Sociala medier

Vad är sociala medier? Webbaserade plattformar som möjliggör delning och spridning av informativt innehåll

Graden självrepresentation hur mycket användarna kan presentera sig själva

Graden medierikedom Hur många olika typer av medieinnehåll plattformarna stödjer

Konvergenskultur Hur olika medieformer och plattformer smälter samman och innehåll flödar över dessa plattformar

Massmediekulturens tid Konsumenter var passiva, förutsägbara, individuella och osynliga

Affective economics Konsumenter måste aktivt vilja interagera med reklamen, skapa långsiktiga relationer

Participatory culture Användarna vill bli del av medieinnehållet, vilket skapar gratis arbetskraft

Intertextualitet text refererar till, påverkas av eller samspelar med andra texter, vilket skapar en väv av meningsskapande

Data Information som är strukturerad för bearbetning, analys och lagring

Etnografi studier av människors kulturer och samhällen genom observationer och intervjuer

Nätnografi Anpassning av etnografi till den digitala miljön för att studera sociala interaktioner online

Data-Science processen 1. Exploration 2. Inference 3. Prediction

Association Relationer mellan faktorer utan att ange orsakssamband

Korrelation Statistiskt mått på relationen mellan två variabler

Korrelationskoefficienten ju närmare 1/-1 desto starkare korrelation mellan variablerna

Symmetriska relationer Ömsesidig påverkan

Assymetriska relationer Ensidig påverkan

Förväxlingsfaktorer Variabel som påverkar både den oberoende och beroende variabeln

Web Science Tvärvetenskaplig forskningsfält som studerar stora socio-tekniska system inkl. webben

Sociala medier data Användargenererat innehåll, maskingenererad data, metadata och interaktionsdata

Big Data Volym, Variation, Velocity (Hastighet) och Veracity (Aktualitet)

Datasekretess, integritet och säkerhet Anonymisering av känslig data, säker datalagring och överföring, samt regelbundna säkerhetsgranskningar säkerställa överensstämmelse med regelverk som GDPR

Bias och representation Vara medveten om snedvridningar och använda statistiskt representativa urval, samt vara neutral i frågeformulering

Transparens och ansvar Kräva oberoende verifiering och säkerställa öppenhet i forskningspublikationer och marknadsföringsmaterial

Regelverk och riktlinjer GDPR, HIPAA, CCPA, följa etiska riktlinjer för AI och maskinlärning

Data mining Processen att upptäcka mönster, relationer och insikter från stora mängder data.

API-användning Använda ett gränssnitt för att interagera med andra mjukvarutjänster eller system, vilket möjliggör datautbyte och åtgärder mellan olika program.

Webbskrapning Automatiskt navigera och samla in data från webbsidor

Verktyg för dataanalys Fristående och plattformsspecifika

Algoritmer Bestämmer vilket innehåll som visas för användare baserat på tidigare beteenden

Filterbubblor Användare exponeras för innehåll som förstärker deras egna perspektiv

Värdet av sociala medier Användarnas data, samlas in genom aktiviteter och cookies

Riktad marknadsföring använder persondata för att anpassa annonser till användares beteenden

Kontextuell marknadsföring Marknadsföring baseras på den kontext användare befinner sig i utan att använda persondata

Deskriptiv analys Sammanfattar och beskriver data med statistiska mått och visualiseringar (medelvärde, histogram)

Explorativ analys (EDA) Utforskar data för att hitta mönster och avvikelser, ofta med grafiska representationer (boxplott, scatter plot)

Prediktiv analys Använder historiska data för att göra förutsägelser om framtida händelser (regression, maskininlärning)

Textanalys Analysera stora mängder ostrukturerad textdata för att extrahera information och analysera känslor (NLP, sentimentanalys)

Representation Hur vi representerar data påverkar vad vi kan göra med den. Avgörande inom Data mining att data är i rätt form.

Kvalitet Dataförberedelse utgör ofta 80% av arbetet i ett data mining-projekt

Strukturerad data Vanligtvis organiserad i rader (records) och kolumner (variabler) där varje rad representerar ett objekt

Ostrukturerad/Semi-strukturerad data Information som inte är organiserad i tabellformat med tydliga rader och kolumner, vilket inkluderar exempel som text, bilder och ljud.

Datamatriser Tabellen som används för att organisera data för analys

Enkla taxonomier av data Kategorisk, nominal, ordinal, numerisk, intervall, kvot

Kategorisk data Delas upp i nominal och ordinal data

Nominal data kategorier utan inbördes ordning

Ordinal Kategorier med meningsfull ordning, men utan lika avstånd mellan dem

Numerisk data Delas upp i intervall och kvotdata

Intervall data Har meningsfulla avstånd men ingen absolut nollpunkt

Kvot data Har en absolut nollpunkt

Gles transaktionsdata Representerar transaktioner med många tomma poster

Binär attributmatris Innehåller 0 eller 1 för att visa frånvaro eller närvaro av attribut

Dokument-termmatris Används för att analysera textdata genom att visa hur ofta ord förekommer i dokument

Sammanfattande statistik Medelvärde, median, spridning

Visualisering Diagram och grafer för att tydligt visualisera data

Univariant analys Analysera en variabel åt gången

Multivariant analys Analysera två eller fler variabler samtidigt

Bivarait analys Analysera två variabler samtidigt

Visualisering Hjälper att identifiera relationer och mönster

Klassificering (data mining metoder) Prediktion av kategoriska utfall

Regression (Data mining metoder) Prediktion av kontinuerliga värden

Supervised Learning (Data mining metoder) Modeller tränas på historiska data för att göra prediktioner

Unsupervised Learning (Data mining metoder) Hittar mönster i data utan historiska utfall

Klusteranalys Grupperar data baserat på likheter

Associationsanalys Hittar samförekomster av objekt

CRISP-DM Standardiserad process för data-mining projekt

CRISP-DM modellen 1. Affärsförståelse 2. Dataförståelse 3. Dataförberedelse 4. Modellering 5. Utvärdering 6. Implementering

Beslutsträd Teknik som används för klassificering där data delas upp i grenar baserade på beslutskriterier

Typ I fel falsk positiva

Typ II fel falsk negativ

Noggrannhet Antal korrekta prediktioner dividerat med totalt antal prediktioner

Felfrekvens Antal inkorrekta prediktioner dividerat med totalt antal prediktioner

Regression Används för att förutsäga numeriska värden

Clustering En teknik för att gruppera data utan fördefinierade kategorier. Används ofta för att identifiera mönster och grupperingar i data

Associations analys Används för att hitta relationer mellan variabler i stora dataset

bygg och bedöm modellen Implementera den valda modellen och träna den på din data, utvärdera modellens prestanda med både tekniska och affärsmått

Data mining core tasks 1. Predicitve Modeling 2. Cluster Analys 3. Associations analys

Text mining Processen att extrahera användbar information och insikter från stora mängder textdata genom att använda datorbaserade metoder och tekniker.

Natural Language Understanding (NLB) Teknik som möjliggör för datorer att förstå och tolka textdata på ett meningsfullt sätt

Text Mining Process 1. Preprocessing 2. Feature Extraction 3. Modeling Techniques

Social Machines System som kräver både datorer och människor för att fungera. Kombinerar bådas kapacitet för att skapa något nytt.

Klicka

Skriv

Lyssna

Spel

Skriv ut