и методы статистической обработки результатов испытаний. Часть 1.
  • Математическая статистика и методы статистической обработки результатов испытаний. Часть 2.
  • Математическая статистика и методы статистической обработки результатов испытаний. Часть 3.
  • Метод контент-анализа: теоретические основания и применение.
  • Общий обзор современных технологий ИИ в медиа, их классификация и систематизация.
  • Маркетинговая аналитика для оптимизации интернет-рекламы
  • Методы проведения экспериментов в бизнесе при помощи маркетинговой аналитики
  • Исследовательский анализ данных в бизнесе при помощи таблиц и Python
  • Доверительное A/B-тестирование
Элементы контроля

Элементы контроля

  • неблокирующий Работа на занятиях
    Студентам необходимо участвовать в дискуссии на занятиях с преподавателем и друг с другом, формируя диалогическую коммуникацию, избегая многократного повторения одних и тех же суждений, демонстрируя фоновые и полученные в ходе подготовки к занятию знания. Вопросы студентам в аудитории дает преподаватель, вопросы базируются на домашнем задании. Время на подготовку - 20 минут
  • неблокирующий Анализ научной статьи
    Критический отзыв о научной статье, в которой были использованы методы исследований медиа. В отзыве должны быть - передача основных тезисов прочитанного текста, описание методов исследования, которые были применены в статье, критика прочитанного текста (аргументированное согласие/несогласие с выдвинутыми в тексте тезисами), обоснование возможных областей применения полученных знаний, анализ библиографии статьи.Задание выполняется дома. Объем отзыва 1200 слов.
  • неблокирующий Исследовательский проект
    Проект пишется по итогам освоения материалов курса. Тему исследования и подходящий для нее метод должен сформулировать сам учащийся, исходя из проблематики курса и своих интересов. Требования к проектному документу: Проект должен быть написано на языке реализации образовательной программы. Объем – не менее 4 и не более 10 страниц, шрифт Times New Roman прямого начертания, кегль (размер) шрифта 12, междустрочный интервал – полуторный. Текст должен быть завершенным и четко структурированным: введение (в котором формулируется проблематика исследования, ее предмет, актуальность и новизна), основная часть ( гипотеза исследования, дизайн исследования, которое учащийся собирается провести), заключение (содержащие собственные выводы по теме), список использованной литературы (не более 2 страниц). Необходимо указать ссылки на все использованные источники. В тексте должно быть продемонстрировано владение предметом исследования, его понятийным аппаратом, терминологией, знание общепринятых научных концепций в заданной предметной области, понимание современных тенденций и проблем в исследовании предмета. Степень оригинальности текста – не менее 70%. Текст должен был представить до дедлайна.
  • неблокирующий Генерация медиаконтента с помощью искусственного интеллекта
    Студенты осваивают навыки создания контента для современных медиаплатформ, учатся анализировать тренды и предсказывать реакции аудитории. Письменное задание заключается в выборе актуальной темы, которая может привлечь внимание целевой аудитории, и создании нескольких вариантов контента, включая тексты (лонгриды, публикации для блогов, интервью, обзоры), изображения (инфографика, иллюстрации, дизайн веб-страниц), а также аудио и видео (короткие видеоролики, анимации, звуковое сопровождение для подкастов или видео). Студенты используют инструменты медиааналитики и методы социологического опроса для оценки релевантности и качества сгенерированного контента, выявляя наиболее привлекательные элементы для аудитории и формулируя рекомендации по улучшению вовлеченности.
  • неблокирующий Анализ медиаконтента с помощью искусственного интеллекта
    Студенты осваивают навыки анализа медиаконтента, выявления трендов, оценки эффективности контента и предсказания реакций аудитории на основе анализа больших данных. Письменное задание заключается в выборе актуальной темы (связанной с психологией, образованием, лайфстайлом, технологиями и т. д.) и сборе данных из социальных сетей, новостных сайтов, блогов или видеохостингов с использованием инструментов веб-скрейпинга, сервисов анализа веб-трафика или API. Студенты анализируют и визуализируют метаданные, проводя текстовый анализ для выявления ключевых слов и тематических кластеров, анализ вовлеченности для извлечения информации о реакциях на публикации, выявляют тренды для определения популярных тем и форматов контента, а также сегментацию аудитории для выявления демографических и поведенческих характеристик. На заключительном этапе результаты анализа обобщаются в инфографике, выявляются закономерности, и формулируются рекомендации по ведению контента на различных площадках.
  • неблокирующий Задачи по статистике
    Данный элемент контроля представляет собой 10 задач по статистике, которые будут даны студентам (в виде двух домашних заданий). Решение задач должно быть сдано в письменной форме. Из этих 10 задач 8 являются задачами базового уровня, а 2 имеют повышенный уровень сложности. В случае, если какая-то из работ не сдана, средняя оценка рассчитывается из суммы общего количества работ, которые студент должен был сдать в рамках данного элемента контроля.
  • неблокирующий Исследовательский анализ данных
    Студенты получают песочницу данных c логами из Яндекс Метрики финтех-сервиса для онлайн-оплаты сервиса для командной игры в видеоигры. Необходимо самостоятельно, дома при помощи Python и библиотек для работы со статистикой и визуализации провести исследование. Оно включает в себя следующие этапы: Сделать предобработку данных, очистить от выбросов. Определить в датасете период проведения рекламных кампаний в Яндекс Директ, визуализировать бизнес-результаты до и после запуска рекламных кампаний. Установить гипотезу о влиянии “типов” рекламных кампаний в Яндекс Директе на результаты значимые для бизнеса. Отфильтровать и визуализировать типы кампаний и результаты. Предложить рекомендации по дальнейшему продвижению в Яндекс Директ.
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 3 модуль
    0.2 * Анализ научной статьи + 0.2 * Анализ научной статьи + 0.5 * Исследовательский проект + 0.5 * Исследовательский проект + 0.1 * Работа на занятиях + 0.1 * Работа на занятиях + 0.1 * Работа на занятиях + 0.1 * Работа на занятиях + 0.1 * Работа на занятиях + 0.1 * Работа на занятиях
  • 2024/2025 учебный год 4 модуль
    0.15 * Анализ медиаконтента с помощью искусственного интеллекта + 0.15 * Анализ медиаконтента с помощью искусственного интеллекта + 0.15 * Генерация медиаконтента с помощью искусственного интеллекта + 0.15 * Генерация медиаконтента с помощью искусственного интеллекта + 0.4 * Задачи по статистике + 0.4 * Задачи по статистике + 0.3 * Исследовательский анализ данных + 0.3 * Исследовательский анализ данных
Список литературы

