Инструменты и методы в коммуникационных исследованиях

2026/2027

Учебный год

RUS

Обучение ведется на русском языке

9

Кредиты

Кто читает:

Школа коммуникаций

Статус:

Курс обязательный

Когда читается:

3-й курс, 2-4 модуль

Преподаватели

Глазова Лилия Ильдаровна

Старовойтов Сергей Анатольевич

Программа дисциплины

Аннотация

Дисциплина «Инструменты и методы в коммуникационных исследованиях» является первой обязательной дисциплиной специализации «Исследования в коммуникациях», состоит из 2-х частей: ч.1 «Инструменты и методы в коммуникационных исследованиях: теория и практика» - 2 модуль 3 курса, ч. 2 «Инструменты и методы в коммуникационных исследованиях: технологии и инструменты» - 3 модуль 3 курса и 4 модуль 3 курса, включает 2 промежуточных контроля, итоговая оценка по дисциплине формируется в сессию 4 модуля 3 курса. Часть 1 «Инструменты и методы в коммуникационных исследованиях: теория и практика» посвящена целеполаганию использования исследований в коммуникациях. Цель– обеспечить студентов необходимыми навыками и умениями для определения, какое исследование для каких целей применяется. В результате освоения ч.1. студенты смогут составлять дизайн исследования, формулировать гипотезы и выводы на основании данных, разрабатывать рекомендации и находить инсайты для принятия решений. Работа в рамках блока строится вокруг освоения методов и подходов при поиске идей, управлении кампанией и оценки эффективности. Курс сочетает в себе лучшие практики различных методов исследований. Часть 2 «Инструменты и методы в коммуникационных исследованиях: технологии и инструменты» посвящена применению современных методов обработки количественных данных для целей коммуникационного исследования. Цель – обеспечить студентов необходимыми навыками и умениями для работы с эмпирическими данными, обобщения полученных результатов и создания уникальных коммуникационных продуктов на основании исследования. В результате освоения ч.2 студенты смогут применять методы статистики и машинного обучения для проведения коммуникационных исследований, формулировать выводы на основании данных и принимать решения, исходя из результатов исследований. Работа в рамках курса строится вокруг освоения методов и подходов обработки данных, построения и обучения моделей, применения их для решения реальных кейсов. Курс сочетает в себе лучшие практики аналитической работы, элементы анализа больших данных и основы дата-ориентированных коммуникаций, что является приоритетным направлением в индустрии сегодня.

Цель освоения дисциплины

• • овладение базовыми теоретическими подходами к коммуникационным исследованиям (ч.1) • формирование профессиональных компетенций по разработке дизайна и проведения коммуникационного исследования (ч.2.) • формирование профессиональных компетенций для проведения социологических, маркетинговых и коммуникационных исследований в сфере рекламы и PR (ч.2) • формирование профессиональных компетенций по работе с данными, используя язык программирования Python и его библиотеки, методы статистического моделирования и машинного обучения (ч.2).

Планируемые результаты обучения

• Знает ключевые понятия, цели и задачи, основные параметры и методы исследований в коммуникациях (ч.1)
• Владеет основными подходами к анализу данных в коммуникационных исследованиях (ч.1)
• Владеет коммуникационным исследованием как инструментом измерения эффективности управления коммуникацией, поиска идей и управления коммуникационной кампанией (ч.1)
• Владеет коммуникационным исследованием как инструментом измерения эффективности управления коммуникацией, поиска идей и управления коммуникационной кампанией (ч.1)
• Умеет разрабатывать дизайн коммуникационного исследования (ч.1)
• Знает основные статистические методы для обработки данных (ч.2)
• Умеет собирать и анализировать данные с помощью современных технических средств (ч.2)
• Владеет языком программирования Python и его инфраструктурой (ч.2)
• Владеет методами анализа текстовой информации (ч.2)

Содержание учебной дисциплины

• Инструменты и методы в коммуникационных исследованиях (ч.1)
• 1.1 История и теоретические основы развития коммуникационных исследований
• 1.2 Типы данных и исследований в коммуникациях
• 1.3 Модели измерения эффективности коммуникаций.
• 1.4 Дизайн коммуникационного исследования
• 1.5 Метрики в коммуникационных исследованиях
• 1.6 Метрики в медиааналитических исследованиях
• 1.7 Коммуникационные исследования и фреймворки
• 1.8 Исследование как информационный повод
• 1.9 Цели и задачи в коммуникационных кампаниях и исследованиях
• 1.10 Интегральный подход к измерениям и инсайты в исследованиях
• Инструменты и методы в коммуникационных исследованиях: технологии и инструменты (часть 2),
• 2.1 Введение в коммуникационные исследования
• 2.2 Исследования в индустрии коммуникаций
• 2.3 Язык программирования Python и его инфраструктура как инструменты коммуникационных исследований
• 2.4 Сбор данных из открытых источников данных с использованием инструментов парсинга
• 2.5 Средства хранения данных. Основы SQL. Графовые БД
• 2.6 Статистические методы в коммуникационных исследованиях
• 2.7 Основы машинного обучения для коммуникационных исследований. Основной паттерн обучения. Анализ тональности
• 2.8 Классификация
• 2.9 Кластеризация
• 2.10 Рекомендательные системы
• 2.11 Анализ и прогнозирование трендов
• 2.12 Обнаружение аномалий
• 2.13 Ансамбли моделей

Элементы контроля

• Эссе
  Эссе – это письменная работа, выполняемая на семинаре, должна содержать не менее 200 слов. Максимальное количество баллов – 10, минимальное – 0. Срок сдачи эссе – последний семинар курса.
• Работа на семинаре
• Контрольная работа
• Активность
• Контрольные работы
  Выполняются в формате решения практических задач.
• Экзамен
  Экзамен выполняется в формате теста. Продолжительность: 60 мин.

