Тип работы:
 Предмет:
 Язык работы:


РАЗРАБОТКА ИНСТРУМЕНТОВ АНАЛИЗА МЕДИА- ИНФОРМАЦИИ ПРОФИЛЕЙ СОЦИАЛЬНЫХ СЕТЕЙ ОБУЧАЮЩИХСЯ ДЛЯ ЗАДАЧ ОБРАЗОВАТЕЛЬНОГО МОНИТОРИНГА

Работа №35742

Тип работы

Дипломные работы, ВКР

Предмет

информатика

Объем работы46
Год сдачи2019
Стоимость4900 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
214
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 2
ГЛОССАРИЙ 6
ГЛАВА 1. КОНЦЕПЦИЯ РАЗРАБАТЫВАЕМОГО ИНСТРУМЕНТА 9
1.1 АНАЛИЗ МУЗЫКАЛЬНЫХ ПРЕДПОЧТЕНИЙ 12
1.2 АНАЛИЗ ТЕКСТОВ МУЗЫКАЛЬНЫХ ПРОИЗВЕДЕНИЙ 13
1.3 АНАЛИЗ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ 13
ГЛАВА 2. СБОР ДАННЫХ 15
2.1 ПОЛУЧЕНИЕ СПИСКА АУДИОЗАПИСЕЙ ИЗ СОЦИАЛЬНОЙ СЕТИ
ВКОНТАКТЕ 15
2.2 ПОЛУЧЕНИЕ ЖАНРОВ АУДИОЗАПИСЕЙ 17
2.3 ПОЛУЧЕНИЕ ТЕКСТОВ ПЕСЕН 18
2.4 ПОЛУЧЕНИЕ ФОТОГРАФИЙ ПОЛЬЗОВАТЕЛЕЙ ИЗ INSTAGRAM 18
ГЛАВА 3. ПРОЕКТИРОВАНИЕ БАЗЫ ДАННЫХ 19
3.1 АРХИТЕКТУРА БАЗЫ ДАННЫХ 19
ГЛАВА 4. РЕАЛИЗАЦИЯ ИНСТРУМЕНТОВ 22
4.1 РЕАЛИЗАЦИЯ ИНСТРУМЕНТА ВЕКТОРИЗАЦИИ ПО МУЗЫКАЛЬНЫМ
ПРЕДПОЧТЕНИЯМ 22
4.2 РЕАЛИЗАЦИЯ ИНСТРУМЕНТА ВЕКТОРИЗАЦИИ ПО ЭМОЦИОНАЛЬНОЙ
ОКРАСКЕ ТЕКСТОВ МУЗЫКАЛЬНЫХ ПРОИЗВЕДЕНИЙ 22
4.3 РЕАЛИЗАЦИЯ ИНСТРУМЕНТА АНАЛИЗА ГРАФИЧЕСКОЙ ИНФОРМАЦИИ
24
ГЛАВА 5. ТЕСТИРОВАНИЕ РЕЗУЛЬТАТОВ 26
5.1 КЛАСТЕРИЗАЦИЯ ПО МУЗЫКАЛЬНЫМ ПРЕДПОЧТЕНИЯМ 26
5.2 КЛАСТЕРИЗАЦИЯ ПО ЭМОЦИОНАЛЬНОЙ ОКРАСКЕ ТЕКСТОВ ПЕСЕН 27
5.3 ВЫВОД РЕЗУЛЬТАТОВ АНАЛИЗА ГРАФИЧЕСКОЙ ИНФОРМАЦИИ 27
ЗАКЛЮЧЕНИЕ 29
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 30
ПРИЛОЖЕНИЕ


В университетской среде существует такая роль как куратор академической группы. Практика педагогики и история работы образовательных учреждений свидетельствуют о важности роли куратора в процессе обучения и воспитания. Куратор академической группы строит свою работу на индивидуальном подходе к студентам - знании их интересов, наклонностей, быта, состояния здоровья, а также оказывает помощь в решении учебных, социально-бытовых и других проблем, возникающих в процессе обучения в университете.
Согласно документам о порядке работы куратора в Казанском федеральном университете [1, 2] перед куратором стоят следующие задачи:
• мониторинг социальных навыков студентов;
• помощь в формировании коммуникативных навыков;
• сплочение группы;
• налаживание микроклимата внутри студенческой группы;
• проведение индивидуальных консультаций по вопросам образования;
• помощь в личностном развитии;
• помощь в выборе личной образовательной траектории.
Ключевую роль в работе куратора академической группы играет персональная информация о студентах, доступная ему. Одним из источников дополнительной информации такого рода являются аккаунты студентов в социальных сетях (рис. 1).
На странице каждого студента может быть представлено значительное количество информации, которая может быть обработана куратором. Чаще всего куратор обращает внимание на записи на стене, репосты, список групп, личную информацию о студенте. Однако у большинства пользователей социальных сетей на странице также могут присутствовать. Оценка характера данной информации даже одного студента вручную представляет для куратора достаточно трудоемкую задачу, не говоря уже об анализе и сравнении её с другими обучающимися. Поэтому необходимо разработать программный инструмент, который позволит собирать медиаинформацию о студентах из их профилей в социальных сетях, анализировать её и получать цифровой портрет, который затем может быть использован в процессе деятельности куратора.
Целью работы является разработка приложения, способного собирать и анализировать графическую и аудио информацию об обучающихся из их аккаунтов в социальных сетях.


Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!
ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ
Курсовые Статьи Диплом Рязань

Были исследованы методы сбора, обработки и анализа графической и аудио-информации из социальных сетей Instagram и ВКонтакте. Были разработаны прототипы инструментов, которые могут автоматически собирать графическую и аудио-информацию информацию, обрабатывать и выдавать вектор-портреты студентов, которые затем могут быть использованы в работе куратора академической группы. Результаты работы были представлены на XI Международной научной конференции «Электронная Казань 2019» и опубликованы в работе [41].
Работа выложена в открытый доступ и доступна по ссылке http://gititis.kpfu.ru/Serazetdinov/media_data_analysis.


1. Памятка куратора академической группы: [Электронный ресурс].
URL: http://kpfu.ru/portal/docs/F2099274429/Pamyatka.kuratora.docx (дата
обращения: 01.06.2019).
2. Порядок работы куратора с академической группой: [Электронный
ресурс]. URL:
http://kpfu.rU/portal/docs/F130799850/Poryadok.raboty.kuratora.s.akademicheskoj.gr uppoj.docx (дата обращения: 01.04.2019)
3. Сайт проекта VK: [Электронный ресурс]. URL: https://vk.com (дата обращения: 01.06.2019).
4. Сайт Instagram: [Электронный ресурс]. URL:
https://www.instagram.com (дата обращения: 01.06.2019).
5. Определение термина API: [Электронный ресурс]. URL:
https://sendpulse.com/ru/support/glossary/api-code (дата обращения: 01.06.2019).
6. Определение термина капча: [Электронный ресурс]. URL:
https://myblaze.ru/vvod-kapchi/ (дата обращения: 01.06.2019).
7. Определение термина авторизация: [Электронный ресурс]. URL: https://dic.academic.ru/dic.nsf/fin_enc/19852 (дата обращения: 01.06.2019).
8. Определение термина веб-скрапинг: [Электронный ресурс]. URL: https://habr.com/ru/post/323202/ (дата обращения: 01.06.2019).
9. Определение терминов JSON, JSON Object: [Электронный ресурс]. URL: https://www.json.org/json-ru.html (дата обращения: 01.06.2019).
10. Документация PostgreSQL: [Электронный ресурс]. URL:
https://postgrespro.ru/docs/postgresql/11/intro-whatis (дата обращения: 01.06.2019).
11. Определение DBSCAN: [сайт]. URL: https://habr.com/ru/post/322034/ (дата обращения: 01.06.2019).
12. Определение термина кластеризация: [Электронный ресурс]. URL: http://neerc.ifmo.ru/wiki/index.php?title=Кластеризация
13. Определение термина классификация: [Электронный ресурс]. URL:
ЬИр:/^’^^тасЫпе1еагт^.т/’шк1/тёех.рЬр?й1;1е=Классификация (дата
обращения: 01.06.2019).
14. Определение Большой пятёрки черт личности: [Электронный
ресурс]. URL: http://www.elitarium.ru/cherty-lichnosti-harakter-ehkstravert-
introvert-nevrotizm-dobrosovestnost-ehmociya-povedenie-chuvstvo-nastroj- sklonnost-rabota-organizaciya-upravlenie-deyatelnost/ (дата обращения:
01.06.2019) .
15. Гречачин В. А. К вопросу о токенизации текста //Международный научно-исследовательский журнал. - 2016. - №. 6 (48) Часть 4. - С. 25-27.
16. Савин И. И. Текстовая кластеризация алгоритмом ROCK
[Электронный ресурс]. URL: http://www.myshared.ru/slide/533367. (дата
обращения: 01.06.2019).
17. Жердева М. В., Артюшенко В. М. Стемминг и лемматизация в lucene. net //Лесной вестник / Forestry bulletin. - 2016. - Т. 20. - №. 3. - C.131-134.
18. Определение байесовского классификатора: [Электронный ресурс].
URL: http://www.machine1earning.ru/wiki/index.php?tit1e=Байесовский_
классификатор (дата обращения: 01.06.2019).
19. Определение наивного байесовского классификатора:
[Электронный ресурс]. URL: http://www.machinelearning.ru/wiki/
index.php?tit1e=Наивный_байесовский_ квалификатор (дата обращения:
01.06.2019) .
20. CountVectorizer: [Электронный ресурс]. URL: https://scikit-
learn.org/stable/modules/generated/sklearn.feature extraction.text.CountVectorizer.ht ml#sklearn.feature extraction.text.CountVectorizer (дата обращения: 01.06.2019).
21. Сайт библиотеки sklearn: [Электронный ресурс]. URL: https://scikit- learn.org/stable/ (дата обращения: 01.06.2019).
