<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="cs">
	<id>https://wikisofia.cz/w/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=Marta.Ibrahimova</id>
	<title>Wikisofia - Příspěvky uživatele [cs]</title>
	<link rel="self" type="application/atom+xml" href="https://wikisofia.cz/w/api.php?action=feedcontributions&amp;feedformat=atom&amp;user=Marta.Ibrahimova"/>
	<link rel="alternate" type="text/html" href="https://wikisofia.cz/wiki/Speci%C3%A1ln%C3%AD:P%C5%99%C3%ADsp%C4%9Bvky/Marta.Ibrahimova"/>
	<updated>2026-04-20T04:27:54Z</updated>
	<subtitle>Příspěvky uživatele</subtitle>
	<generator>MediaWiki 1.33.0</generator>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28256</id>
		<title>NodeXL: Programovací jazyky Ruby a C++ očima Twitter diskuzí</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28256"/>
		<updated>2015-12-29T19:25:25Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Zuzana Dostálová''', Studia nových médií, e-mail: [mailto:dostalovaz@gmail.com dostalovaz@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Cíl této práce je porovnat programovací jazyky Ruby a C++ tak, jak jsou v současnosti probírané na sociálních sítích, konkrétně na Twitteru. Pro svou analýzu jsem si vybrala nástroj NodeXL - volně dostupný doplňěk pro Excel, který importuje data přímo z různých sociálních sítí a zpracovává na jejich základě vizualizace sociálních sítí.&lt;br /&gt;
&lt;br /&gt;
Mou hypotézou byla domněnka, že moderní jazyk, jako je Ruby, bude mít odlišný diskurz, než jazyk více tradiční a také podstatně více nízkoúrovňový jako je C++. Ruby vzniklo v roce 1995 (ruby-lang.org) ale široké a globální pozornosti veřejnosti se mu dostalo až s příchodem Ruby on Rails, frameworku pro dělání webových aplikací, v roce 2003. Jedná se o jazyk s jednoduchou syntaxí, který je přístupný začátečníkům. C++ je oproti tomu jazyk s dlouhou (přes 30 let) historií a širokým polem působnosti, který je však mnohem obtížnější na naučení. V programovací komunitě je považován za mnohem spolehlivější a výkonější, kdežto Ruby je někdy vnímáno až hanlivě, viz. například výňatek ze slavného blogpostu Bjorna Tiplinga:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_C++.png]] [[Soubor:NodeXL_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek č. 1 Ruby versus C++ (http://bjorn.tipling.com/)''&lt;br /&gt;
&lt;br /&gt;
Analýzu jsem prováděla na full-text vyhledávání pojmů &amp;quot;ruby programming&amp;quot; a &amp;quot;c++ programming&amp;quot;. Po vygenerování socilní sítě jsem se zaměřila na její tvar, obsah diskuzí ve formě nejčastěji používaných slov a tzv. hashtagů a na nejvýznamnější účatsníky diskuzí. Pracovala jsem s 2000 tweetu pro obě téma z doby za poslední týden (Twitter uplatňuje své vlastní omezení a není bohužel možné pracovat se staršími daty ([http://dev.twitter.com dev.twitter.com])).&lt;br /&gt;
&lt;br /&gt;
Dle výzkumů spoluautorů NodeXL Marca Smitha, Lee Rainee, Bena Shneidermana a Itai Himelboim se dají Twitter sociální sitě kategorizovat do 6 hlavních skupin dle jejich tvaru. Jedná se o “divided, unified, fragmented, clustered, and inward and outward hub and spoke” (Smith 2014), volně přeloženo jako polarizované, sjednocené, fragmentované, shlukované, směřující ven a směřující dovnitř. &lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_typy_siti.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 2. Typy  sítí sociálních médií (Smith 2014''&lt;br /&gt;
&lt;br /&gt;
Jelikož jsem neanalyzovala konkrétní termín, ale více obecný, vztahující se k celému jazyku, očekávála jsem fragmentovanou síť, která znamená, že lidé se lidé o tématu zmiňují, ale nerozebírají ho mezi sebou. Výkřiky typu “Začala jsem se učit #Ruby” jsou typickým příkladem neadresného tweetu, který daný termín jen zmiňuje izolovaně. &lt;br /&gt;
&lt;br /&gt;
Zde jsou výsledné sítě Twitter diskurzů pro jednotlivé jazyky:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_C++.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 4.  Sociální síť Twitteru pro dotaz &amp;quot;C++ programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 5.  Sociální síť Twitteru pro dotaz &amp;quot;Ruby programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
Na první pohled je zřejmé, že jsou si diagramy nápaditě podobné. Oba případy se vyznačují dominantním množstvím izolovaných jedinců, jak bylo popsáno výše a jak bylo očekáváno. Nicméně je nutné prozkoumat výsledky podrobněji, v tabulce 1. jsou hodnoty tzv. “graph density”, což je ukazatel hustoty sítě. Formálněji pak:&lt;br /&gt;
&lt;br /&gt;
&amp;quot;Network density is a general indicator of how connected people are in a network. Network density is the proportion of links in a network relative to the total number of links possible”&amp;quot;(Social Network Analysis).&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! !! Ruby programming!! C++ programming&lt;br /&gt;
|-&lt;br /&gt;
| Hustota sítě || 0,00106595461370655 || 0,000641017490771467&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
''Tabulka 1. hustota sítě''&lt;br /&gt;
&lt;br /&gt;
Čím vyšší číslo, tím více lidí je v síti propojených, neboli vedou mezi s sebou více konverazci (tím, že v tweetech zmiňují své jména a odpovídají si). Ruby si v tomto ohledu vede o poznání lépe. Síť pro dotaz &amp;quot;Ruby programming&amp;quot; také vykazuje vícero skupin, charakterizovaných jako &amp;quot;unified&amp;quot; - např. tři skupiny v horním pravém quadrantu. Druhá siť oproti tomu vykazuje vícero skupin typu &amp;quot;in-hub and spoke&amp;quot;, což v praxi znamená že jedna významná osobnost o tématu mluví a ostatní jí poslouchají a retweeatují, mezi sebou se ale nebaví. &lt;br /&gt;
&lt;br /&gt;
Analýza také odhalila nejpoužívanější slova ve spojení s danými jazyky. Pro Ruby to byla slova jako &amp;quot;programming&amp;quot;, &amp;quot;ruby&amp;quot;, &amp;quot;python&amp;quot;, &amp;quot;javascript&amp;quot;, &amp;quot;languages&amp;quot;, &amp;quot;php&amp;quot;, &amp;quot;java&amp;quot; a &amp;quot;c&amp;quot;. V rámci skupin pak se pak také opakoavalo &amp;quot;beginners&amp;quot; a &amp;quot;yukihiro matz&amp;quot; (pozn. autor jazyka Ruby). Pro C++ byly slova: &amp;quot;c&amp;quot;, &amp;quot;programming&amp;quot;, &amp;quot;gamedev&amp;quot;, &amp;quot;language&amp;quot;, &amp;quot;web&amp;quot;, &amp;quot;freelance&amp;quot;, &amp;quot;right&amp;quot;, &amp;quot;art&amp;quot; a v rámci skupin pak také &amp;quot;assembly&amp;quot; a &amp;quot;game&amp;quot;. Z toho plyne překvapivé zjištění a to že Ruby je nejčastěji spojováno s jinými programovacími jazykami, kdežto C++ se pojí s různorodými termíny.&lt;br /&gt;
&lt;br /&gt;
Jako poslední jsem se dívala na významené osobnosti v těchto diskurzech a také na to, jak se jejich jména objevovala v častých slovech nebo hashtazích. Již zmíněný Yukihiro Matz je na seznamu nejvlivnějších aktérů pro Ruby, kdežto C++ zde žádnou významnou osobu (např, hlavního contributora, autora apod.) nemá. &lt;br /&gt;
&lt;br /&gt;
Celkově z těchto výsledků mohu posoudit, že Ruby jako jazyk se projevuje více komunitně. Sociální síť diskurzu jazyka na Twitteru je sicee převážně tvořená jednotlivci, nicméně objevují se zde i komunitní vzorce, kde lidé téma probírají. Jedním ze středů těchto debat je pak i samotný autor. Jazyk je často zmiňován v kombinaci s jinými jazyky, či o něm mluví twitter účty jako např.: @retweetjava, což naznačuje že je komunita otevřená a že programátoři z jiného prostředí se na Ruby ptají či ho jinak řeší. Možná za to může i fakt, že je to jazyk přivětivý k nováčkům a jak bylo zmíněno i v diskuzích, jednoduchý. &lt;br /&gt;
&lt;br /&gt;
C++ oproti tomu vykazuje mnohem zřetelněji tzv. &amp;quot;Broadcast pattern&amp;quot; (Smith 2014), kdy jeden mluví a ostatní jen retweetují. Je to ale téma obecně více probírané (870 unikátních vztahů oproti 783 na stejném počtu prozkoumaných tweetu) a vícero lidí o něm mluví aniž by se jinak zapojila do sociální sítě. Je spojován s termíny jako např. &amp;quot;gamedev&amp;quot; či &amp;quot;game&amp;quot; což naznačuje jeho využití v oblasti, kde je důležitý výkon a spolehlivost (počítačové hry), obecně je ale spojován s různými termíny, nerozpoznala jsem zde žádný jasně viditelný vzorec, jako to bylo u Ruby. Jelikož se jedná o jazyk, který má v pověsti horší přístupnost a učící křivku, je možné že díky těmto vlastnostem také není tolik otevřený v debatách na Twitteru. Nováčci ho nevyhledávájí a programátoři jiných jazyků o něm necítí potřebu tolik mluvit či se ho začít učit. &lt;br /&gt;
&lt;br /&gt;
Na druhou stranu, je to také jazyk používaný mnohonásobně více než Ruby (ať už kůli jeho historii či užitečnosti). Mohu se ale jen domnívat, že programátoři daného jazyka, ať už C++ či Ruby, budou při svých debatách spíše označovat konkrétní témata, nikoliv obecné pojmy jako &amp;quot;Ruby&amp;quot;. Toto téma je ale spíše návrhem na další možný sociální vyzkum, který by otázku pomohl osvětlit. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Zdroje==&lt;br /&gt;
&lt;br /&gt;
* SMITH, Marc a . Mapping Twitter Topic Networks: From Polarized Crowds to Community Clusters. Pew Internet [online]. 2014 [cit. 2015-10-03]. Dostupné z: http://www.pewinternet.org/2014/02/20/mapping-twitter-topic-networks-from-polarized-crowds-to-community-clus&lt;br /&gt;
&lt;br /&gt;
* &amp;quot;Social Network Analysis&amp;quot;. Field Manual 3-24: Counterinsurgency (PDF). Headquarters, Department of the Army. pp. B–11 – B–12.&lt;br /&gt;
&lt;br /&gt;
* TIPLING, Bjorn. If programming languages were weapons [online]. [cit. 2015-10-03]. Dostupné z: http://bjorn.tipling.com/if-programming-languages-were-weapons&lt;br /&gt;
&lt;br /&gt;
* The Search Api. Twitter [online]. [cit. 2015-10-03]. Dostupné z: https://dev.twitter.com/rest/public/search&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28255</id>
		<title>NodeXL: Programovací jazyky Ruby a C++ očima Twitter diskuzí</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28255"/>
		<updated>2015-12-29T19:24:14Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Zuzana Dostálová''', Studia nových médií, e-mail: [mailto:dostalovaz@gmail.com dostalovaz@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Cíl této práce je porovnat programovací jazyky Ruby a C++ tak, jak jsou v současnosti probírané na sociálních sítích, konkrétně na Twitteru. Pro svou analýzu jsem si vybrala nástroj NodeXL - volně dostupný doplňěk pro Excel, který importuje data přímo z různých sociálních sítí a zpracovává na jejich základě vizualizace sociálních sítí.&lt;br /&gt;
&lt;br /&gt;
Mou hypotézou byla domněnka, že moderní jazyk, jako je Ruby, bude mít odlišný diskurz, než jazyk více tradiční a také podstatně více nízkoúrovňový jako je C++. Ruby vzniklo v roce 1995 (ruby-lang.org) ale široké a globální pozornosti veřejnosti se mu dostalo až s příchodem Ruby on Rails, frameworku pro dělání webových aplikací, v roce 2003. Jedná se o jazyk s jednoduchou syntaxí, který je přístupný začátečníkům. C++ je oproti tomu jazyk s dlouhou (přes 30 let) historií a širokým polem působnosti, který je však mnohem obtížnější na naučení. V programovací komunitě je považován za mnohem spolehlivější a výkonější, kdežto Ruby je někdy vnímáno až hanlivě, viz. například výňatek ze slavného blogpostu Bjorna Tiplinga:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_C++.png]] [[Soubor:NodeXL_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek č. 1 Ruby versus C++ (http://bjorn.tipling.com/)''&lt;br /&gt;
&lt;br /&gt;
Analýzu jsem prováděla na full-text vyhledávání pojmů &amp;quot;ruby programming&amp;quot; a &amp;quot;c++ programming&amp;quot;. Po vygenerování socilní sítě jsem se zaměřila na její tvar, obsah diskuzí ve formě nejčastěji používaných slov a tzv. hashtagů a na nejvýznamnější účatsníky diskuzí. Pracovala jsem s 2000 tweetu pro obě téma z doby za poslední týden (Twitter uplatňuje své vlastní omezení a není bohužel možné pracovat se staršími daty ([http://dev.twitter.com dev.twitter.com])).&lt;br /&gt;
&lt;br /&gt;
Dle výzkumů spoluautorů NodeXL Marca Smitha, Lee Rainee, Bena Shneidermana a Itai Himelboim se dají Twitter sociální sitě kategorizovat do 6 hlavních skupin dle jejich tvaru. Jedná se o “divided, unified, fragmented, clustered, and inward and outward hub and spoke” (Smith 2014), volně přeloženo jako polarizované, sjednocené, fragmentované, shlukované, směřující ven a směřující dovnitř. &lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_typy_siti.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 2. Typy  sítí sociálních médií (Smith 2014''&lt;br /&gt;
&lt;br /&gt;
Jelikož jsem neanalyzovala konkrétní termín, ale více obecný, vztahující se k celému jazyku, očekávála jsem fragmentovanou síť, která znamená, že lidé se lidé o tématu zmiňují, ale nerozebírají ho mezi sebou. Výkřiky typu “Začala jsem se učit #Ruby” jsou typickým příkladem neadresného tweetu, který daný termín jen zmiňuje izolovaně. &lt;br /&gt;
&lt;br /&gt;
Zde jsou výsledné sítě Twitter diskurzů pro jednotlivé jazyky:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_C++.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 4.  Sociální síť Twitteru pro dotaz &amp;quot;C++ programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 5.  Sociální síť Twitteru pro dotaz &amp;quot;Ruby programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
Na první pohled je zřejmé, že jsou si diagramy nápaditě podobné. Oba případy se vyznačují dominantním množstvím izolovaných jedinců, jak bylo popsáno výše a jak bylo očekáváno. Nicméně je nutné prozkoumat výsledky podrobněji, v tabulce 1. jsou hodnoty tzv. “graph density”, což je ukazatel hustoty sítě. Formálněji pak:&lt;br /&gt;
&lt;br /&gt;
&amp;quot;Network density is a general indicator of how connected people are in a network. Network density is the proportion of links in a network relative to the total number of links possible”&amp;quot;(Social Network Analysis).&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! !! Ruby programming!! C++ programming&lt;br /&gt;
|-&lt;br /&gt;
| Hustota sítě || 0,00106595461370655 || 0,000641017490771467&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
''Tabulka 1. hustota sítě''&lt;br /&gt;
&lt;br /&gt;
