Иновации от УНСС: Доц. д-р Пламен Милев създава умни дигитални модели за пресклипинг

За дигиталната трансформация в сферата на медиамониторинга и научноизследователската дейност в УНСС, разговаряме с доц. д-р Пламен Милев от катедра „Информационни технологии и комуникации“ 

Приложението на иновативни подходи в медиамониторинга са преди всичко резултат от необходимостта да бъдат обработени много данни, защото в днешно време медиите са най-вече в интернет под формата на различни уеб базирани информационни системи, блогове и форуми, социални медии и др. Всички тези медии ежедневно генерират множество публикации, които следва да бъдат обработени. Традиционният пресклипинг включва публикации, които касаят съответната организация и се използва основно от специалистите в сферата на връзките с обществеността. Този традиционен подход предполага PR специалистите да се запознаят със съдържанието на публикациите. В съвременните условия обаче това може да бъде сериозно предизвикателство, защото по много теми публикациите в интернет могат да бъдат десетки, стотици или дори хиляди. В този смисъл съвременният прочит на пресклипинга следва да измести своя фокус към възможностите за различни видове анализ на данните от съответните публикации. Най-често срещаният пример в тази посока е количествен анализ за конкретни ключови думи и период от време. Количествените анализи са носители на полезна информация и когато става дума за по-голям период от време, където е възможно съответното групиране (например по месеци). Чрез подобен вид анализи често се открояват съответните тенденции в разпределението на данните.

Приложението на изкуствен интелект за анализ на данни е друг аспект на съвременния прочит на пресклипинга. Чрез този подход се установяват закономерности и зависимости между данните в публикациите, които не са предварително известни. Така например може да се изследва обвързаността на конкретни ключови думи за период от време със съответните населени места, в чиито контекст се срещат в публикациите. От своя страна населените места могат да се причислят към по-голямата регионална единица, към която принадлежат и по този начин да се получи като резултат от анализа разпределение на данните по региони.

Друг вид анализ на данни в този спектър представлява контент анализът. В този случай, отново с приложение на изкуствен интелект, се прави класиране на свързаните думи в контекста на конкретни ключови думи за период от време според броя на споменаванията в публикациите, в които се срещат. Този анализ може да се реализира и под формата на най-често срещаните думи в публикации за период от време.