Identyfikacja trendów w polskich mediach na przykładzie kwartalnika „Studia Medioznawcze”. Wykorzystanie narzędzi Big Data

• Authors: Pruchnik Piotr

Title variants

EN

Identification of Trends in the Polish Media on the Example of the Quarterly Studia Medioznawcze. The Use of Big Data Tools

• Languages of publication: PL

Abstracts

PL

Rynek mediów rozwija się dynamicznie, dlatego ważne jest właściwe prognozowanie trendów. Cel/teza: Celem artykułu jest identyfikacja trendów w polskich mediach. Metody badań: W artykule zaprezentowano unikalną metodykę rafinacji informacji Big Data do analizy trendów w mediach. Jako materiał źródłowy posłużyły teksty zamieszczone w kwartalniku „Studia Medioznawcze”. Do analizy wykorzystano narzędzia eksploracji danych oraz Big Data. Wyniki i wnioski: Sformułowano własną prognozę trendów mediów na bazie publikacji naukowych i porównano ją z przygotowaną przez firmę konsultingową PwC. Wartość poznawcza: Wyniki wykazują znaczne rozbieżności. Najbardziej perspektywiczne dziedziny w raporcie PwC – VR (virtual reality) oraz OTT (over the top) – nie mają potwierdzenia w artykułach naukowych.

EN

The media market is developing dynamically; therefore, it is important to forecast trends correctly. Scientific objective: The aim of the paper is to identify trends in the Polish media. Research methods: The paper presents a unique methodology of information extracting—Big Data for analyzing trends in the media. The source material were the texts published in the quarterly Studia Medioznawcze. The Big Data tools have been used for the analysis. Results and conclusions: Author’s forecast of media trends based on scientific publications have been formulated, and it was compared with the one prepared by the consulting company PwC. Cognitive value: The results show significant discrepancies. The most promising areas in the PwC Report Forecasts VR and OTT have no confirmation in scientific papers.

Keywords

PL

Big Data; eksploracja danych; media; PwC; trend

EN

Big Data; data mining; media; PwC; trend

• Publisher: Uniwersytet Warszawski. Wydział Dziennikarstwa, Informacji i Bibliologii
• Journal: Studia Medioznawcze
• Year: 2020
• Issue: 1
• Pages: 412-428

Contributors

author

Pruchnik Piotr

• Uniwersytet Warszawski

References

• Gogołek, W., & Jaruga, D. (2016). Z badań nad systemem rafinacji sieciowej. Identyfikacja sentymentów. Studia Medioznawcze, 4(67), 103-111.
• Kantar. (2019). Kantar unveils predictions for 2019 media landscape. Pobrane z https://uk.kantar.com/tech/digital/2018/2019-media-predictions/
• Mayer-Schonberger, V., & Cukier, K. (2017). Big Data, Rewolucja która zmieni nasze myślenie pracę i życie. Warszawa: MT Biznes.
• Ooms, J. (2018). hunspell: High-Performance Stemmer, Tokenizer, and Spell Checker. Pobrane z https://CRAN.R-project.org/package=hunspell.
• PwC. (2017). PwC's Entertainment & Media Outlook Forecasts U.S. Industry Spending to Reach $759 Billion by 2021. Pobrane z https://www.prnewswire.com/news-releases/pwcs-entertainment--media-outlook-forecasts-us-industry-spending-to-reach-759-billion-by-2021-300469724.html
• PwC. (2018). Perspektywy rozwoju branży rozrywki i mediów w Polsce 2018-2022. Pobrane z https://www.pwc.pl/pl/pdf/publikacje/2018/media-i-rozrywka-2018-raport-pwc.pdf.
• Silge, J., & Robinson , D. (2019). Text Mining with R A Tidy Approach. Pobrane z https://www.tidytextmining.com/
• Surma, J. (2019). Cyfryzacja życia w erze Big Data. Warszawa. PWN.
• Sztuka, film, media. (2015). Strategia rozwoju rynku medialnego w Polsce 2015–2020. Pobrane z http://sztukamediafilm.pl/wp-content/uploads/2014/09/SMF-Strategia-rozwoju-rynku-medialnego-w-Polsce-2015-2020.pdf.
• Team R Core (b.d.). The R Project for Statistical Computing. Pobrane z https://www.R-project.org/.

Identifiers

DOI

10.33077/uw.24511617.ms.2020.1.113