Čím vyšší číslo, tím více lidí je v síti propojených, neboli vedou mezi s sebou více konverazci (tím, že v tweetech zmiňují své jména a odpovídají si). Ruby si v tomto ohledu vede o poznání lépe. Síť pro dotaz &amp;quot;Ruby programming&amp;quot; také vykazuje vícero skupin, charakterizovaných jako &amp;quot;unified&amp;quot; - např. tři skupiny v horním pravém quadrantu. Druhá siť oproti tomu vykazuje vícero skupin typu &amp;quot;in-hub and spoke&amp;quot;, což v praxi znamená že jedna významná osobnost o tématu mluví a ostatní jí poslouchají a retweeatují, mezi sebou se ale nebaví. &lt;br /&gt;
&lt;br /&gt;
Analýza také odhalila nejpoužívanější slova ve spojení s danými jazyky. Pro Ruby to byla slova jako &amp;quot;programming&amp;quot;, &amp;quot;ruby&amp;quot;, &amp;quot;python&amp;quot;, &amp;quot;javascript&amp;quot;, &amp;quot;languages&amp;quot;, &amp;quot;php&amp;quot;, &amp;quot;java&amp;quot; a &amp;quot;c&amp;quot;. V rámci skupin pak se pak také opakoavalo &amp;quot;beginners&amp;quot; a &amp;quot;yukihiro matz&amp;quot; (pozn. autor jazyka Ruby). Pro C++ byly slova: &amp;quot;c&amp;quot;, &amp;quot;programming&amp;quot;, &amp;quot;gamedev&amp;quot;, &amp;quot;language&amp;quot;, &amp;quot;web&amp;quot;, &amp;quot;freelance&amp;quot;, &amp;quot;right&amp;quot;, &amp;quot;art&amp;quot; a v rámci skupin pak také &amp;quot;assembly&amp;quot; a &amp;quot;game&amp;quot;. Z toho plyne překvapivé zjištění a to že Ruby je nejčastěji spojováno s jinými programovacími jazykami, kdežto C++ se pojí s různorodými termíny.&lt;br /&gt;
&lt;br /&gt;
Jako poslední jsem se dívala na významené osobnosti v těchto diskurzech a také na to, jak se jejich jména objevovala v častých slovech nebo hashtazích. Již zmíněný Yukihiro Matz je na seznamu nejvlivnějších aktérů pro Ruby, kdežto C++ zde žádnou významnou osobu (např, hlavního contributora, autora apod.) nemá. &lt;br /&gt;
&lt;br /&gt;
Celkově z těchto výsledků mohu posoudit, že Ruby jako jazyk se projevuje více komunitně. Sociální síť diskurzu jazyka na Twitteru je sicee převážně tvořená jednotlivci, nicméně objevují se zde i komunitní vzorce, kde lidé téma probírají. Jedním ze středů těchto debat je pak i samotný autor. Jazyk je často zmiňován v kombinaci s jinými jazyky, či o něm mluví twitter účty jako např.: @retweetjava, což naznačuje že je komunita otevřená a že programátoři z jiného prostředí se na Ruby ptají či ho jinak řeší. Možná za to může i fakt, že je to jazyk přivětivý k nováčkům a jak bylo zmíněno i v diskuzích, jednoduchý. &lt;br /&gt;
&lt;br /&gt;
C++ oproti tomu vykazuje mnohem zřetelněji tzv. &amp;quot;Broadcast pattern&amp;quot; (Smith 2014), kdy jeden mluví a ostatní jen retweetují. Je to ale téma obecně více probírané (870 unikátních vztahů oproti 783 na stejném počtu prozkoumaných tweetu) a vícero lidí o něm mluví aniž by se jinak zapojila do sociální sítě. Je spojován s termíny jako např. &amp;quot;gamedev&amp;quot; či &amp;quot;game&amp;quot; což naznačuje jeho využití v oblasti, kde je důležitý výkon a spolehlivost (počítačové hry), obecně je ale spojován s různými termíny, nerozpoznala jsem zde žádný jasně viditelný vzorec, jako to bylo u Ruby. Jelikož se jedná o jazyk, který má v pověsti horší přístupnost a učící křivku, je možné že díky těmto vlastnostem také není tolik otevřený v debatách na Twitteru. Nováčci ho nevyhledávájí a programátoři jiných jazyků o něm necítí potřebu tolik mluvit či se ho začít učit. &lt;br /&gt;
&lt;br /&gt;
Na druhou stranu, je to také jazyk používaný mnohonásobně více než Ruby (ať už kůli jeho historii či užitečnosti). Mohu se ale jen domnívat, že programátoři daného jazyka, ať už C++ či Ruby, budou při svých debatách spíše označovat konkrétní témata, nikoliv obecné pojmy jako &amp;quot;Ruby&amp;quot;. Toto téma je ale spíše návrhem na další možný sociální vyzkum, který by otázku pomohl osvětlit. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Zdroje==&lt;br /&gt;
&lt;br /&gt;
# SMITH, Marc a . Mapping Twitter Topic Networks: From Polarized Crowds to Community Clusters. Pew Internet [online]. 2014 [cit. 2015-10-03]. Dostupné z: http://www.pewinternet.org/2014/02/20/mapping-twitter-topic-networks-from-polarized-crowds-to-community-clus&lt;br /&gt;
&lt;br /&gt;
## &amp;quot;Social Network Analysis&amp;quot;. Field Manual 3-24: Counterinsurgency (PDF). Headquarters, Department of the Army. pp. B–11 – B–12.&lt;br /&gt;
&lt;br /&gt;
### TIPLING, Bjorn. If programming languages were weapons [online]. [cit. 2015-10-03]. Dostupné z: http://bjorn.tipling.com/if-programming-languages-were-weapons&lt;br /&gt;
&lt;br /&gt;
#### The Search Api. Twitter [online]. [cit. 2015-10-03]. Dostupné z: https://dev.twitter.com/rest/public/search&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28254</id>
		<title>NodeXL: Programovací jazyky Ruby a C++ očima Twitter diskuzí</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28254"/>
		<updated>2015-12-29T19:23:39Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Zuzana Dostálová''', Studia nových médií, e-mail: [mailto:dostalovaz@gmail.com dostalovaz@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Cíl této práce je porovnat programovací jazyky Ruby a C++ tak, jak jsou v současnosti probírané na sociálních sítích, konkrétně na Twitteru. Pro svou analýzu jsem si vybrala nástroj NodeXL - volně dostupný doplňěk pro Excel, který importuje data přímo z různých sociálních sítí a zpracovává na jejich základě vizualizace sociálních sítí.&lt;br /&gt;
&lt;br /&gt;
Mou hypotézou byla domněnka, že moderní jazyk, jako je Ruby, bude mít odlišný diskurz, než jazyk více tradiční a také podstatně více nízkoúrovňový jako je C++. Ruby vzniklo v roce 1995 (ruby-lang.org) ale široké a globální pozornosti veřejnosti se mu dostalo až s příchodem Ruby on Rails, frameworku pro dělání webových aplikací, v roce 2003. Jedná se o jazyk s jednoduchou syntaxí, který je přístupný začátečníkům. C++ je oproti tomu jazyk s dlouhou (přes 30 let) historií a širokým polem působnosti, který je však mnohem obtížnější na naučení. V programovací komunitě je považován za mnohem spolehlivější a výkonější, kdežto Ruby je někdy vnímáno až hanlivě, viz. například výňatek ze slavného blogpostu Bjorna Tiplinga:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_C++.png]] [[Soubor:NodeXL_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek č. 1 Ruby versus C++ (http://bjorn.tipling.com/)''&lt;br /&gt;
&lt;br /&gt;
Analýzu jsem prováděla na full-text vyhledávání pojmů &amp;quot;ruby programming&amp;quot; a &amp;quot;c++ programming&amp;quot;. Po vygenerování socilní sítě jsem se zaměřila na její tvar, obsah diskuzí ve formě nejčastěji používaných slov a tzv. hashtagů a na nejvýznamnější účatsníky diskuzí. Pracovala jsem s 2000 tweetu pro obě téma z doby za poslední týden (Twitter uplatňuje své vlastní omezení a není bohužel možné pracovat se staršími daty ([http://dev.twitter.com dev.twitter.com])).&lt;br /&gt;
&lt;br /&gt;
Dle výzkumů spoluautorů NodeXL Marca Smitha, Lee Rainee, Bena Shneidermana a Itai Himelboim se dají Twitter sociální sitě kategorizovat do 6 hlavních skupin dle jejich tvaru. Jedná se o “divided, unified, fragmented, clustered, and inward and outward hub and spoke” (Smith 2014), volně přeloženo jako polarizované, sjednocené, fragmentované, shlukované, směřující ven a směřující dovnitř. &lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_typy_siti.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 2. Typy  sítí sociálních médií (Smith 2014''&lt;br /&gt;
&lt;br /&gt;
Jelikož jsem neanalyzovala konkrétní termín, ale více obecný, vztahující se k celému jazyku, očekávála jsem fragmentovanou síť, která znamená, že lidé se lidé o tématu zmiňují, ale nerozebírají ho mezi sebou. Výkřiky typu “Začala jsem se učit #Ruby” jsou typickým příkladem neadresného tweetu, který daný termín jen zmiňuje izolovaně. &lt;br /&gt;
&lt;br /&gt;
Zde jsou výsledné sítě Twitter diskurzů pro jednotlivé jazyky:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_C++.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 4.  Sociální síť Twitteru pro dotaz &amp;quot;C++ programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 5.  Sociální síť Twitteru pro dotaz &amp;quot;Ruby programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
Na první pohled je zřejmé, že jsou si diagramy nápaditě podobné. Oba případy se vyznačují dominantním množstvím izolovaných jedinců, jak bylo popsáno výše a jak bylo očekáváno. Nicméně je nutné prozkoumat výsledky podrobněji, v tabulce 1. jsou hodnoty tzv. “graph density”, což je ukazatel hustoty sítě. Formálněji pak:&lt;br /&gt;
&lt;br /&gt;
&amp;quot;Network density is a general indicator of how connected people are in a network. Network density is the proportion of links in a network relative to the total number of links possible”&amp;quot;(Social Network Analysis).&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! !! Ruby programming!! C++ programming&lt;br /&gt;
|-&lt;br /&gt;
| Hustota sítě || 0,00106595461370655 || 0,000641017490771467&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
''Tabulka 1. hustota sítě''&lt;br /&gt;
&lt;br /&gt;
Čím vyšší číslo, tím více lidí je v síti propojených, neboli vedou mezi s sebou více konverazci (tím, že v tweetech zmiňují své jména a odpovídají si). Ruby si v tomto ohledu vede o poznání lépe. Síť pro dotaz &amp;quot;Ruby programming&amp;quot; také vykazuje vícero skupin, charakterizovaných jako &amp;quot;unified&amp;quot; - např. tři skupiny v horním pravém quadrantu. Druhá siť oproti tomu vykazuje vícero skupin typu &amp;quot;in-hub and spoke&amp;quot;, což v praxi znamená že jedna významná osobnost o tématu mluví a ostatní jí poslouchají a retweeatují, mezi sebou se ale nebaví. &lt;br /&gt;
&lt;br /&gt;
Analýza také odhalila nejpoužívanější slova ve spojení s danými jazyky. Pro Ruby to byla slova jako &amp;quot;programming&amp;quot;, &amp;quot;ruby&amp;quot;, &amp;quot;python&amp;quot;, &amp;quot;javascript&amp;quot;, &amp;quot;languages&amp;quot;, &amp;quot;php&amp;quot;, &amp;quot;java&amp;quot; a &amp;quot;c&amp;quot;. V rámci skupin pak se pak také opakoavalo &amp;quot;beginners&amp;quot; a &amp;quot;yukihiro matz&amp;quot; (pozn. autor jazyka Ruby). Pro C++ byly slova: &amp;quot;c&amp;quot;, &amp;quot;programming&amp;quot;, &amp;quot;gamedev&amp;quot;, &amp;quot;language&amp;quot;, &amp;quot;web&amp;quot;, &amp;quot;freelance&amp;quot;, &amp;quot;right&amp;quot;, &amp;quot;art&amp;quot; a v rámci skupin pak také &amp;quot;assembly&amp;quot; a &amp;quot;game&amp;quot;. Z toho plyne překvapivé zjištění a to že Ruby je nejčastěji spojováno s jinými programovacími jazykami, kdežto C++ se pojí s různorodými termíny.&lt;br /&gt;
&lt;br /&gt;
Jako poslední jsem se dívala na významené osobnosti v těchto diskurzech a také na to, jak se jejich jména objevovala v častých slovech nebo hashtazích. Již zmíněný Yukihiro Matz je na seznamu nejvlivnějších aktérů pro Ruby, kdežto C++ zde žádnou významnou osobu (např, hlavního contributora, autora apod.) nemá. &lt;br /&gt;
&lt;br /&gt;
Celkově z těchto výsledků mohu posoudit, že Ruby jako jazyk se projevuje více komunitně. Sociální síť diskurzu jazyka na Twitteru je sicee převážně tvořená jednotlivci, nicméně objevují se zde i komunitní vzorce, kde lidé téma probírají. Jedním ze středů těchto debat je pak i samotný autor. Jazyk je často zmiňován v kombinaci s jinými jazyky, či o něm mluví twitter účty jako např.: @retweetjava, což naznačuje že je komunita otevřená a že programátoři z jiného prostředí se na Ruby ptají či ho jinak řeší. Možná za to může i fakt, že je to jazyk přivětivý k nováčkům a jak bylo zmíněno i v diskuzích, jednoduchý. &lt;br /&gt;
&lt;br /&gt;
C++ oproti tomu vykazuje mnohem zřetelněji tzv. &amp;quot;Broadcast pattern&amp;quot; (Smith 2014), kdy jeden mluví a ostatní jen retweetují. Je to ale téma obecně více probírané (870 unikátních vztahů oproti 783 na stejném počtu prozkoumaných tweetu) a vícero lidí o něm mluví aniž by se jinak zapojila do sociální sítě. Je spojován s termíny jako např. &amp;quot;gamedev&amp;quot; či &amp;quot;game&amp;quot; což naznačuje jeho využití v oblasti, kde je důležitý výkon a spolehlivost (počítačové hry), obecně je ale spojován s různými termíny, nerozpoznala jsem zde žádný jasně viditelný vzorec, jako to bylo u Ruby. Jelikož se jedná o jazyk, který má v pověsti horší přístupnost a učící křivku, je možné že díky těmto vlastnostem také není tolik otevřený v debatách na Twitteru. Nováčci ho nevyhledávájí a programátoři jiných jazyků o něm necítí potřebu tolik mluvit či se ho začít učit. &lt;br /&gt;
&lt;br /&gt;
Na druhou stranu, je to také jazyk používaný mnohonásobně více než Ruby (ať už kůli jeho historii či užitečnosti). Mohu se ale jen domnívat, že programátoři daného jazyka, ať už C++ či Ruby, budou při svých debatách spíše označovat konkrétní témata, nikoliv obecné pojmy jako &amp;quot;Ruby&amp;quot;. Toto téma je ale spíše návrhem na další možný sociální vyzkum, který by otázku pomohl osvětlit. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Zdroje==&lt;br /&gt;
&lt;br /&gt;
# 1. SMITH, Marc a . Mapping Twitter Topic Networks: From Polarized Crowds to Community Clusters. Pew Internet [online]. 2014 [cit. 2015-10-03]. Dostupné z: http://www.pewinternet.org/2014/02/20/mapping-twitter-topic-networks-from-polarized-crowds-to-community-clus&lt;br /&gt;
&lt;br /&gt;
# 2. &amp;quot;Social Network Analysis&amp;quot;. Field Manual 3-24: Counterinsurgency (PDF). Headquarters, Department of the Army. pp. B–11 – B–12.&lt;br /&gt;
&lt;br /&gt;
# TIPLING, Bjorn. If programming languages were weapons [online]. [cit. 2015-10-03]. Dostupné z: http://bjorn.tipling.com/if-programming-languages-were-weapons&lt;br /&gt;
&lt;br /&gt;
# The Search Api. Twitter [online]. [cit. 2015-10-03]. Dostupné z: https://dev.twitter.com/rest/public/search&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28253</id>
		<title>NodeXL: Programovací jazyky Ruby a C++ očima Twitter diskuzí</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28253"/>