22. Определение TfIdfVectorizer: [Электронный ресурс]. URL:
https:// scikit-learn.org/ stable/modules/generated/ sklearn.feature_extraction.text.
TfidfVectorizer.html#sklearn.feature_extraction.text.TfidfVectorizer (дата
обращения: 01.06.2019).
23. Определение TF-IDF: [Электронный ресурс]. URL: https://scikit- learn.org/stable/modules/generated/sklearn.feature extraction.text.TfidfTransformer. html#sklearn.feature extraction.text.TfidfTransformer (дата обращения:
01.06.2019) .
24. Определение логистической регрессии: [Электронный ресурс].
URL: http://www.machinelearning.ru/wiki/index.php?title=
Логистическая_регрессия (дата обращения: 01.06.2019).
25. Определение метода опорных векторов: [Электронный ресурс].
URL: http://www.machinelearning.m/wiki/index.php?title=Метод_опорных
_векторов (дата обращения: 01.06.2019).
26. Определение случайного леса: [Электронный ресурс]. URL:
https://dyakonov.org/2016/Ш14/случайный-лес-random-forest/ (дата обращения:
01.06.2019) .
27. Rentfrow P. J. The structure of musical preferences: a five-factor model / Rentfrow P. J., Goldberg L. R., Levitin D. J. //Journal of personality and social psychology. - 2011. - Т. 100, №. 6. - С. 1139.
28. Щебетенко С. А. Большая пятерка черт личности и активность пользователей в социальной сети «ВКонтакте». / Щебетенко С. А. // Вестник Южно-Уральского государственного университета. Серия: Психология. - 2013. - Т. 6 - № 4. - С. 73-83.
29. Документация API ВКонтакте: [Электронный ресурс]. URL:
https://vk.com/dev/manuals (дата обращения: 01.06.2019).
30. Отключение API ВКонтакте для аудио: [Электронный ресурс]. URL: https://vk.com/dev/audio_api (дата обращения: 01.06.2019).
31. Сайт проекта Vrit.me: [Электронный ресурс]. URL: https://vrit.me (дата обращения: 01.06.2019).
32. Сайт проекта Last.fm Web Services: [Электронный ресурс]. URL: https://www.last.fm (дата обращения: 01.06.2019).
33. API проекта Last.fm Web Services: [Электронный ресурс]. URL: https://www.last.fm/api (дата обращения: 01.06.2019).
34. Датасет музыкальных текстов: [Электронный ресурс]. URL:
https://www.kaggle.com/artimous/every-song-you-have-heard-almost (дата
обращения: 01.06.2019).
35. Сайт проекта kaggle: [Электронный ресурс]. URL:
https://www.kaggle.com (дата обращения: 01.06.2019).
36. API Instagram: [Электронный ресурс]. URL:
https://www.instagram.com/developer/ (дата обращения: 01.06.2019).
37. Библиотека instagram-scraper для работы с Instagram API: [Электронный ресурс]. URL: https://github.com/rarcega/instagram-scraper (дата обращения: 01.06.2019).
38. Официальный сайт языка программирования Python: [Электронный ресурс]. URL: https://www.python.org/ (дата обращения: 01.06.2019).
39. Датасет для обучения классификатора: [Электронный ресурс]. URL: https://www.kaggle.com/erav1vildiz/emotion-classification#emotion.data (дата обращения: 01.06.2019).
40. Библиотека face-recognition: [Электронный ресурс]. URL:
https://pypi.org/project/face_recognition/ (дата обращения: 01.06.2019).
41. Серазетдинов Д. М. Использования данных социальных сетей в задачах образовательного мониторинга / Серазетдинов Д. М., Солнцев М. А., Абрамский М. М. // Учёные записки института социальных и гуманитарных знаний. - 2019. - 1(17) - С. 451- 456 

Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы

Заказать работу

Заявка на оценку стоимости

Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы

Каталог работ (130641)

Новости

06.01.2018 Помощь студентам и аспирантам в выполнении работ от наших партнеров Помощь студентам и аспирантам в выполнении работ от наших партнеров

Помощь в выполнении учебных и научных работ на заказ ОФОРМИТЬ ЗАКАЗ

дальше

»» Все новости

Заказать работу

Заявка на оценку стоимости

Это краткая форма заказа. После ее заполнения вы перейдете на полную форму заказа работы

Заказать диплом

Приглашаем авторов студенчесчких работ


©2024 Cервис помощи студентам в выполнении работ
.