Промежуточная аттестация

• 2026/2027 2nd module
  0.25 * Контрольная работа + 0.25 * Эссе + 0.5 * Работа на семинаре
• 2026/2027 4th module
  0.5 * Экзамен + 0.2 * Активность + 0.3 * Контрольные работы

Список литературы

Рекомендуемая основная литература

• 33893 - Предварительная подготовка данных в Python. Том 1. Инструменты и валидация - А.Груздев - ДМК Пресс - 9785937001566 - 2023 - https://hse.alpinadigital.ru/document/33893 - Alpina
• Введение в статистическое обучение с примерами на Python : руководство / Г. Джеймс, Д. Уиттон, Т. Хасти, Р. Тибширани , перевод с английского А. Ю. Гинько. — Москва : ДМК Пресс, 2024. — 846 с. — ISBN 978-5-93700-217-4. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/464258 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Груздев, А. В. Предварительная подготовка данных в Python / А. В. Груздев. — Москва : ДМК Пресс, 2023 — Том 2 : План, примеры и метрики качества — 2023. — 814 с. — ISBN 978-5-93700-177-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/314948 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Шарден, Б. Крупномасштабное машинное обучение вместе с Python : учебное пособие / Б. Шарден, Л. Массарон, А. Боскетти , перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2018. — 358 с. — ISBN 978-5-97060-506-6. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/105836 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• 16740 - Python и машинное обучение - С.Рашка - ДМК Пресс - 2017 - https://hse.alpinadigital.ru/document/16740 - Alpina
• Hetland, M. L. (2017). Beginning Python : From Novice to Professional (Vol. Third edition). New York: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1174463
• Lipsman, A., Mud, G., Rich, M., & Bruich, S. (2012). The Power of “Like”: How Brands Reach (and Influence) Fans Through Social-Media Marketing. Journal of Advertising Research, 52(1), 40–52. https://doi.org/10.2501/JAR-52-1-040-052
• PR фирмы: технология и эффективность, Тульчинский, Г. Л., 2001
• Watson, T., & Noble, P. (2014). Evaluating Public Relations : A Guide to Planning, Research and Measurement (Vol. Third edition). London: Kogan Page. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=783327
• When communication meets computation: opportunities, challenges, and pitfalls in computational communication science. (2018). Communication Methods and Measures, 12(2–3: Computatiol Methods for Communication Science), 81–92. https://doi.org/10.1080/19312458.2018.1458084
• Wouters, P., Zahedi, Z., & Costas, R. (2018). Social media metrics for new research evaluation. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsarx&AN=edsarx.1806.10541
• Анализ социальных медиа на Python : извлекайте и анализируйте данные из всех уголков социальной паутины на Python, Бонцанини, М., 2018
• Бизли, Д. Python. Книга рецептов / Д. Бизли, Б. К. Джонс , перевод с английского Б. В. Уварова. — Москва : ДМК Пресс, 2019. — 646 с. — ISBN 978-5-97060-751-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131723 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Бюиссон, Ф. Анализ поведенческих данных на R и Python / Ф. Бюиссон , перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2022. — 368 с. — ISBN 978-5-97060-992-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/241145 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Глазова Л. - Зачем пиарщику линейка? Советы по измерению коммуникаций - 978-5-907394-94-0 - Альпина ПРО - 2026 - https://znanium.ru/catalog/document?id=473805 - 473805 - ZNANIUM
• Зачем пиарщику линейка? : советы по измерению коммуникаций, Глазова, Л., 2024
• Златопольский, Д. М. Основы программирования на языке Python / Д. М. Златопольский. — 2-ое изд., испр. и доп. — Москва : ДМК Пресс, 2018. — 396 с. — ISBN 978-5-97060-641-4. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/131683 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Мартин, О. Байесовский анализ на Python : руководство / О. Мартин , перевод с английского А. В. Снастина. — Москва : ДМК Пресс, 2020. — 340 с. — ISBN 978-5-97060-768-8. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/140585 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Митчелл, Р. Скрапинг веб-сайтов с помощю Python : руководство / Р. Митчелл , перевод с английского А. В. Груздев. — Москва : ДМК Пресс, 2016. — 280 с. — ISBN 978-5-97060-223-2. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100903 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Мишра, П. Объяснимые модели искусственного интеллекта на Python. Модель искусственного интеллекта. Объяснения с использованием библиотек, расширений и фреймворков на основе языка Python / П. Мишра , перевод с английского С. В. Минца. — Москва : ДМК Пресс, 2022. — 298 с. — ISBN 978-5-93700-124-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/314894 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Практика медиа измерений: аудит, отчетность, оценка эффективности PR, Райхман, И., 2013
• Прогнозное моделирование в IBM SPSS Statistics и R : метод деревьев решений, Груздев, А. В., 2017
• Уэйд, Р. Аналитика в Power BI с помощью R и Python / Р. Уэйд , перевод с английского А. Ю. Гинько. — Москва : ДМК Пресс, 2021. — 338 с. — ISBN 978-5-97060-923-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/241049 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.