		<updated>2015-12-29T19:22:54Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Zuzana Dostálová''', Studia nových médií, e-mail: [mailto:dostalovaz@gmail.com dostalovaz@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Cíl této práce je porovnat programovací jazyky Ruby a C++ tak, jak jsou v současnosti probírané na sociálních sítích, konkrétně na Twitteru. Pro svou analýzu jsem si vybrala nástroj NodeXL - volně dostupný doplňěk pro Excel, který importuje data přímo z různých sociálních sítí a zpracovává na jejich základě vizualizace sociálních sítí.&lt;br /&gt;
&lt;br /&gt;
Mou hypotézou byla domněnka, že moderní jazyk, jako je Ruby, bude mít odlišný diskurz, než jazyk více tradiční a také podstatně více nízkoúrovňový jako je C++. Ruby vzniklo v roce 1995 (ruby-lang.org) ale široké a globální pozornosti veřejnosti se mu dostalo až s příchodem Ruby on Rails, frameworku pro dělání webových aplikací, v roce 2003. Jedná se o jazyk s jednoduchou syntaxí, který je přístupný začátečníkům. C++ je oproti tomu jazyk s dlouhou (přes 30 let) historií a širokým polem působnosti, který je však mnohem obtížnější na naučení. V programovací komunitě je považován za mnohem spolehlivější a výkonější, kdežto Ruby je někdy vnímáno až hanlivě, viz. například výňatek ze slavného blogpostu Bjorna Tiplinga:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_C++.png]] [[Soubor:NodeXL_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek č. 1 Ruby versus C++ (http://bjorn.tipling.com/)''&lt;br /&gt;
&lt;br /&gt;
Analýzu jsem prováděla na full-text vyhledávání pojmů &amp;quot;ruby programming&amp;quot; a &amp;quot;c++ programming&amp;quot;. Po vygenerování socilní sítě jsem se zaměřila na její tvar, obsah diskuzí ve formě nejčastěji používaných slov a tzv. hashtagů a na nejvýznamnější účatsníky diskuzí. Pracovala jsem s 2000 tweetu pro obě téma z doby za poslední týden (Twitter uplatňuje své vlastní omezení a není bohužel možné pracovat se staršími daty ([http://dev.twitter.com dev.twitter.com])).&lt;br /&gt;
&lt;br /&gt;
Dle výzkumů spoluautorů NodeXL Marca Smitha, Lee Rainee, Bena Shneidermana a Itai Himelboim se dají Twitter sociální sitě kategorizovat do 6 hlavních skupin dle jejich tvaru. Jedná se o “divided, unified, fragmented, clustered, and inward and outward hub and spoke” (Smith 2014), volně přeloženo jako polarizované, sjednocené, fragmentované, shlukované, směřující ven a směřující dovnitř. &lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_typy_siti.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 2. Typy  sítí sociálních médií (Smith 2014''&lt;br /&gt;
&lt;br /&gt;
Jelikož jsem neanalyzovala konkrétní termín, ale více obecný, vztahující se k celému jazyku, očekávála jsem fragmentovanou síť, která znamená, že lidé se lidé o tématu zmiňují, ale nerozebírají ho mezi sebou. Výkřiky typu “Začala jsem se učit #Ruby” jsou typickým příkladem neadresného tweetu, který daný termín jen zmiňuje izolovaně. &lt;br /&gt;
&lt;br /&gt;
Zde jsou výsledné sítě Twitter diskurzů pro jednotlivé jazyky:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_C++.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 4.  Sociální síť Twitteru pro dotaz &amp;quot;C++ programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 5.  Sociální síť Twitteru pro dotaz &amp;quot;Ruby programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
Na první pohled je zřejmé, že jsou si diagramy nápaditě podobné. Oba případy se vyznačují dominantním množstvím izolovaných jedinců, jak bylo popsáno výše a jak bylo očekáváno. Nicméně je nutné prozkoumat výsledky podrobněji, v tabulce 1. jsou hodnoty tzv. “graph density”, což je ukazatel hustoty sítě. Formálněji pak:&lt;br /&gt;
&lt;br /&gt;
&amp;quot;Network density is a general indicator of how connected people are in a network. Network density is the proportion of links in a network relative to the total number of links possible”&amp;quot;(Social Network Analysis).&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! !! Ruby programming!! C++ programming&lt;br /&gt;
|-&lt;br /&gt;
| Hustota sítě || 0,00106595461370655 || 0,000641017490771467&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
''Tabulka 1. hustota sítě''&lt;br /&gt;
&lt;br /&gt;
Čím vyšší číslo, tím více lidí je v síti propojených, neboli vedou mezi s sebou více konverazci (tím, že v tweetech zmiňují své jména a odpovídají si). Ruby si v tomto ohledu vede o poznání lépe. Síť pro dotaz &amp;quot;Ruby programming&amp;quot; také vykazuje vícero skupin, charakterizovaných jako &amp;quot;unified&amp;quot; - např. tři skupiny v horním pravém quadrantu. Druhá siť oproti tomu vykazuje vícero skupin typu &amp;quot;in-hub and spoke&amp;quot;, což v praxi znamená že jedna významná osobnost o tématu mluví a ostatní jí poslouchají a retweeatují, mezi sebou se ale nebaví. &lt;br /&gt;
&lt;br /&gt;
Analýza také odhalila nejpoužívanější slova ve spojení s danými jazyky. Pro Ruby to byla slova jako &amp;quot;programming&amp;quot;, &amp;quot;ruby&amp;quot;, &amp;quot;python&amp;quot;, &amp;quot;javascript&amp;quot;, &amp;quot;languages&amp;quot;, &amp;quot;php&amp;quot;, &amp;quot;java&amp;quot; a &amp;quot;c&amp;quot;. V rámci skupin pak se pak také opakoavalo &amp;quot;beginners&amp;quot; a &amp;quot;yukihiro matz&amp;quot; (pozn. autor jazyka Ruby). Pro C++ byly slova: &amp;quot;c&amp;quot;, &amp;quot;programming&amp;quot;, &amp;quot;gamedev&amp;quot;, &amp;quot;language&amp;quot;, &amp;quot;web&amp;quot;, &amp;quot;freelance&amp;quot;, &amp;quot;right&amp;quot;, &amp;quot;art&amp;quot; a v rámci skupin pak také &amp;quot;assembly&amp;quot; a &amp;quot;game&amp;quot;. Z toho plyne překvapivé zjištění a to že Ruby je nejčastěji spojováno s jinými programovacími jazykami, kdežto C++ se pojí s různorodými termíny.&lt;br /&gt;
&lt;br /&gt;
Jako poslední jsem se dívala na významené osobnosti v těchto diskurzech a také na to, jak se jejich jména objevovala v častých slovech nebo hashtazích. Již zmíněný Yukihiro Matz je na seznamu nejvlivnějších aktérů pro Ruby, kdežto C++ zde žádnou významnou osobu (např, hlavního contributora, autora apod.) nemá. &lt;br /&gt;
&lt;br /&gt;
Celkově z těchto výsledků mohu posoudit, že Ruby jako jazyk se projevuje více komunitně. Sociální síť diskurzu jazyka na Twitteru je sicee převážně tvořená jednotlivci, nicméně objevují se zde i komunitní vzorce, kde lidé téma probírají. Jedním ze středů těchto debat je pak i samotný autor. Jazyk je často zmiňován v kombinaci s jinými jazyky, či o něm mluví twitter účty jako např.: @retweetjava, což naznačuje že je komunita otevřená a že programátoři z jiného prostředí se na Ruby ptají či ho jinak řeší. Možná za to může i fakt, že je to jazyk přivětivý k nováčkům a jak bylo zmíněno i v diskuzích, jednoduchý. &lt;br /&gt;
&lt;br /&gt;
C++ oproti tomu vykazuje mnohem zřetelněji tzv. &amp;quot;Broadcast pattern&amp;quot; (Smith 2014), kdy jeden mluví a ostatní jen retweetují. Je to ale téma obecně více probírané (870 unikátních vztahů oproti 783 na stejném počtu prozkoumaných tweetu) a vícero lidí o něm mluví aniž by se jinak zapojila do sociální sítě. Je spojován s termíny jako např. &amp;quot;gamedev&amp;quot; či &amp;quot;game&amp;quot; což naznačuje jeho využití v oblasti, kde je důležitý výkon a spolehlivost (počítačové hry), obecně je ale spojován s různými termíny, nerozpoznala jsem zde žádný jasně viditelný vzorec, jako to bylo u Ruby. Jelikož se jedná o jazyk, který má v pověsti horší přístupnost a učící křivku, je možné že díky těmto vlastnostem také není tolik otevřený v debatách na Twitteru. Nováčci ho nevyhledávájí a programátoři jiných jazyků o něm necítí potřebu tolik mluvit či se ho začít učit. &lt;br /&gt;
&lt;br /&gt;
Na druhou stranu, je to také jazyk používaný mnohonásobně více než Ruby (ať už kůli jeho historii či užitečnosti). Mohu se ale jen domnívat, že programátoři daného jazyka, ať už C++ či Ruby, budou při svých debatách spíše označovat konkrétní témata, nikoliv obecné pojmy jako &amp;quot;Ruby&amp;quot;. Toto téma je ale spíše návrhem na další možný sociální vyzkum, který by otázku pomohl osvětlit. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Zdroje==&lt;br /&gt;
&lt;br /&gt;
# SMITH, Marc a . Mapping Twitter Topic Networks: From Polarized Crowds to Community Clusters. Pew Internet [online]. 2014 [cit. 2015-10-03]. Dostupné z: http://www.pewinternet.org/2014/02/20/mapping-twitter-topic-networks-from-polarized-crowds-to-community-clus&lt;br /&gt;
&lt;br /&gt;
# &amp;quot;Social Network Analysis&amp;quot;. Field Manual 3-24: Counterinsurgency (PDF). Headquarters, Department of the Army. pp. B–11 – B–12.&lt;br /&gt;
&lt;br /&gt;
# TIPLING, Bjorn. If programming languages were weapons [online]. [cit. 2015-10-03]. Dostupné z: http://bjorn.tipling.com/if-programming-languages-were-weapons&lt;br /&gt;
&lt;br /&gt;
# The Search Api. Twitter [online]. [cit. 2015-10-03]. Dostupné z: https://dev.twitter.com/rest/public/search&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28252</id>
		<title>NodeXL: Programovací jazyky Ruby a C++ očima Twitter diskuzí</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28252"/>
		<updated>2015-12-29T19:21:30Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Zuzana Dostálová''', Studia nových médií, e-mail: [mailto:dostalovaz@gmail.com dostalovaz@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Cíl této práce je porovnat programovací jazyky Ruby a C++ tak, jak jsou v současnosti probírané na sociálních sítích, konkrétně na Twitteru. Pro svou analýzu jsem si vybrala nástroj NodeXL - volně dostupný doplňěk pro Excel, který importuje data přímo z různých sociálních sítí a zpracovává na jejich základě vizualizace sociálních sítí.&lt;br /&gt;
&lt;br /&gt;
Mou hypotézou byla domněnka, že moderní jazyk, jako je Ruby, bude mít odlišný diskurz, než jazyk více tradiční a také podstatně více nízkoúrovňový jako je C++. Ruby vzniklo v roce 1995 (ruby-lang.org) ale široké a globální pozornosti veřejnosti se mu dostalo až s příchodem Ruby on Rails, frameworku pro dělání webových aplikací, v roce 2003. Jedná se o jazyk s jednoduchou syntaxí, který je přístupný začátečníkům. C++ je oproti tomu jazyk s dlouhou (přes 30 let) historií a širokým polem působnosti, který je však mnohem obtížnější na naučení. V programovací komunitě je považován za mnohem spolehlivější a výkonější, kdežto Ruby je někdy vnímáno až hanlivě, viz. například výňatek ze slavného blogpostu Bjorna Tiplinga:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_C++.png]] [[Soubor:NodeXL_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek č. 1 Ruby versus C++ (http://bjorn.tipling.com/)''&lt;br /&gt;
&lt;br /&gt;
Analýzu jsem prováděla na full-text vyhledávání pojmů &amp;quot;ruby programming&amp;quot; a &amp;quot;c++ programming&amp;quot;. Po vygenerování socilní sítě jsem se zaměřila na její tvar, obsah diskuzí ve formě nejčastěji používaných slov a tzv. hashtagů a na nejvýznamnější účatsníky diskuzí. Pracovala jsem s 2000 tweetu pro obě téma z doby za poslední týden (Twitter uplatňuje své vlastní omezení a není bohužel možné pracovat se staršími daty ([http://dev.twitter.com dev.twitter.com])).&lt;br /&gt;
&lt;br /&gt;
Dle výzkumů spoluautorů NodeXL Marca Smitha, Lee Rainee, Bena Shneidermana a Itai Himelboim se dají Twitter sociální sitě kategorizovat do 6 hlavních skupin dle jejich tvaru. Jedná se o “divided, unified, fragmented, clustered, and inward and outward hub and spoke” (Smith 2014), volně přeloženo jako polarizované, sjednocené, fragmentované, shlukované, směřující ven a směřující dovnitř. &lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_typy_siti.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 2. Typy  sítí sociálních médií (Smith 2014''&lt;br /&gt;
&lt;br /&gt;
Jelikož jsem neanalyzovala konkrétní termín, ale více obecný, vztahující se k celému jazyku, očekávála jsem fragmentovanou síť, která znamená, že lidé se lidé o tématu zmiňují, ale nerozebírají ho mezi sebou. Výkřiky typu “Začala jsem se učit #Ruby” jsou typickým příkladem neadresného tweetu, který daný termín jen zmiňuje izolovaně. &lt;br /&gt;
&lt;br /&gt;
Zde jsou výsledné sítě Twitter diskurzů pro jednotlivé jazyky:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_C++.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 4.  Sociální síť Twitteru pro dotaz &amp;quot;C++ programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 5.  Sociální síť Twitteru pro dotaz &amp;quot;Ruby programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
Na první pohled je zřejmé, že jsou si diagramy nápaditě podobné. Oba případy se vyznačují dominantním množstvím izolovaných jedinců, jak bylo popsáno výše a jak bylo očekáváno. Nicméně je nutné prozkoumat výsledky podrobněji, v tabulce 1. jsou hodnoty tzv. “graph density”, což je ukazatel hustoty sítě. Formálněji pak:&lt;br /&gt;
&lt;br /&gt;
&amp;quot;Network density is a general indicator of how connected people are in a network. Network density is the proportion of links in a network relative to the total number of links possible”&amp;quot;(Social Network Analysis).&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! !! Ruby programming!! C++ programming&lt;br /&gt;
|-&lt;br /&gt;
| Hustota sítě || 0,00106595461370655 || 0,000641017490771467&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
''Tabulka 1. hustota sítě''&lt;br /&gt;
&lt;br /&gt;
Čím vyšší číslo, tím více lidí je v síti propojených, neboli vedou mezi s sebou více konverazci (tím, že v tweetech zmiňují své jména a odpovídají si). Ruby si v tomto ohledu vede o poznání lépe. Síť pro dotaz &amp;quot;Ruby programming&amp;quot; také vykazuje vícero skupin, charakterizovaných jako &amp;quot;unified&amp;quot; - např. tři skupiny v horním pravém quadrantu. Druhá siť oproti tomu vykazuje vícero skupin typu &amp;quot;in-hub and spoke&amp;quot;, což v praxi znamená že jedna významná osobnost o tématu mluví a ostatní jí poslouchají a retweeatují, mezi sebou se ale nebaví. &lt;br /&gt;
&lt;br /&gt;