Список литературы

Рекомендуемая основная литература

  • Abbott, M., & McKinney, J. (2013). Understanding and Applying Research Design. Hoboken, N.J.: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=531530
  • Davies, M. M., & Mosdell, N. (2006). Practical Research Methods for Media and Cultural Studies : Making People Count. Edinburgh: Edinburgh University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=165174
  • Gerring, J. (2007). Case Study Research : Principles and Practices. New York: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=185849
  • Jane Stokes. (2012). How to Do Media and Cultural Studies. SAGE Publications Ltd.
  • Бослаф, С. Статистика для всех : учебное пособие / С. Бослаф , перевод с английского П. А. Волкова [и др.]. — Москва : ДМК Пресс, 2015. — 586 с. — ISBN 978-5-94074-969-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/66475 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
  • Князева, Е. Н.  Философия науки. Междисциплинарные стратегии исследований : учебник для вузов / Е. Н. Князева. — Москва : Издательство Юрайт, 2023. — 289 с. — (Высшее образование). — ISBN 978-5-534-05131-5. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/514942 (дата обращения: 27.08.2024).
  • Массовая коммуникация в современном мире: методология анализа и практики исследований, Назаров, М.М, 2002
  • Михальская А.К. - Литературное мастерство: Creative Writing - НИЦ ИНФРА-М - 2023 - ISBN: 978-5-16-014653-9 - Текст электронный // ЭБС ZNANIUM - URL: https://znanium.com/catalog/document?id=418564
  • Погружение в аналитику данных: Пер. с англ. - 978-5-9775-6866-1 - Маунт Дж. - 2023 - Санкт-Петербург: БХВ-Петербург - https://ibooks.ru/bookshelf/389665 - 389665 - iBOOKS

Рекомендуемая дополнительная литература

  • Alpina - 19316 - К.Еременко - Работа с данными в любой сфере: Как выйти на новый уровень, используя аналитику - 9785961426526 - Альпина Паблишер - 2019 - https://hse.alpinadigital.ru/book/19316
  • Белановский С.А. - Глубокое интервью и фокус-группы - НИЦ ИНФРА-М - 2019 - ISBN: - Текст электронный // ЭБС ZNANIUM - URL: https://znanium.com/catalog/document?id=344899
  • Горшков М. К., Шереги Ф. Э. - Прикладная социология: методология и методы - Альфа-М - 2009 - ISBN: 978-5-98281-155-4 - Текст электронный // ЭБС ZNANIUM - URL: https://znanium.com/catalog/document?id=21759
  • Добреньков В. И., Кравченко А. И. - Методы социологического исследования - НИЦ ИНФРА-М - 2023 - ISBN: 978-5-16-014888-5 - Текст электронный // ЭБС ZNANIUM - URL: https://znanium.com/catalog/document?id=422914
  • Как организовать и представить исследовательский проект: 75 простых правил - 5-7598-0102-3 - Радаев В. В. - 2001 - Москва: ВШЭ - https://ibooks.ru/bookshelf/352970 - 352970 - iBOOKS
  • Оганян, К. М.  Методология и методы социологического исследования : учебник для вузов / К. М. Оганян. — 3-е изд., испр. и доп. — Москва : Издательство Юрайт, 2023. — 299 с. — (Высшее образование). — ISBN 978-5-534-09590-6. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/512697 (дата обращения: 27.08.2024).

Авторы

  • Котюкова Анастасия Васильевна
  • Фирсанова Виктория Игоревна
  • Тюркин Михаил Вячеславович
  • Вартанов Сергей Александрович
  • Аргылов Никита Антонович