Periodismo II (Datos de Investigación)
URI permanente para esta colecciónhttps://hdl.handle.net/11441/150648
Examinar
Envíos recientes
Dataset Dataset de Análisis de la representación del territorio y la discapacidad en la serie Fácil. Instrumento de análisis y conjunto de datos(2025-02-26) Figuereo Benítez, Juan Carlos; García-Prieto, Victoria; Bonilla-del-Río, Mónica; Universidad de Sevilla. Departamento de Periodismo II; García-Prieto, VictoriaDataset compuesto por un instrumento de análisis cualitativo y el conjunto de datos aplicado a la serie de ficción audiovisual Fácil (Anna R. Costa; Movistar +). La ficha de análisis incluye las variables y categorías utilizadas para estudiar la representación del territorio y la discapacidad, incluyendo su descripción detallada y referencias. Se organiza en tres bloques: representación del territorio y la identidad cultural; representación de la discapacidad en la narrativa, dado que las cuatro protagonistas tienen discapacidad intelectual; e influencia del territorio en estos personajes, considerando factores políticos, lingüísticos, socioeconómicos y culturales. El conjunto de datos incluye de forma unificada la información recopilada tras el análisis realizado por tres codificadores de forma independiente.Dataset Instagram de productoras españolas: análisis de estrategias de promoción cinematográfica [Dataset](2025-01-21) Oliveira, Julieti Sussi de; García-Prieto, Victoria; Universidad de Sevilla. Departamento de Periodismo IIConjunto de datos que recoge información sobre las estrategias de promoción en Instagram empleadas por las productoras nacionales responsables de las 10 películas españolas más taquilleras de 2023, a partir de un análisis cuantitativo de 449 publicaciones realizadas en sus perfiles oficiales. Las variables incluyen fecha y frecuencia de publicación, tipo de contenido (paratextual, metatextual, transmedia y comercial), formato (fotografía, vídeo, carrusel de fotografía) y número de hashtags utilizados, interacciones generadas (likes, comentarios) junto con datos del perfil, como el número total de seguidores y el engagement medio del mismo.Dataset Redefining Hallin and Mancini’s Media System: Cross-Border Investigative Networks in Europe [Dataset](2024-02-14) Romero-Domínguez, Lorena R.; Universidad de Sevilla. Departamento de Periodismo II; Romero-Domínguez, Lorena R.; Sánchez-Arnau, Claudia; Universidad de Sevilla. SEJ528: Medios, Políticas de Comunicación y Democracia en la Unión Europea (DEMOC-MEDIA)En este trabajo se han analizado un total de 1015 documentos relativos a los resúmenes de las conferencias celebradas por Dataharvest (the European Investigative Journalism Conference) durante el período 2014-2023. Para el análisis se ha utilizado Python con los paquetes pandas, spacy, sklearn, sentences_transformers y matplotlib, además de algunos otros paquetes auxiliares y R con el paquete ggplot2 para las representaciones. Las técnicas empleadas a lo largo del análisis han sido: • Análisis frecuentista de textos, que permite hacer el conteo de aparición en documentos de tamaño variable. Se consideran diferentes términos gramaticalmente relacionados y sinónimos, habiéndose eliminado las stopwords. Se han utilizado distintas matrices de frecuencias: BoW (Bag of Words) con los conteos por palabra sin ninguna transformación, y TF-IDF utilizando una reducción logarítmica de la frecuencia para resaltar palabras que pueden ser menos comunes, pero aun así relevantes. También se han utilizado n-gramas para detectar apariciones adyacentes de términos. • Análisis de asociaciones entre términos: se trata de detectar apariciones conjuntas de términos en documento, sin necesidad de que las palabras aparezcan de forma consecutiva en el texto. Se ha utilizado un índice de coincidencia para ordenar la relevancia de las parejas de términos según sus apariciones en documentos. • Análisis de agrupamiento: se ha utilizado transformers (redes neuronales) aplicadas a vectores de documentos con sBERT. Con los resultados obtenidos se ha realizado un agrupamiento utilizando el método métrico k-means. Este método establece, a partir de un número determinado de centros propuesto por el analista (con el apoyo de método elbow curve), el mismo número de grupos de documentos de forma que se minimiza la distancia cuadrática entre los vectores de documento y cada uno de los centros. Entre todas las posibles opciones, el resultado es el que sitúa esos centros y establece una partición de todos los documentos asociando cada uno de ellos a un centro de forma que se minimiza el error cuadrático medio.