Analýza také odhalila nejpoužívanější slova ve spojení s danými jazyky. Pro Ruby to byla slova jako &amp;quot;programming&amp;quot;, &amp;quot;ruby&amp;quot;, &amp;quot;python&amp;quot;, &amp;quot;javascript&amp;quot;, &amp;quot;languages&amp;quot;, &amp;quot;php&amp;quot;, &amp;quot;java&amp;quot; a &amp;quot;c&amp;quot;. V rámci skupin pak se pak také opakoavalo &amp;quot;beginners&amp;quot; a &amp;quot;yukihiro matz&amp;quot; (pozn. autor jazyka Ruby). Pro C++ byly slova: &amp;quot;c&amp;quot;, &amp;quot;programming&amp;quot;, &amp;quot;gamedev&amp;quot;, &amp;quot;language&amp;quot;, &amp;quot;web&amp;quot;, &amp;quot;freelance&amp;quot;, &amp;quot;right&amp;quot;, &amp;quot;art&amp;quot; a v rámci skupin pak také &amp;quot;assembly&amp;quot; a &amp;quot;game&amp;quot;. Z toho plyne překvapivé zjištění a to že Ruby je nejčastěji spojováno s jinými programovacími jazykami, kdežto C++ se pojí s různorodými termíny.&lt;br /&gt;
&lt;br /&gt;
Jako poslední jsem se dívala na významené osobnosti v těchto diskurzech a také na to, jak se jejich jména objevovala v častých slovech nebo hashtazích. Již zmíněný Yukihiro Matz je na seznamu nejvlivnějších aktérů pro Ruby, kdežto C++ zde žádnou významnou osobu (např, hlavního contributora, autora apod.) nemá. &lt;br /&gt;
&lt;br /&gt;
Celkově z těchto výsledků mohu posoudit, že Ruby jako jazyk se projevuje více komunitně. Sociální síť diskurzu jazyka na Twitteru je sicee převážně tvořená jednotlivci, nicméně objevují se zde i komunitní vzorce, kde lidé téma probírají. Jedním ze středů těchto debat je pak i samotný autor. Jazyk je často zmiňován v kombinaci s jinými jazyky, či o něm mluví twitter účty jako např.: @retweetjava, což naznačuje že je komunita otevřená a že programátoři z jiného prostředí se na Ruby ptají či ho jinak řeší. Možná za to může i fakt, že je to jazyk přivětivý k nováčkům a jak bylo zmíněno i v diskuzích, jednoduchý. &lt;br /&gt;
&lt;br /&gt;
C++ oproti tomu vykazuje mnohem zřetelněji tzv. &amp;quot;Broadcast pattern&amp;quot; (Smith 2014), kdy jeden mluví a ostatní jen retweetují. Je to ale téma obecně více probírané (870 unikátních vztahů oproti 783 na stejném počtu prozkoumaných tweetu) a vícero lidí o něm mluví aniž by se jinak zapojila do sociální sítě. Je spojován s termíny jako např. &amp;quot;gamedev&amp;quot; či &amp;quot;game&amp;quot; což naznačuje jeho využití v oblasti, kde je důležitý výkon a spolehlivost (počítačové hry), obecně je ale spojován s různými termíny, nerozpoznala jsem zde žádný jasně viditelný vzorec, jako to bylo u Ruby. Jelikož se jedná o jazyk, který má v pověsti horší přístupnost a učící křivku, je možné že díky těmto vlastnostem také není tolik otevřený v debatách na Twitteru. Nováčci ho nevyhledávájí a programátoři jiných jazyků o něm necítí potřebu tolik mluvit či se ho začít učit. &lt;br /&gt;
&lt;br /&gt;
Na druhou stranu, je to také jazyk používaný mnohonásobně více než Ruby (ať už kůli jeho historii či užitečnosti). Mohu se ale jen domnívat, že programátoři daného jazyka, ať už C++ či Ruby, budou při svých debatách spíše označovat konkrétní témata, nikoliv obecné pojmy jako &amp;quot;Ruby&amp;quot;. Toto téma je ale spíše návrhem na další možný sociální vyzkum, který by otázku pomohl osvětlit. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Zdroje==&lt;br /&gt;
&lt;br /&gt;
# Položka číslovaného seznamu&lt;br /&gt;
SMITH, Marc a . Mapping Twitter Topic Networks: From Polarized Crowds to Community Clusters. Pew Internet [online]. 2014 [cit. 2015-10-03]. Dostupné z: http://www.pewinternet.org/2014/02/20/mapping-twitter-topic-networks-from-polarized-crowds-to-community-clus&lt;br /&gt;
&lt;br /&gt;
# Položka číslovaného seznamu&lt;br /&gt;
&amp;quot;Social Network Analysis&amp;quot;. Field Manual 3-24: Counterinsurgency (PDF). Headquarters, Department of the Army. pp. B–11 – B–12.&lt;br /&gt;
&lt;br /&gt;
# Položka číslovaného seznamu&lt;br /&gt;
TIPLING, Bjorn. If programming languages were weapons [online]. [cit. 2015-10-03]. Dostupné z: http://bjorn.tipling.com/if-programming-languages-were-weapons&lt;br /&gt;
&lt;br /&gt;
# Položka číslovaného seznamu&lt;br /&gt;
The Search Api. Twitter [online]. [cit. 2015-10-03]. Dostupné z: https://dev.twitter.com/rest/public/search&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28251</id>
		<title>NodeXL: Programovací jazyky Ruby a C++ očima Twitter diskuzí</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28251"/>
		<updated>2015-12-29T19:17:42Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Zuzana Dostálová''', Studia nových médií, e-mail: [mailto:dostalovaz@gmail.com dostalovaz@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Cíl této práce je porovnat programovací jazyky Ruby a C++ tak, jak jsou v současnosti probírané na sociálních sítích, konkrétně na Twitteru. Pro svou analýzu jsem si vybrala nástroj NodeXL - volně dostupný doplňěk pro Excel, který importuje data přímo z různých sociálních sítí a zpracovává na jejich základě vizualizace sociálních sítí.&lt;br /&gt;
&lt;br /&gt;
Mou hypotézou byla domněnka, že moderní jazyk, jako je Ruby, bude mít odlišný diskurz, než jazyk více tradiční a také podstatně více nízkoúrovňový jako je C++. Ruby vzniklo v roce 1995 (ruby-lang.org) ale široké a globální pozornosti veřejnosti se mu dostalo až s příchodem Ruby on Rails, frameworku pro dělání webových aplikací, v roce 2003. Jedná se o jazyk s jednoduchou syntaxí, který je přístupný začátečníkům. C++ je oproti tomu jazyk s dlouhou (přes 30 let) historií a širokým polem působnosti, který je však mnohem obtížnější na naučení. V programovací komunitě je považován za mnohem spolehlivější a výkonější, kdežto Ruby je někdy vnímáno až hanlivě, viz. například výňatek ze slavného blogpostu Bjorna Tiplinga:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_C++.png]] [[Soubor:NodeXL_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek č. 1 Ruby versus C++ (http://bjorn.tipling.com/)''&lt;br /&gt;
&lt;br /&gt;
Analýzu jsem prováděla na full-text vyhledávání pojmů &amp;quot;ruby programming&amp;quot; a &amp;quot;c++ programming&amp;quot;. Po vygenerování socilní sítě jsem se zaměřila na její tvar, obsah diskuzí ve formě nejčastěji používaných slov a tzv. hashtagů a na nejvýznamnější účatsníky diskuzí. Pracovala jsem s 2000 tweetu pro obě téma z doby za poslední týden (Twitter uplatňuje své vlastní omezení a není bohužel možné pracovat se staršími daty ([http://dev.twitter.com dev.twitter.com])).&lt;br /&gt;
&lt;br /&gt;
Dle výzkumů spoluautorů NodeXL Marca Smitha, Lee Rainee, Bena Shneidermana a Itai Himelboim se dají Twitter sociální sitě kategorizovat do 6 hlavních skupin dle jejich tvaru. Jedná se o “divided, unified, fragmented, clustered, and inward and outward hub and spoke” (Smith 2014), volně přeloženo jako polarizované, sjednocené, fragmentované, shlukované, směřující ven a směřující dovnitř. &lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_typy_siti.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 2. Typy  sítí sociálních médií (Smith 2014''&lt;br /&gt;
&lt;br /&gt;
Jelikož jsem neanalyzovala konkrétní termín, ale více obecný, vztahující se k celému jazyku, očekávála jsem fragmentovanou síť, která znamená, že lidé se lidé o tématu zmiňují, ale nerozebírají ho mezi sebou. Výkřiky typu “Začala jsem se učit #Ruby” jsou typickým příkladem neadresného tweetu, který daný termín jen zmiňuje izolovaně. &lt;br /&gt;
&lt;br /&gt;
Zde jsou výsledné sítě Twitter diskurzů pro jednotlivé jazyky:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_C++.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 4.  Sociální síť Twitteru pro dotaz &amp;quot;C++ programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 5.  Sociální síť Twitteru pro dotaz &amp;quot;Ruby programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
Na první pohled je zřejmé, že jsou si diagramy nápaditě podobné. Oba případy se vyznačují dominantním množstvím izolovaných jedinců, jak bylo popsáno výše a jak bylo očekáváno. Nicméně je nutné prozkoumat výsledky podrobněji, v tabulce 1. jsou hodnoty tzv. “graph density”, což je ukazatel hustoty sítě. Formálněji pak:&lt;br /&gt;
&lt;br /&gt;
&amp;quot;Network density is a general indicator of how connected people are in a network. Network density is the proportion of links in a network relative to the total number of links possible”&amp;quot;(Social Network Analysis).&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! !! Ruby programming!! C++ programming&lt;br /&gt;
|-&lt;br /&gt;
| Hustota sítě || 0,00106595461370655 || 0,000641017490771467&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
''Tabulka 1. hustota sítě''&lt;br /&gt;
&lt;br /&gt;
Čím vyšší číslo, tím více lidí je v síti propojených, neboli vedou mezi s sebou více konverazci (tím, že v tweetech zmiňují své jména a odpovídají si). Ruby si v tomto ohledu vede o poznání lépe. Síť pro dotaz &amp;quot;Ruby programming&amp;quot; také vykazuje vícero skupin, charakterizovaných jako &amp;quot;unified&amp;quot; - např. tři skupiny v horním pravém quadrantu. Druhá siť oproti tomu vykazuje vícero skupin typu &amp;quot;in-hub and spoke&amp;quot;, což v praxi znamená že jedna významná osobnost o tématu mluví a ostatní jí poslouchají a retweeatují, mezi sebou se ale nebaví. &lt;br /&gt;
&lt;br /&gt;
Analýza také odhalila nejpoužívanější slova ve spojení s danými jazyky. Pro Ruby to byla slova jako “programming”, “ruby”, “python”, “javascript”, “languages”, “php”, “java” a “c”. V rámci skupin pak se pak také opakoavalo “beginners” a “yukihiro matz” (pozn. autor jazyka Ruby). Pro C++ byly slova: “c”, “programming”, “gamedev”, “language”, “web”, “freelance”, “right”, “art” a v rámci skupin pak také “assembly” a “game”. Z toho plyne překvapivé zjištění a to že Ruby je nejčastěji spojováno s jinými programovacími jazykami, kdežto C++ se pojí s různorodými termíny.&lt;br /&gt;
&lt;br /&gt;
Jako poslední jsem se dívala na významené osobnosti v těchto diskurzech a také na to, jak se jejich jména objevovala v častých slovech nebo hashtazích. Již zmíněný Yukihiro Matz je na seznamu nejvlivnějších aktérů pro Ruby, kdežto C++ zde žádnou významnou osobu (např, hlavního contributora, autora apod.) nemá. &lt;br /&gt;
&lt;br /&gt;
Celkově z těchto výsledků mohu posoudit, že Ruby jako jazyk se projevuje více komunitně. Sociální síť diskurzu jazyka na Twitteru je sicee převážně tvořená jednotlivci, nicméně objevují se zde i komunitní vzorce, kde lidé téma probírají. Jedním ze středů těchto debat je pak i samotný autor. Jazyk je často zmiňován v kombinaci s jinými jazyky, či o něm mluví twitter účty jako např. : @retweetjava, což naznačuje že je komunita otevřená a že programátoři z jiného prostředí se na Ruby ptají či ho jinak řeší. Možná za to může i fakt, že je to jazyk přivětivý k nováčkům a jak bylo zmíněno i v diskuzích, jednoduchý. &lt;br /&gt;
&lt;br /&gt;
C++ oproti tomu vykazuje mnohem zřetelněji tzv. “Broadcast pattern” (Smith 2014), kdy jeden mluví a ostatní jen retweetují. Je to ale téma obecně více probírané (870 unikátních vztahů oproti 783 na stejném počtu prozkoumaných tweetu) a vícero lidí o něm mluví aniž by se jinak zapojila do sociální sítě. Je spojován s termíny jako např. “gamedev” či “game” což naznačuje jeho využití v oblasti, kde je důležitý výkon a spolehlivost (počítačové hry), obecně je ale spojován s různými termíny, nerozpoznala jsem zde žádný jasně viditelný vzorec, jako to bylo u Ruby. Jelikož se jedná o jazyk, který má v pověsti horší přístupnost a učící křivku, je možné že díky těmto vlastnostem také není tolik otevřený v debatách na Twitteru. Nováčci ho nevyhledávájí a programátoři jiných jazyků o něm necítí potřebu tolik mluvit či se ho začít učit. &lt;br /&gt;
&lt;br /&gt;
Na druhou stranu, je to také jazyk používaný mnohonásobně více než Ruby (ať už kůli jeho historii či užitečnosti). Mohu se ale jen domnívat, že programátoři daného jazyka, ať už C++ či Ruby, budou při svých debatách spíše označovat konkrétní témata, nikoliv obecné pojmy jako “Ruby”. Toto téma je ale spíše návrhem na další možný sociální vyzkum, který by otázku pomohl osvětlit. &lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Zdroje==&lt;br /&gt;
&lt;br /&gt;
1. SMITH, Marc a . Mapping Twitter Topic Networks: From Polarized Crowds to Community Clusters. Pew Internet [online]. 2014 [cit. 2015-10-03]. Dostupné z: http://www.pewinternet.org/2014/02/20/mapping-twitter-topic-networks-from-polarized-crowds-to-community-clus&lt;br /&gt;
&lt;br /&gt;
2. &amp;quot;Social Network Analysis&amp;quot;. Field Manual 3-24: Counterinsurgency (PDF). Headquarters, Department of the Army. pp. B–11 – B–12.&lt;br /&gt;
&lt;br /&gt;
3. TIPLING, Bjorn. If programming languages were weapons [online]. [cit. 2015-10-03]. Dostupné z: http://bjorn.tipling.com/if-programming-languages-were-weapons&lt;br /&gt;
&lt;br /&gt;
4. The Search Api. Twitter [online]. [cit. 2015-10-03]. Dostupné z: https://dev.twitter.com/rest/public/search&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28250</id>
		<title>NodeXL: Programovací jazyky Ruby a C++ očima Twitter diskuzí</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28250"/>
		<updated>2015-12-29T19:13:11Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Zuzana Dostálová''', Studia nových médií, e-mail: [mailto:dostalovaz@gmail.com dostalovaz@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Cíl této práce je porovnat programovací jazyky Ruby a C++ tak, jak jsou v současnosti probírané na sociálních sítích, konkrétně na Twitteru. Pro svou analýzu jsem si vybrala nástroj NodeXL - volně dostupný doplňěk pro Excel, který importuje data přímo z různých sociálních sítí a zpracovává na jejich základě vizualizace sociálních sítí.&lt;br /&gt;
&lt;br /&gt;
Mou hypotézou byla domněnka, že moderní jazyk, jako je Ruby, bude mít odlišný diskurz, než jazyk více tradiční a také podstatně více nízkoúrovňový jako je C++. Ruby vzniklo v roce 1995 (ruby-lang.org) ale široké a globální pozornosti veřejnosti se mu dostalo až s příchodem Ruby on Rails, frameworku pro dělání webových aplikací, v roce 2003. Jedná se o jazyk s jednoduchou syntaxí, který je přístupný začátečníkům. C++ je oproti tomu jazyk s dlouhou (přes 30 let) historií a širokým polem působnosti, který je však mnohem obtížnější na naučení. V programovací komunitě je považován za mnohem spolehlivější a výkonější, kdežto Ruby je někdy vnímáno až hanlivě, viz. například výňatek ze slavného blogpostu Bjorna Tiplinga:&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery&amp;gt;&lt;br /&gt;
Soubor:NodeXL_C++.png|&lt;br /&gt;
Soubor:NodeXL_Ruby.png|&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_C++.png]] [[Soubor:NodeXL_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek č. 1 Ruby versus C++ (http://bjorn.tipling.com/)''&lt;br /&gt;
&lt;br /&gt;
Analýzu jsem prováděla na full-text vyhledávání pojmů &amp;quot;ruby programming&amp;quot; a &amp;quot;c++ programming&amp;quot;. Po vygenerování socilní sítě jsem se zaměřila na její tvar, obsah diskuzí ve formě nejčastěji používaných slov a tzv. hashtagů a na nejvýznamnější účatsníky diskuzí. Pracovala jsem s 2000 tweetu pro obě téma z doby za poslední týden (Twitter uplatňuje své vlastní omezení a není bohužel možné pracovat se staršími daty ([http://dev.twitter.com dev.twitter.com])).&lt;br /&gt;
&lt;br /&gt;
Dle výzkumů spoluautorů NodeXL Marca Smitha, Lee Rainee, Bena Shneidermana a Itai Himelboim se dají Twitter sociální sitě kategorizovat do 6 hlavních skupin dle jejich tvaru. Jedná se o “divided, unified, fragmented, clustered, and inward and outward hub and spoke” (Smith 2014), volně přeloženo jako polarizované, sjednocené, fragmentované, shlukované, směřující ven a směřující dovnitř. &lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_typy_siti.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 2. Typy  sítí sociálních médií (Smith 2014''&lt;br /&gt;
&lt;br /&gt;
Jelikož jsem neanalyzovala konkrétní termín, ale více obecný, vztahující se k celému jazyku, očekávála jsem fragmentovanou síť, která znamená, že lidé se lidé o tématu zmiňují, ale nerozebírají ho mezi sebou. Výkřiky typu “Začala jsem se učit #Ruby” jsou typickým příkladem neadresného tweetu, který daný termín jen zmiňuje izolovaně. &lt;br /&gt;
&lt;br /&gt;
Zde jsou výsledné sítě Twitter diskurzů pro jednotlivé jazyky:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_C++.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 4.  Sociální síť Twitteru pro dotaz &amp;quot;C++ programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 5.  Sociální síť Twitteru pro dotaz &amp;quot;Ruby programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
Na první pohled je zřejmé, že jsou si diagramy nápaditě podobné. Oba případy se vyznačují dominantním množstvím izolovaných jedinců, jak bylo popsáno výše a jak bylo očekáváno. Nicméně je nutné prozkoumat výsledky podrobněji, v tabulce 1. jsou hodnoty tzv. “graph density”, což je ukazatel hustoty sítě. Formálněji pak:&lt;br /&gt;
&lt;br /&gt;
&amp;quot;Network density is a general indicator of how connected people are in a network. Network density is the proportion of links in a network relative to the total number of links possible”&amp;quot;(Social Network Analysis).&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! !! Ruby programming!! C++ programming&lt;br /&gt;
|-&lt;br /&gt;
| Hustota sítě || 0,00106595461370655 || 0,000641017490771467&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
''Tabulka 1. hustota sítě''&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28249</id>
		<title>NodeXL: Programovací jazyky Ruby a C++ očima Twitter diskuzí</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28249"/>
		<updated>2015-12-29T19:12:09Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Zuzana Dostálová''', Studia nových médií, e-mail: [mailto:dostalovaz@gmail.com dostalovaz@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Cíl této práce je porovnat programovací jazyky Ruby a C++ tak, jak jsou v současnosti probírané na sociálních sítích, konkrétně na Twitteru. Pro svou analýzu jsem si vybrala nástroj NodeXL - volně dostupný doplňěk pro Excel, který importuje data přímo z různých sociálních sítí a zpracovává na jejich základě vizualizace sociálních sítí.&lt;br /&gt;
&lt;br /&gt;
Mou hypotézou byla domněnka, že moderní jazyk, jako je Ruby, bude mít odlišný diskurz, než jazyk více tradiční a také podstatně více nízkoúrovňový jako je C++. Ruby vzniklo v roce 1995 (ruby-lang.org) ale široké a globální pozornosti veřejnosti se mu dostalo až s příchodem Ruby on Rails, frameworku pro dělání webových aplikací, v roce 2003. Jedná se o jazyk s jednoduchou syntaxí, který je přístupný začátečníkům. C++ je oproti tomu jazyk s dlouhou (přes 30 let) historií a širokým polem působnosti, který je však mnohem obtížnější na naučení. V programovací komunitě je považován za mnohem spolehlivější a výkonější, kdežto Ruby je někdy vnímáno až hanlivě, viz. například výňatek ze slavného blogpostu Bjorna Tiplinga:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_C++.png, NodeXL_Ruby.png]] [[Soubor:NodeXL_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek č. 1 Ruby versus C++ (http://bjorn.tipling.com/)''&lt;br /&gt;
&lt;br /&gt;
Analýzu jsem prováděla na full-text vyhledávání pojmů &amp;quot;ruby programming&amp;quot; a &amp;quot;c++ programming&amp;quot;. Po vygenerování socilní sítě jsem se zaměřila na její tvar, obsah diskuzí ve formě nejčastěji používaných slov a tzv. hashtagů a na nejvýznamnější účatsníky diskuzí. Pracovala jsem s 2000 tweetu pro obě téma z doby za poslední týden (Twitter uplatňuje své vlastní omezení a není bohužel možné pracovat se staršími daty ([http://dev.twitter.com dev.twitter.com])).&lt;br /&gt;
&lt;br /&gt;
Dle výzkumů spoluautorů NodeXL Marca Smitha, Lee Rainee, Bena Shneidermana a Itai Himelboim se dají Twitter sociální sitě kategorizovat do 6 hlavních skupin dle jejich tvaru. Jedná se o “divided, unified, fragmented, clustered, and inward and outward hub and spoke” (Smith 2014), volně přeloženo jako polarizované, sjednocené, fragmentované, shlukované, směřující ven a směřující dovnitř. &lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_typy_siti.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 2. Typy  sítí sociálních médií (Smith 2014''&lt;br /&gt;
&lt;br /&gt;
Jelikož jsem neanalyzovala konkrétní termín, ale více obecný, vztahující se k celému jazyku, očekávála jsem fragmentovanou síť, která znamená, že lidé se lidé o tématu zmiňují, ale nerozebírají ho mezi sebou. Výkřiky typu “Začala jsem se učit #Ruby” jsou typickým příkladem neadresného tweetu, který daný termín jen zmiňuje izolovaně. &lt;br /&gt;
&lt;br /&gt;
Zde jsou výsledné sítě Twitter diskurzů pro jednotlivé jazyky:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_C++.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 4.  Sociální síť Twitteru pro dotaz &amp;quot;C++ programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 5.  Sociální síť Twitteru pro dotaz &amp;quot;Ruby programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
Na první pohled je zřejmé, že jsou si diagramy nápaditě podobné. Oba případy se vyznačují dominantním množstvím izolovaných jedinců, jak bylo popsáno výše a jak bylo očekáváno. Nicméně je nutné prozkoumat výsledky podrobněji, v tabulce 1. jsou hodnoty tzv. “graph density”, což je ukazatel hustoty sítě. Formálněji pak:&lt;br /&gt;
&lt;br /&gt;
&amp;quot;Network density is a general indicator of how connected people are in a network. Network density is the proportion of links in a network relative to the total number of links possible”&amp;quot;(Social Network Analysis).&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! !! Ruby programming!! C++ programming&lt;br /&gt;
|-&lt;br /&gt;
| Hustota sítě || 0,00106595461370655 || 0,000641017490771467&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
''Tabulka 1. hustota sítě''&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28248</id>
		<title>NodeXL: Programovací jazyky Ruby a C++ očima Twitter diskuzí</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Programovac%C3%AD_jazyky_Ruby_a_C%2B%2B_o%C4%8Dima_Twitter_diskuz%C3%AD&amp;diff=28248"/>
		<updated>2015-12-29T19:10:42Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: Založena nová stránka s textem „== Členové projektu == '''Zuzana Dostálová''', Studia nových médií, e-mail: [mailto:dostalovaz@gmail.com dostalovaz@gmail.com]  == Vizualizace proje…“&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Zuzana Dostálová''', Studia nových médií, e-mail: [mailto:dostalovaz@gmail.com dostalovaz@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Vizualizace projektu ==&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_vlada_CR.png]]&lt;br /&gt;
&lt;br /&gt;
[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54529 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Cíl této práce je porovnat programovací jazyky Ruby a C++ tak, jak jsou v současnosti probírané na sociálních sítích, konkrétně na Twitteru. Pro svou analýzu jsem si vybrala nástroj NodeXL - volně dostupný doplňěk pro Excel, který importuje data přímo z různých sociálních sítí a zpracovává na jejich základě vizualizace sociálních sítí.&lt;br /&gt;
&lt;br /&gt;
Mou hypotézou byla domněnka, že moderní jazyk, jako je Ruby, bude mít odlišný diskurz, než jazyk více tradiční a také podstatně více nízkoúrovňový jako je C++. Ruby vzniklo v roce 1995 (ruby-lang.org) ale široké a globální pozornosti veřejnosti se mu dostalo až s příchodem Ruby on Rails, frameworku pro dělání webových aplikací, v roce 2003. Jedná se o jazyk s jednoduchou syntaxí, který je přístupný začátečníkům. C++ je oproti tomu jazyk s dlouhou (přes 30 let) historií a širokým polem působnosti, který je však mnohem obtížnější na naučení. V programovací komunitě je považován za mnohem spolehlivější a výkonější, kdežto Ruby je někdy vnímáno až hanlivě, viz. například výňatek ze slavného blogpostu Bjorna Tiplinga:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_C++.png]] [[Soubor:NodeXL_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek č. 1 Ruby versus C++ (http://bjorn.tipling.com/)''&lt;br /&gt;
&lt;br /&gt;
Analýzu jsem prováděla na full-text vyhledávání pojmů &amp;quot;ruby programming&amp;quot; a &amp;quot;c++ programming&amp;quot;. Po vygenerování socilní sítě jsem se zaměřila na její tvar, obsah diskuzí ve formě nejčastěji používaných slov a tzv. hashtagů a na nejvýznamnější účatsníky diskuzí. Pracovala jsem s 2000 tweetu pro obě téma z doby za poslední týden (Twitter uplatňuje své vlastní omezení a není bohužel možné pracovat se staršími daty ([http://dev.twitter.com dev.twitter.com])).&lt;br /&gt;
&lt;br /&gt;
Dle výzkumů spoluautorů NodeXL Marca Smitha, Lee Rainee, Bena Shneidermana a Itai Himelboim se dají Twitter sociální sitě kategorizovat do 6 hlavních skupin dle jejich tvaru. Jedná se o “divided, unified, fragmented, clustered, and inward and outward hub and spoke” (Smith 2014), volně přeloženo jako polarizované, sjednocené, fragmentované, shlukované, směřující ven a směřující dovnitř. &lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_typy_siti.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 2. Typy  sítí sociálních médií (Smith 2014''&lt;br /&gt;
&lt;br /&gt;
Jelikož jsem neanalyzovala konkrétní termín, ale více obecný, vztahující se k celému jazyku, očekávála jsem fragmentovanou síť, která znamená, že lidé se lidé o tématu zmiňují, ale nerozebírají ho mezi sebou. Výkřiky typu “Začala jsem se učit #Ruby” jsou typickým příkladem neadresného tweetu, který daný termín jen zmiňuje izolovaně. &lt;br /&gt;
&lt;br /&gt;
Zde jsou výsledné sítě Twitter diskurzů pro jednotlivé jazyky:&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_C++.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 4.  Sociální síť Twitteru pro dotaz &amp;quot;C++ programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Twitter_Ruby.png]]&lt;br /&gt;
&lt;br /&gt;
''Obrázek 5.  Sociální síť Twitteru pro dotaz &amp;quot;Ruby programming&amp;quot;''&lt;br /&gt;
&lt;br /&gt;
Na první pohled je zřejmé, že jsou si diagramy nápaditě podobné. Oba případy se vyznačují dominantním množstvím izolovaných jedinců, jak bylo popsáno výše a jak bylo očekáváno. Nicméně je nutné prozkoumat výsledky podrobněji, v tabulce 1. jsou hodnoty tzv. “graph density”, což je ukazatel hustoty sítě. Formálněji pak:&lt;br /&gt;
&lt;br /&gt;
&amp;quot;Network density is a general indicator of how connected people are in a network. Network density is the proportion of links in a network relative to the total number of links possible”&amp;quot;(Social Network Analysis).&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! !! Ruby programming!! C++ programming&lt;br /&gt;
|-&lt;br /&gt;
| Hustota sítě || 0,00106595461370655 || 0,000641017490771467&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Reference==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Twitter_Ruby.png&amp;diff=28247</id>
		<title>Soubor:NodeXL Twitter Ruby.png</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Twitter_Ruby.png&amp;diff=28247"/>
		<updated>2015-12-29T19:07:36Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Twitter_C%2B%2B.png&amp;diff=28246</id>
		<title>Soubor:NodeXL Twitter C++.png</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Twitter_C%2B%2B.png&amp;diff=28246"/>
		<updated>2015-12-29T19:06:04Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_typy_siti.png&amp;diff=28245</id>
		<title>Soubor:NodeXL typy siti.png</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_typy_siti.png&amp;diff=28245"/>
		<updated>2015-12-29T19:03:34Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Ruby.png&amp;diff=28244</id>
		<title>Soubor:NodeXL Ruby.png</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Ruby.png&amp;diff=28244"/>
		<updated>2015-12-29T18:56:14Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_C%2B%2B.png&amp;diff=28243</id>
		<title>Soubor:NodeXL C++.png</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_C%2B%2B.png&amp;diff=28243"/>
		<updated>2015-12-29T18:55:55Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Interpretace_grafick%C3%A9ho_zobrazen%C3%AD_zm%C3%ADnek_o_Miroslavu_Kalouskovi_na_Twitteru&amp;diff=27573</id>
		<title>NodeXL: Interpretace grafického zobrazení zmínek o Miroslavu Kalouskovi na Twitteru</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Interpretace_grafick%C3%A9ho_zobrazen%C3%AD_zm%C3%ADnek_o_Miroslavu_Kalouskovi_na_Twitteru&amp;diff=27573"/>
		<updated>2015-12-22T22:48:52Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Lucie Trojanová ''', Studia nových médií&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Kdo za to může? ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery&amp;gt;&lt;br /&gt;
Soubor:NodeXL_Kalousek_1.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55532 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
Soubor:NodeXL_Kalousek_2.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54846 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
Soubor:NodeXL_Kalousek_3.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55534 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
NodeXL je opensource nástrojem umožňující stahovat a analyzovat data ze sociálních sítí jako je Facebook, Twitter, Youtube nebo Flickr v prostředí Excelu. Pro seznámení se s jeho možnostmi jsem se snažila zaměřit na téma, které je aktuální a zároveň bohaté. NodeXL totiž umožňuje stahovat data stará maximálně 9 dní a proto jsem si vybrala osobnost české politiky - Miroslava Kalouska na síti Twitter, kde má profil jako @kalousekm. Vyhledávala jsem tedy všechny zmínky, tweety a re-tweety, v nichž se vyskytovalo heslo „kalousekm“. Grafů jsem vytvořila několik, abych mohla pozorovat proměny v jednotlivých grafech a tím trochu obejít časové omezení NodeXL. K tomuto rozhodnutí mě přiměla i skutečnost, že 4. října 2015 se měl Miroslav Kalousek setkat se současným ministrem financí Andrejem Babišem v pořadu Otázky Václava Moravce (OVM). Setkání mělo proběhnout po roce a jejich rozhovor byl vyhlížen jako událost bohatou na emoce a jiskření mezi oběma politiky. &lt;br /&gt;
&lt;br /&gt;
Grafy&amp;lt;ref&amp;gt;http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55532; http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54846; http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55534 &amp;lt;/ref&amp;gt; jsou tři (shora dolů): dva ze 4.10. před zahájením OVM a po skončení pořadu a jeden ze dne 5.10. Sledovala jsem proměnu obsahu tweetů, nejčastějších hashtagů i jak se jednotliví uživatelé posouvají v rámci skupin a jak se síť proměňovala. Z náhledů vlevo je vidět, že síť kolem @kalousekm obsahuje čím dál více propojení. Na všech grafech jsou stálé dvě skupiny – kolem @kalousekm a @AndrejBabis. Uživatelé twitteru zřejmě často zmiňují @kalousekm v souvislosti s @AndrejBabis, což je zřejmé protože oba muži mají úzký vztah k ministerstvu financí a uživatelé jejich osobnosti i politiku často porovnávali, nebo byli k jejich krokům kritičtí, např.:&lt;br /&gt;
&lt;br /&gt;
„@vojtechfiala: @AndrejBabis konečně v OVM. Bohužel však s @kalousekm, který ho stejně jako loni vyškolí.“&lt;br /&gt;
&lt;br /&gt;
„@pazderskyjan: @kalousekm vemte mu koblihy a kakao! Třeba se z toho po.ere.“&lt;br /&gt;
&lt;br /&gt;
@kalousekm vs. @AndrejBabis&lt;br /&gt;
&lt;br /&gt;
Profily obou uživatelů se liší. Uživatel @kalousekm není moc aktivní, zatím napsal 231 tweetů a má 10.7K followerů, zatímco Andrej Babiš má followerů 159K a tweetů téměř dvojnásobek - 576 (ke dni 13.10.).  Obsah tweetů na profilu Miroslava Kalouska je spíše informační a popisný, Andrej Babiš tweetuje mnohem více osobně. Za porovnání stojí tweety obou politiků ze dne 4.10., kdy kolem sebe pouze krouží a navzájem na sebe neukazují:&lt;br /&gt;
&lt;br /&gt;
„@kalousekm: Dnes budu od 12:00 hostem pořadu Otázky Václava Moravce na ČT24.“ (RT: 6, F: 39) &lt;br /&gt;
&lt;br /&gt;
@andrejbabis: Jednu věc se nenaučím: nereagovat a nevytočit se, když se účelově a naschvál lže. I když jsem to trénoval.“ (RT: 15, F: 119)&lt;br /&gt;
&lt;br /&gt;
V tabulce níže je pak vidět, jak často uživatelé zmiňovali „kalousekm“ a jak často na něj reagovali – počet se postupně zvyšuje. Někteří uživatelé se v rámci vygenerovaných skupin přemisťovali, jiní zůstali na místě a diskutující postupně přibývali. Mezi uživatele, kteří heslo „kalousekm“ zmiňovali nejčastěji (edge weight) patřily zpočátku blesk24. Po skončení OVM se vedle blesk24 objevila silná vazba ze strany uživatele @pavelkout (webový grafik) a komentátora @alexandrmitrofa. Dne 5.10. pak byly nejsilnější vazby mezi @kalousekm a  @blanikz, @andrejbabis a @czechTV. Diskuze obou politiků v televizním pořadu zřejmě motivovala uživatele se vyjádřit ve svých tweetech, což je vidět na postupně rostoucím počtu uživatelů (vertices) i vazeb (edges) zmiňujících „kalousekm“. Hustota grafu (density), která není příliš vysoká, se ještě zmenšuje, ale zároveň se snižuje i „vzdálenost“ mezi uživateli (average geodesic distance). Znamená to, že se do diskuze zapojilo sice čím dál tím více uživatelů, ale bez vzájemných vazeb mezi sebou – reagovali tedy pouze na @kalousekm, ale mezi sebou OVM nediskutovali.&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! kalousekm !! Mentions „kalousekm&amp;quot; !! Replies to „kalousekm&amp;quot; !! Tweet from „kalousekm“ !! Vertices !! Edges !! Graph Density !! Average Geodesic Distance&lt;br /&gt;
|-&lt;br /&gt;
| 4.10. před OVM || 27 || 14 || 1 || 47 || 81 || 0,032377428 || 2,299683&lt;br /&gt;
|-&lt;br /&gt;
| 4.10. po OVM || 87 || 17 || 1 || 95 || 235 || 0,021500559 || 2,237119&lt;br /&gt;
|-&lt;br /&gt;
| 5.10. || 200 || 31 || 1 || 176 || 632 || 0,015909091 || 2,125323&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Interpretace_grafick%C3%A9ho_zobrazen%C3%AD_zm%C3%ADnek_o_Miroslavu_Kalouskovi_na_Twitteru&amp;diff=27572</id>
		<title>NodeXL: Interpretace grafického zobrazení zmínek o Miroslavu Kalouskovi na Twitteru</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Interpretace_grafick%C3%A9ho_zobrazen%C3%AD_zm%C3%ADnek_o_Miroslavu_Kalouskovi_na_Twitteru&amp;diff=27572"/>
		<updated>2015-12-22T22:48:37Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Lucie Trojanová ''', Studia nových médií&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Kdo za to může? ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery&amp;gt;&lt;br /&gt;
Soubor:NodeXL_Kalousek_1.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55532 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
Soubor:NodeXL_Kalousek_2.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54846 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
Soubor:NodeXL_Kalousek_3.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55534 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
NodeXL je opensource nástrojem umožňující stahovat a analyzovat data ze sociálních sítí jako je Facebook, Twitter, Youtube nebo Flickr v prostředí Excelu. Pro seznámení se s jeho možnostmi jsem se snažila zaměřit na téma, které je aktuální a zároveň bohaté. NodeXL totiž umožňuje stahovat data stará maximálně 9 dní a proto jsem si vybrala osobnost české politiky - Miroslava Kalouska na síti Twitter, kde má profil jako @kalousekm. Vyhledávala jsem tedy všechny zmínky, tweety a re-tweety, v nichž se vyskytovalo heslo „kalousekm“. Grafů jsem vytvořila několik, abych mohla pozorovat proměny v jednotlivých grafech a tím trochu obejít časové omezení NodeXL. K tomuto rozhodnutí mě přiměla i skutečnost, že 4. října 2015 se měl Miroslav Kalousek setkat se současným ministrem financí Andrejem Babišem v pořadu Otázky Václava Moravce (OVM). Setkání mělo proběhnout po roce a jejich rozhovor byl vyhlížen jako událost bohatou na emoce a jiskření mezi oběma politiky. &lt;br /&gt;
&lt;br /&gt;
Grafy&amp;lt;ref&amp;gt;http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55532; http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54846; http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55534 &amp;lt;/ref&amp;gt; jsou tři (shora dolů): dva ze 4.10. před zahájením OVM a po skončení pořadu a jeden ze dne 5.10. Sledovala jsem proměnu obsahu tweetů, nejčastějších hashtagů i jak se jednotliví uživatelé posouvají v rámci skupin a jak se síť proměňovala. Z náhledů vlevo je vidět, že síť kolem @kalousekm obsahuje čím dál více propojení. Na všech grafech jsou stálé dvě skupiny – kolem @kalousekm a @AndrejBabis. Uživatelé twitteru zřejmě často zmiňují @kalousekm v souvislosti s @AndrejBabis, což je zřejmé protože oba muži mají úzký vztah k ministerstvu financí a uživatelé jejich osobnosti i politiku často porovnávali, nebo byli k jejich krokům kritičtí, např.:&lt;br /&gt;
&lt;br /&gt;
„@vojtechfiala: @AndrejBabis konečně v OVM. Bohužel však s @kalousekm, který ho stejně jako loni vyškolí.“&lt;br /&gt;
&lt;br /&gt;
„@pazderskyjan: @kalousekm vemte mu koblihy a kakao! Třeba se z toho po.ere.“&lt;br /&gt;
&lt;br /&gt;
@kalousekm vs. @AndrejBabis&lt;br /&gt;
&lt;br /&gt;
Profily obou uživatelů se liší. Uživatel @kalousekm není moc aktivní, zatím napsal 231 tweetů a má 10.7K followerů, zatímco Andrej Babiš má followerů 159K a tweetů téměř dvojnásobek - 576 (ke dni 13.10.).  Obsah tweetů na profilu Miroslava Kalouska je spíše informační a popisný, Andrej Babiš tweetuje mnohem více osobně. Za porovnání stojí tweety obou politiků ze dne 4.10., kdy kolem sebe pouze krouží a navzájem na sebe neukazují:&lt;br /&gt;
&lt;br /&gt;
„@kalousekm: Dnes budu od 12:00 hostem pořadu Otázky Václava Moravce na ČT24.“ (RT: 6, F: 39) &lt;br /&gt;
&lt;br /&gt;
@andrejbabis: Jednu věc se nenaučím: nereagovat a nevytočit se, když se účelově a naschvál lže. I když jsem to trénoval.“ (RT: 15, F: 119)&lt;br /&gt;
&lt;br /&gt;
V tabulce níže je pak vidět, jak často uživatelé zmiňovali „kalousekm“ a jak často na něj reagovali – počet se postupně zvyšuje. Někteří uživatelé se v rámci vygenerovaných skupin přemisťovali, jiní zůstali na místě a diskutující postupně přibývali. Mezi uživatele, kteří heslo „kalousekm“ zmiňovali nejčastěji (edge weight) patřily zpočátku blesk24. Po skončení OVM se vedle blesk24 objevila silná vazba ze strany uživatele @pavelkout (webový grafik) a komentátora @alexandrmitrofa. Dne 5.10. pak byly nejsilnější vazby mezi @kalousekm a  @blanikz, @andrejbabis a @czechTV. Diskuze obou politiků v televizním pořadu zřejmě motivovala uživatele se vyjádřit ve svých tweetech, což je vidět na postupně rostoucím počtu uživatelů (vertices) i vazeb (edges) zmiňujících „kalousekm“. Hustota grafu (density), která není příliš vysoká, se ještě zmenšuje, ale zároveň se snižuje i „vzdálenost“ mezi uživateli (average geodesic distance). Znamená to, že se do diskuze zapojilo sice čím dál tím více uživatelů, ale bez vzájemných vazeb mezi sebou – reagovali tedy pouze na @kalousekm, ale mezi sebou OVM nediskutovali.&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! kalousekm !! Mentions „kalousekm&amp;quot; !! Replies to „kalousekm&amp;quot; !! Tweet from „kalousekm“ !! Vertices !! Edges !! Graph Density !! Average Geodesic Distance&lt;br /&gt;
|-&lt;br /&gt;
| 4.10. před OVM || 27 || 14 || 1 || 47 || 81 || 0,032377428 || 2,299683&lt;br /&gt;
|-&lt;br /&gt;
| 4.10. po OVM || 87 || 17 || 1 || 95 || 235 || 0,021500559 || 2,237119&lt;br /&gt;
|-&lt;br /&gt;
| 5.10. || 200 || 31 || 1 || 176 || 632 || 0,015909091 || 2,125323&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Interpretace_grafick%C3%A9ho_zobrazen%C3%AD_zm%C3%ADnek_o_Miroslavu_Kalouskovi_na_Twitteru&amp;diff=27571</id>
		<title>NodeXL: Interpretace grafického zobrazení zmínek o Miroslavu Kalouskovi na Twitteru</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Interpretace_grafick%C3%A9ho_zobrazen%C3%AD_zm%C3%ADnek_o_Miroslavu_Kalouskovi_na_Twitteru&amp;diff=27571"/>
		<updated>2015-12-22T22:48:09Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Lucie Trojanová ''', Studia nových médií&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Kdo za to může? ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery&amp;gt;&lt;br /&gt;
Soubor:NodeXL_Kalousek_1.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55532 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
Soubor:NodeXL_Kalousek_2.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54846 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
Soubor:NodeXL_Kalousek_3.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55534 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
NodeXL je opensource nástrojem umožňující stahovat a analyzovat data ze sociálních sítí jako je Facebook, Twitter, Youtube nebo Flickr v prostředí Excelu. Pro seznámení se s jeho možnostmi jsem se snažila zaměřit na téma, které je aktuální a zároveň bohaté. NodeXL totiž umožňuje stahovat data stará maximálně 9 dní a proto jsem si vybrala osobnost české politiky - Miroslava Kalouska na síti Twitter, kde má profil jako @kalousekm. Vyhledávala jsem tedy všechny zmínky, tweety a re-tweety, v nichž se vyskytovalo heslo „kalousekm“. Grafů jsem vytvořila několik, abych mohla pozorovat proměny v jednotlivých grafech a tím trochu obejít časové omezení NodeXL. K tomuto rozhodnutí mě přiměla i skutečnost, že 4. října 2015 se měl Miroslav Kalousek setkat se současným ministrem financí Andrejem Babišem v pořadu Otázky Václava Moravce (OVM). Setkání mělo proběhnout po roce a jejich rozhovor byl vyhlížen jako událost bohatou na emoce a jiskření mezi oběma politiky. &lt;br /&gt;
&lt;br /&gt;
Grafy&amp;lt;ref&amp;gt;http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55532; http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54846; http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55534 &amp;lt;/ref&amp;gt; jsou tři (shora dolů): dva ze 4.10. před zahájením OVM a po skončení pořadu a jeden ze dne 5.10. Sledovala jsem proměnu obsahu tweetů, nejčastějších hashtagů i jak se jednotliví uživatelé posouvají v rámci skupin a jak se síť proměňovala. Z náhledů vlevo je vidět, že síť kolem @kalousekm obsahuje čím dál více propojení. Na všech grafech jsou stálé dvě skupiny – kolem @kalousekm a @AndrejBabis. Uživatelé twitteru zřejmě často zmiňují @kalousekm v souvislosti s @AndrejBabis, což je zřejmé protože oba muži mají úzký vztah k ministerstvu financí a uživatelé jejich osobnosti i politiku často porovnávali, nebo byli k jejich krokům kritičtí, např.:&lt;br /&gt;
&lt;br /&gt;
„@vojtechfiala: @AndrejBabis konečně v OVM. Bohužel však s @kalousekm, který ho stejně jako loni vyškolí.“&lt;br /&gt;
&lt;br /&gt;
„@pazderskyjan: @kalousekm vemte mu koblihy a kakao! Třeba se z toho po.ere.“&lt;br /&gt;
&lt;br /&gt;
@kalousekm vs. @AndrejBabis&lt;br /&gt;
&lt;br /&gt;
Profily obou uživatelů se liší. Uživatel @kalousekm není moc aktivní, zatím napsal 231 tweetů a má 10.7K followerů, zatímco Andrej Babiš má followerů 159K a tweetů téměř dvojnásobek - 576 (ke dni 13.10.).  Obsah tweetů na profilu Miroslava Kalouska je spíše informační a popisný, Andrej Babiš tweetuje mnohem více osobně. Za porovnání stojí tweety obou politiků ze dne 4.10., kdy kolem sebe pouze krouží a navzájem na sebe neukazují:&lt;br /&gt;
&lt;br /&gt;
„@kalousekm: Dnes budu od 12:00 hostem pořadu Otázky Václava Moravce na ČT24.“ (RT: 6, F: 39) &lt;br /&gt;
&lt;br /&gt;
@andrejbabis: Jednu věc se nenaučím: nereagovat a nevytočit se, když se účelově a naschvál lže. I když jsem to trénoval.“ (RT: 15, F: 119)&lt;br /&gt;
&lt;br /&gt;
V tabulce níže je pak vidět, jak často uživatelé zmiňovali „kalousekm“ a jak často na něj reagovali – počet se postupně zvyšuje. Někteří uživatelé se v rámci vygenerovaných skupin přemisťovali, jiní zůstali na místě a diskutující postupně přibývali. Mezi uživatele, kteří heslo „kalousekm“ zmiňovali nejčastěji (edge weight) patřily zpočátku blesk24. Po skončení OVM se vedle blesk24 objevila silná vazba ze strany uživatele @pavelkout (webový grafik) a komentátora @alexandrmitrofa. Dne 5.10. pak byly nejsilnější vazby mezi @kalousekm a  @blanikz, @andrejbabis a @czechTV. Diskuze obou politiků v televizním pořadu zřejmě motivovala uživatele se vyjádřit ve svých tweetech, což je vidět na postupně rostoucím počtu uživatelů (vertices) i vazeb (edges) zmiňujících „kalousekm“. Hustota grafu (density), která není příliš vysoká, se ještě zmenšuje, ale zároveň se snižuje i „vzdálenost“ mezi uživateli (average geodesic distance). Znamená to, že se do diskuze zapojilo sice čím dál tím více uživatelů, ale bez vzájemných vazeb mezi sebou – reagovali tedy pouze na @kalousekm, ale mezi sebou OVM nediskutovali.&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! kalousekm !! Mentions „kalousekm&amp;quot; !! Replies to „kalousekm&amp;quot; !! Tweet from „kalousekm“ !! Vertices !! Edges !! Graph Density !! Average Geodesic Distance&lt;br /&gt;
|-&lt;br /&gt;
| 4.10. před OVM || 27 || 14 || 1 || 47 || 81 || 0,032377428 || 2,299683&lt;br /&gt;
|-&lt;br /&gt;
| 4.10. po OVM || 87 || 17 || 1 || 95 || 235 || 0,021500559 || 2,237119&lt;br /&gt;
|-&lt;br /&gt;
| 5.10. || 200 || 31 || 1 || 176 || 632 || 0,015909091 || 2,125323&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Interpretace_grafick%C3%A9ho_zobrazen%C3%AD_zm%C3%ADnek_o_Miroslavu_Kalouskovi_na_Twitteru&amp;diff=27570</id>
		<title>NodeXL: Interpretace grafického zobrazení zmínek o Miroslavu Kalouskovi na Twitteru</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Interpretace_grafick%C3%A9ho_zobrazen%C3%AD_zm%C3%ADnek_o_Miroslavu_Kalouskovi_na_Twitteru&amp;diff=27570"/>
		<updated>2015-12-22T22:47:40Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Lucie Trojanová ''', Studia nových médií&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Kdo za to může? ==&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery&amp;gt;&lt;br /&gt;
Soubor:NodeXL_Kalousek_1.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55532 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
Soubor:NodeXL_Kalousek_2.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54846 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
Soubor:NodeXL_Kalousek_3.png|[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55534 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
[[Soubor:NodeXL_Kalousek_1.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55532 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Kalousek_2.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54846 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Kalousek_3.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55534 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
NodeXL je opensource nástrojem umožňující stahovat a analyzovat data ze sociálních sítí jako je Facebook, Twitter, Youtube nebo Flickr v prostředí Excelu. Pro seznámení se s jeho možnostmi jsem se snažila zaměřit na téma, které je aktuální a zároveň bohaté. NodeXL totiž umožňuje stahovat data stará maximálně 9 dní a proto jsem si vybrala osobnost české politiky - Miroslava Kalouska na síti Twitter, kde má profil jako @kalousekm. Vyhledávala jsem tedy všechny zmínky, tweety a re-tweety, v nichž se vyskytovalo heslo „kalousekm“. Grafů jsem vytvořila několik, abych mohla pozorovat proměny v jednotlivých grafech a tím trochu obejít časové omezení NodeXL. K tomuto rozhodnutí mě přiměla i skutečnost, že 4. října 2015 se měl Miroslav Kalousek setkat se současným ministrem financí Andrejem Babišem v pořadu Otázky Václava Moravce (OVM). Setkání mělo proběhnout po roce a jejich rozhovor byl vyhlížen jako událost bohatou na emoce a jiskření mezi oběma politiky. &lt;br /&gt;
&lt;br /&gt;
Grafy&amp;lt;ref&amp;gt;http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55532; http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54846; http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55534 &amp;lt;/ref&amp;gt; jsou tři (shora dolů): dva ze 4.10. před zahájením OVM a po skončení pořadu a jeden ze dne 5.10. Sledovala jsem proměnu obsahu tweetů, nejčastějších hashtagů i jak se jednotliví uživatelé posouvají v rámci skupin a jak se síť proměňovala. Z náhledů vlevo je vidět, že síť kolem @kalousekm obsahuje čím dál více propojení. Na všech grafech jsou stálé dvě skupiny – kolem @kalousekm a @AndrejBabis. Uživatelé twitteru zřejmě často zmiňují @kalousekm v souvislosti s @AndrejBabis, což je zřejmé protože oba muži mají úzký vztah k ministerstvu financí a uživatelé jejich osobnosti i politiku často porovnávali, nebo byli k jejich krokům kritičtí, např.:&lt;br /&gt;
&lt;br /&gt;
„@vojtechfiala: @AndrejBabis konečně v OVM. Bohužel však s @kalousekm, který ho stejně jako loni vyškolí.“&lt;br /&gt;
&lt;br /&gt;
„@pazderskyjan: @kalousekm vemte mu koblihy a kakao! Třeba se z toho po.ere.“&lt;br /&gt;
&lt;br /&gt;
@kalousekm vs. @AndrejBabis&lt;br /&gt;
&lt;br /&gt;
Profily obou uživatelů se liší. Uživatel @kalousekm není moc aktivní, zatím napsal 231 tweetů a má 10.7K followerů, zatímco Andrej Babiš má followerů 159K a tweetů téměř dvojnásobek - 576 (ke dni 13.10.).  Obsah tweetů na profilu Miroslava Kalouska je spíše informační a popisný, Andrej Babiš tweetuje mnohem více osobně. Za porovnání stojí tweety obou politiků ze dne 4.10., kdy kolem sebe pouze krouží a navzájem na sebe neukazují:&lt;br /&gt;
&lt;br /&gt;
„@kalousekm: Dnes budu od 12:00 hostem pořadu Otázky Václava Moravce na ČT24.“ (RT: 6, F: 39) &lt;br /&gt;
&lt;br /&gt;
@andrejbabis: Jednu věc se nenaučím: nereagovat a nevytočit se, když se účelově a naschvál lže. I když jsem to trénoval.“ (RT: 15, F: 119)&lt;br /&gt;
&lt;br /&gt;
V tabulce níže je pak vidět, jak často uživatelé zmiňovali „kalousekm“ a jak často na něj reagovali – počet se postupně zvyšuje. Někteří uživatelé se v rámci vygenerovaných skupin přemisťovali, jiní zůstali na místě a diskutující postupně přibývali. Mezi uživatele, kteří heslo „kalousekm“ zmiňovali nejčastěji (edge weight) patřily zpočátku blesk24. Po skončení OVM se vedle blesk24 objevila silná vazba ze strany uživatele @pavelkout (webový grafik) a komentátora @alexandrmitrofa. Dne 5.10. pak byly nejsilnější vazby mezi @kalousekm a  @blanikz, @andrejbabis a @czechTV. Diskuze obou politiků v televizním pořadu zřejmě motivovala uživatele se vyjádřit ve svých tweetech, což je vidět na postupně rostoucím počtu uživatelů (vertices) i vazeb (edges) zmiňujících „kalousekm“. Hustota grafu (density), která není příliš vysoká, se ještě zmenšuje, ale zároveň se snižuje i „vzdálenost“ mezi uživateli (average geodesic distance). Znamená to, že se do diskuze zapojilo sice čím dál tím více uživatelů, ale bez vzájemných vazeb mezi sebou – reagovali tedy pouze na @kalousekm, ale mezi sebou OVM nediskutovali.&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! kalousekm !! Mentions „kalousekm&amp;quot; !! Replies to „kalousekm&amp;quot; !! Tweet from „kalousekm“ !! Vertices !! Edges !! Graph Density !! Average Geodesic Distance&lt;br /&gt;
|-&lt;br /&gt;
| 4.10. před OVM || 27 || 14 || 1 || 47 || 81 || 0,032377428 || 2,299683&lt;br /&gt;
|-&lt;br /&gt;
| 4.10. po OVM || 87 || 17 || 1 || 95 || 235 || 0,021500559 || 2,237119&lt;br /&gt;
|-&lt;br /&gt;
| 5.10. || 200 || 31 || 1 || 176 || 632 || 0,015909091 || 2,125323&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Interpretace_grafick%C3%A9ho_zobrazen%C3%AD_zm%C3%ADnek_o_Miroslavu_Kalouskovi_na_Twitteru&amp;diff=27569</id>
		<title>NodeXL: Interpretace grafického zobrazení zmínek o Miroslavu Kalouskovi na Twitteru</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Interpretace_grafick%C3%A9ho_zobrazen%C3%AD_zm%C3%ADnek_o_Miroslavu_Kalouskovi_na_Twitteru&amp;diff=27569"/>
		<updated>2015-12-22T22:32:43Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: Založena nová stránka s textem „== Členové projektu == '''Lucie Trojanová ''', Studia nových médií&amp;lt;br /&amp;gt;  == Kdo za to může? ==  Soubor:NodeXL_Kalousek_1.png&amp;lt;br /&amp;gt; [http://nod…“&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Lucie Trojanová ''', Studia nových médií&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Kdo za to může? ==&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Kalousek_1.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55532 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Kalousek_2.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54846 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Kalousek_3.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55534 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
NodeXL je opensource nástrojem umožňující stahovat a analyzovat data ze sociálních sítí jako je Facebook, Twitter, Youtube nebo Flickr v prostředí Excelu. Pro seznámení se s jeho možnostmi jsem se snažila zaměřit na téma, které je aktuální a zároveň bohaté. NodeXL totiž umožňuje stahovat data stará maximálně 9 dní a proto jsem si vybrala osobnost české politiky - Miroslava Kalouska na síti Twitter, kde má profil jako @kalousekm. Vyhledávala jsem tedy všechny zmínky, tweety a re-tweety, v nichž se vyskytovalo heslo „kalousekm“. Grafů jsem vytvořila několik, abych mohla pozorovat proměny v jednotlivých grafech a tím trochu obejít časové omezení NodeXL. K tomuto rozhodnutí mě přiměla i skutečnost, že 4. října 2015 se měl Miroslav Kalousek setkat se současným ministrem financí Andrejem Babišem v pořadu Otázky Václava Moravce (OVM). Setkání mělo proběhnout po roce a jejich rozhovor byl vyhlížen jako událost bohatou na emoce a jiskření mezi oběma politiky. &lt;br /&gt;
&lt;br /&gt;
Grafy&amp;lt;ref&amp;gt;http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55532; http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54846; http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=55534 &amp;lt;/ref&amp;gt; jsou tři (shora dolů): dva ze 4.10. před zahájením OVM a po skončení pořadu a jeden ze dne 5.10. Sledovala jsem proměnu obsahu tweetů, nejčastějších hashtagů i jak se jednotliví uživatelé posouvají v rámci skupin a jak se síť proměňovala. Z náhledů vlevo je vidět, že síť kolem @kalousekm obsahuje čím dál více propojení. Na všech grafech jsou stálé dvě skupiny – kolem @kalousekm a @AndrejBabis. Uživatelé twitteru zřejmě často zmiňují @kalousekm v souvislosti s @AndrejBabis, což je zřejmé protože oba muži mají úzký vztah k ministerstvu financí a uživatelé jejich osobnosti i politiku často porovnávali, nebo byli k jejich krokům kritičtí, např.:&lt;br /&gt;
&lt;br /&gt;
„@vojtechfiala: @AndrejBabis konečně v OVM. Bohužel však s @kalousekm, který ho stejně jako loni vyškolí.“&lt;br /&gt;
&lt;br /&gt;
„@pazderskyjan: @kalousekm vemte mu koblihy a kakao! Třeba se z toho po.ere.“&lt;br /&gt;
&lt;br /&gt;
@kalousekm vs. @AndrejBabis&lt;br /&gt;
&lt;br /&gt;
Profily obou uživatelů se liší. Uživatel @kalousekm není moc aktivní, zatím napsal 231 tweetů a má 10.7K followerů, zatímco Andrej Babiš má followerů 159K a tweetů téměř dvojnásobek - 576 (ke dni 13.10.).  Obsah tweetů na profilu Miroslava Kalouska je spíše informační a popisný, Andrej Babiš tweetuje mnohem více osobně. Za porovnání stojí tweety obou politiků ze dne 4.10., kdy kolem sebe pouze krouží a navzájem na sebe neukazují:&lt;br /&gt;
&lt;br /&gt;
„@kalousekm: Dnes budu od 12:00 hostem pořadu Otázky Václava Moravce na ČT24.“ (RT: 6, F: 39) &lt;br /&gt;
&lt;br /&gt;
@andrejbabis: Jednu věc se nenaučím: nereagovat a nevytočit se, když se účelově a naschvál lže. I když jsem to trénoval.“ (RT: 15, F: 119)&lt;br /&gt;
&lt;br /&gt;
V tabulce níže je pak vidět, jak často uživatelé zmiňovali „kalousekm“ a jak často na něj reagovali – počet se postupně zvyšuje. Někteří uživatelé se v rámci vygenerovaných skupin přemisťovali, jiní zůstali na místě a diskutující postupně přibývali. Mezi uživatele, kteří heslo „kalousekm“ zmiňovali nejčastěji (edge weight) patřily zpočátku blesk24. Po skončení OVM se vedle blesk24 objevila silná vazba ze strany uživatele @pavelkout (webový grafik) a komentátora @alexandrmitrofa. Dne 5.10. pak byly nejsilnější vazby mezi @kalousekm a  @blanikz, @andrejbabis a @czechTV. Diskuze obou politiků v televizním pořadu zřejmě motivovala uživatele se vyjádřit ve svých tweetech, což je vidět na postupně rostoucím počtu uživatelů (vertices) i vazeb (edges) zmiňujících „kalousekm“. Hustota grafu (density), která není příliš vysoká, se ještě zmenšuje, ale zároveň se snižuje i „vzdálenost“ mezi uživateli (average geodesic distance). Znamená to, že se do diskuze zapojilo sice čím dál tím více uživatelů, ale bez vzájemných vazeb mezi sebou – reagovali tedy pouze na @kalousekm, ale mezi sebou OVM nediskutovali.&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! kalousekm !! Mentions „kalousekm&amp;quot; !! Replies to „kalousekm&amp;quot; !! Tweet from „kalousekm“ !! Vertices !! Edges !! Graph Density !! Average Geodesic Distance&lt;br /&gt;
|-&lt;br /&gt;
| 4.10. před OVM || 27 || 14 || 1 || 47 || 81 || 0,032377428 || 2,299683&lt;br /&gt;
|-&lt;br /&gt;
| 4.10. po OVM || 87 || 17 || 1 || 95 || 235 || 0,021500559 || 2,237119&lt;br /&gt;
|-&lt;br /&gt;
| 5.10. || 200 || 31 || 1 || 176 || 632 || 0,015909091 || 2,125323&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Kalousek_3.png&amp;diff=27568</id>
		<title>Soubor:NodeXL Kalousek 3.png</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Kalousek_3.png&amp;diff=27568"/>
		<updated>2015-12-22T22:31:32Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Kalousek_2.png&amp;diff=27567</id>
		<title>Soubor:NodeXL Kalousek 2.png</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Kalousek_2.png&amp;diff=27567"/>
		<updated>2015-12-22T22:30:09Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Kalousek_1.png&amp;diff=27566</id>
		<title>Soubor:NodeXL Kalousek 1.png</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Kalousek_1.png&amp;diff=27566"/>
		<updated>2015-12-22T22:29:12Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_twitterov%C3%BDch_%C3%BA%C4%8Dt%C5%AF_%C4%8Dlen%C5%AF_vl%C3%A1dy_%C4%8CR&amp;diff=27565</id>
		<title>NodeXL: Analýza twitterových účtů členů vlády ČR</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_twitterov%C3%BDch_%C3%BA%C4%8Dt%C5%AF_%C4%8Dlen%C5%AF_vl%C3%A1dy_%C4%8CR&amp;diff=27565"/>
		<updated>2015-12-22T22:14:18Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Eva Hryzbylová''', Studia nových médií&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Daniel Sýkora''', Studia nových médií&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_vlada_CR.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54529 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Díky programu NodeXL lze přehledně znázornit vztahy mezi vybranými lidmi na sociálních sítích Facebook, Twitter a YouTube. Náš tým zvolil sociální síť Twitter, z níž získal data o vztazích a nejčastějších tématech členů současné vlády České republiky. Po zpracování dat v programu NodeXL vyšly najevo předpokládané, ale i neočekávané a zajímavé výsledky.&lt;br /&gt;
&lt;br /&gt;
Účet na Twitteru má zřízeno patnáct z celkových šestnácti členů. Z jejich účtů jsme na Twitteru vytvořili List (seznam)&amp;lt;ref&amp;gt;https://twitter.com/dadoch/lists/czech-government-members/members&amp;lt;/ref&amp;gt;, který programu umožňuje seskupit jednotlivá data o aktivitě těchto vládních politiků a vyvodit z nich vztahy, ať už mezi sebou nebo s ostatními uživateli. Při interpretaci dat je nutné brát v úvahu fakt, že NodeXL zpracovává data pouze za posledních sedm až osm dní.&lt;br /&gt;
&lt;br /&gt;
Z vizualizace dat jasně vyplývá, že vztahy jednotlivých ministrů s ostatními uživateli Twitteru mají strukturu „publika“, tj. uživatelé jsou publikem daného ministra. Zároveň má každý ministr své vlastní publikum, neboť vztahy mezi jednotlivými publiky jsou jen velmi omezené. Z těchto poznatků lze vyvodit závěr, že jednotliví ministři oslovují skupiny uživatelů, kteří mezi sebou nejsou příliš propojeni.&lt;br /&gt;
&lt;br /&gt;
Z výše uvedeného schématu „publika“ vybočují ministři Martin Stropnický (G9) a Dan Ťok (G10), jejichž vztahy s ostatními uživateli jsou takřka nulové. Takto izolované jedince lze zařadit do kategorie tzv. „isolates“, neboť jejich tweety nezískaly žádnou či téměř žádnou odezvu. V případě Dana Ťoka je důvodem to, že se rozhodl ukončit své působení na sociálních sítích v důsledku známé aféry neuváženého tweetu při tragické nehodě Pendolina, a všechny své předchozí tweety smazal. Stropnický je naopak na Twitteru poměrně aktivní, avšak jen výjimečně označuje ostatní účty a hashtagy nevyužívá vůbec. Dosah jeho příspěvků je tak značně omezen a orientuje se především na své odběratele, přičemž nepočítá s jejich zpětnou interakcí.&lt;br /&gt;
&lt;br /&gt;
Vizualizace také identifikuje témata, která se v dané skupině nejčastěji probírají. Každý ministr svá témata nepřekvapivě věnuje především svému resortu. Některé účty jsou přesto vedeny méně formálně. Dobrým příkladem může být účet ministra financí Andreje Babiše (G5), který suverénně vede v počtu odběratelů (159 000) možná i díky tomu, že část jeho příspěvků je mimopolitická a často také představuje události z jeho soukromého života. Ukazuje také svůj kontakt s populárními a úspěšnými osobnostmi (Roman Vaněk, Bohdan Pomahač, Petr Čech), nebo s celou řadou různých kapel (The Tap Tap, Mandrage, Ine Kafe atp.). Pestrost jeho příspěvků i cílení na ostatní významné osobnosti může být hlavním důvodem jeho twitterové popularity. &lt;br /&gt;
&lt;br /&gt;
Pokud bychom brali v potaz stranickou příslušnost, nejkonzervativnějšími účty disponují ministři za ČSSD. Bohuslav Sobotka (G8), Michaela Marksová (G6) i Lubomír Zaorálek (G7) své účty využívají především jako komentář své práce. S ostatními sektory jsou propojeni jen minimálně, cílí na určitou skupinu uživatelů. Obsah jejich účtů se šíří nejdále k jejich odběratelům.&lt;br /&gt;
&lt;br /&gt;
Pořadí jednotlivých skupin (G1 až G10) není určeno náhodně - čísla značí, jak moc jednotlivé účty ovlivňují celé zkoumané prostředí. První místo patří účtu ministra Pavla Bělobrádka, který je ze všech vládních členů se 4 300 tweety uživatelsky nejaktivnějším. Jeho nody (spojení) sahají do všech ostatních klastrů. Jako jediný se tak alespoň okrajově dotýká všech vládních témat.&lt;br /&gt;
&lt;br /&gt;
Data v programu NodeXL jasně ukázala, že nejaktivnějším diskutérem napříč všemi sférami je Alexandr Mitrofanov, novinář a komentátor píšící pro Právo. Za sledovanou dobu dostal od ministrů největší počet (20)&amp;lt;ref&amp;gt;viz Top Replied-To in Entire Graph: http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54529&amp;lt;/ref&amp;gt; replies (odpovědí) ze všech aktivních uživatelů. Znalost faktu o Mitrofanově vysoké interakci by mohla ministrům posloužit jako vodítko, na koho se v komunikaci na Twitteru soustředit.&lt;br /&gt;
&lt;br /&gt;
Otázkou zůstává, zda je cílem ministrů udržovat s ostatními uživateli vztah na úrovni „publika“ či zda by s nimi chtěli spíše vytvořit vazby tzv. „komunity“. Limitujícím faktorem může být i jejich nedostatečná gramotnost v oblasti fungování a možností sociální sítě Twitter. Na závěr uvádíme nejčastěji zmiňované domény a hashtagy.&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Nejčastěji zmiňované domény !! Nejčastěji zmiňované hashtagy&lt;br /&gt;
|-&lt;br /&gt;
| [http://facebook.com facebook.com] 95x || [https://twitter.com/search/?q=%23%C4%8Dssd čssd] 10x&lt;br /&gt;
|-&lt;br /&gt;
| [http://idnes.cz/ idnes.cz] 32x || [https://twitter.com/search/?q=%23policie policie] 9x&lt;br /&gt;
|-&lt;br /&gt;
| [http://novinky.cz/ novinky.cz] 26x || [https://twitter.com/search/?q=%23unga2015 unga2015] 9x&lt;br /&gt;
|-&lt;br /&gt;
| [http://army.cz/ army.cz] 25x || [https://twitter.com/search/?q=%23eu eu] 8x&lt;br /&gt;
|-&lt;br /&gt;
| [http://ceskatelevize.cz/ ceskatelevize.cz] 24x || [https://twitter.com/search/?q=%23czv4pres czv4pres] 7x&lt;br /&gt;
|-&lt;br /&gt;
| [http://cssd.cz/ cssd.cz] 24x || [https://twitter.com/search/?q=%23expo2015 expo2015] 6x&lt;br /&gt;
|-&lt;br /&gt;
| [http://youtube.com/ youtube.com] 22x || [https://twitter.com/search/?q=%23czechday czechday] 6x&lt;br /&gt;
|-&lt;br /&gt;
| [http://mmr.cz/ mmr.cz] 20x || [https://twitter.com/search/?q=%23migrace migrace] 5x&lt;br /&gt;
|-&lt;br /&gt;
| [http://dienstbier2013.cz/ dienstbier2013.cz] 20x  || [https://twitter.com/search/?q=%23brusel brusel] 4x&lt;br /&gt;
|-&lt;br /&gt;
| [http://vlada.cz/ vlada.cz] 19x || [https://twitter.com/search/?q=%23vrbetice vrbetice] 4x&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;references/&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_twitterov%C3%BDch_%C3%BA%C4%8Dt%C5%AF_%C4%8Dlen%C5%AF_vl%C3%A1dy_%C4%8CR&amp;diff=27564</id>
		<title>NodeXL: Analýza twitterových účtů členů vlády ČR</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_twitterov%C3%BDch_%C3%BA%C4%8Dt%C5%AF_%C4%8Dlen%C5%AF_vl%C3%A1dy_%C4%8CR&amp;diff=27564"/>
		<updated>2015-12-22T22:06:12Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Eva Hryzbylová''', Studia nových médií&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Daniel Sýkora''', Studia nových médií&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_vlada_CR.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54529 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Díky programu NodeXL lze přehledně znázornit vztahy mezi vybranými lidmi na sociálních sítích Facebook, Twitter a YouTube. Náš tým zvolil sociální síť Twitter, z níž získal data o vztazích a nejčastějších tématech členů současné vlády České republiky. Po zpracování dat v programu NodeXL vyšly najevo předpokládané, ale i neočekávané a zajímavé výsledky.&lt;br /&gt;
&lt;br /&gt;
Účet na Twitteru má zřízeno patnáct z celkových šestnácti členů. Z jejich účtů jsme na Twitteru vytvořili List (seznam)&amp;lt;ref&amp;gt;https://twitter.com/dadoch/lists/czech-government-members/members&amp;lt;/ref&amp;gt;, který programu umožňuje seskupit jednotlivá data o aktivitě těchto vládních politiků a vyvodit z nich vztahy, ať už mezi sebou nebo s ostatními uživateli. Při interpretaci dat je nutné brát v úvahu fakt, že NodeXL zpracovává data pouze za posledních sedm až osm dní.&lt;br /&gt;
&lt;br /&gt;
Z vizualizace dat jasně vyplývá, že vztahy jednotlivých ministrů s ostatními uživateli Twitteru mají strukturu „publika“, tj. uživatelé jsou publikem daného ministra. Zároveň má každý ministr své vlastní publikum, neboť vztahy mezi jednotlivými publiky jsou jen velmi omezené. Z těchto poznatků lze vyvodit závěr, že jednotliví ministři oslovují skupiny uživatelů, kteří mezi sebou nejsou příliš propojeni.&lt;br /&gt;
&lt;br /&gt;
Z výše uvedeného schématu „publika“ vybočují ministři Martin Stropnický (G9) a Dan Ťok (G10), jejichž vztahy s ostatními uživateli jsou takřka nulové. Takto izolované jedince lze zařadit do kategorie tzv. „isolates“, neboť jejich tweety nezískaly žádnou či téměř žádnou odezvu. V případě Dana Ťoka je důvodem to, že se rozhodl ukončit své působení na sociálních sítích v důsledku známé aféry neuváženého tweetu při tragické nehodě Pendolina, a všechny své předchozí tweety smazal. Stropnický je naopak na Twitteru poměrně aktivní, avšak jen výjimečně označuje ostatní účty a hashtagy nevyužívá vůbec. Dosah jeho příspěvků je tak značně omezen a orientuje se především na své odběratele, přičemž nepočítá s jejich zpětnou interakcí.&lt;br /&gt;
&lt;br /&gt;
Vizualizace také identifikuje témata, která se v dané skupině nejčastěji probírají. Každý ministr svá témata nepřekvapivě věnuje především svému resortu. Některé účty jsou přesto vedeny méně formálně. Dobrým příkladem může být účet ministra financí Andreje Babiše (G5), který suverénně vede v počtu odběratelů (159 000) možná i díky tomu, že část jeho příspěvků je mimopolitická a často také představuje události z jeho soukromého života. Ukazuje také svůj kontakt s populárními a úspěšnými osobnostmi (Roman Vaněk, Bohdan Pomahač, Petr Čech), nebo s celou řadou různých kapel (The Tap Tap, Mandrage, Ine Kafe atp.). Pestrost jeho příspěvků i cílení na ostatní významné osobnosti může být hlavním důvodem jeho twitterové popularity. &lt;br /&gt;
&lt;br /&gt;
Pokud bychom brali v potaz stranickou příslušnost, nejkonzervativnějšími účty disponují ministři za ČSSD. Bohuslav Sobotka (G8), Michaela Marksová (G6) i Lubomír Zaorálek (G7) své účty využívají především jako komentář své práce. S ostatními sektory jsou propojeni jen minimálně, cílí na určitou skupinu uživatelů. Obsah jejich účtů se šíří nejdále k jejich odběratelům.&lt;br /&gt;
&lt;br /&gt;
Pořadí jednotlivých skupin (G1 až G10) není určeno náhodně - čísla značí, jak moc jednotlivé účty ovlivňují celé zkoumané prostředí. První místo patří účtu ministra Pavla Bělobrádka, který je ze všech vládních členů se 4 300 tweety uživatelsky nejaktivnějším. Jeho nody (spojení) sahají do všech ostatních klastrů. Jako jediný se tak alespoň okrajově dotýká všech vládních témat.&lt;br /&gt;
&lt;br /&gt;
Data v programu NodeXL jasně ukázala, že nejaktivnějším diskutérem napříč všemi sférami je Alexandr Mitrofanov, novinář a komentátor píšící pro Právo. Za sledovanou dobu dostal od ministrů největší počet (20)&amp;lt;ref&amp;gt;viz Top Replied-To in Entire Graph: http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54529&amp;lt;/ref&amp;gt; replies (odpovědí) ze všech aktivních uživatelů. Znalost faktu o Mitrofanově vysoké interakci by mohla ministrům posloužit jako vodítko, na koho se v komunikaci na Twitteru soustředit.&lt;br /&gt;
&lt;br /&gt;
Otázkou zůstává, zda je cílem ministrů udržovat s ostatními uživateli vztah na úrovni „publika“ či zda by s nimi chtěli spíše vytvořit vazby tzv. „komunity“. Limitujícím faktorem může být i jejich nedostatečná gramotnost v oblasti fungování a možností sociální sítě Twitter. Na závěr uvádíme nejčastěji zmiňované domény a hashtagy.&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Nejčastěji zmiňované domény !! Nejčastěji zmiňované hashtagy&lt;br /&gt;
|-&lt;br /&gt;
| facebook.com 95x || policie 9x&lt;br /&gt;
|-&lt;br /&gt;
| idnes.cz 32x || unga2015 9x&lt;br /&gt;
|-&lt;br /&gt;
| novinky.cz 26x || [https://twitter.com/search/?q=%23eu eu] 8x&lt;br /&gt;
|-&lt;br /&gt;
| army.cz 25x || czv4pres 7x&lt;br /&gt;
|-&lt;br /&gt;
| ceskatelevize.cz 24x || expo2015 6x&lt;br /&gt;
|-&lt;br /&gt;
| cssd.cz 24x || czechday 6x&lt;br /&gt;
|-&lt;br /&gt;
| youtube.com 22x || migrace 5x&lt;br /&gt;
|-&lt;br /&gt;
| mmr.cz 20x || brusel 4x&lt;br /&gt;
|-&lt;br /&gt;
| dienstbier2013.cz 20x  || Text buňky&lt;br /&gt;
|-&lt;br /&gt;
| vlada.cz 19x || vrbetice 4x&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;ref&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_twitterov%C3%BDch_%C3%BA%C4%8Dt%C5%AF_%C4%8Dlen%C5%AF_vl%C3%A1dy_%C4%8CR&amp;diff=27563</id>
		<title>NodeXL: Analýza twitterových účtů členů vlády ČR</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_twitterov%C3%BDch_%C3%BA%C4%8Dt%C5%AF_%C4%8Dlen%C5%AF_vl%C3%A1dy_%C4%8CR&amp;diff=27563"/>
		<updated>2015-12-22T22:05:17Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Eva Hryzbylová''', Studia nových médií&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Daniel Sýkora''', Studia nových médií&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_vlada_CR.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54529 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Díky programu NodeXL lze přehledně znázornit vztahy mezi vybranými lidmi na sociálních sítích Facebook, Twitter a YouTube. Náš tým zvolil sociální síť Twitter, z níž získal data o vztazích a nejčastějších tématech členů současné vlády České republiky. Po zpracování dat v programu NodeXL vyšly najevo předpokládané, ale i neočekávané a zajímavé výsledky.&lt;br /&gt;
&lt;br /&gt;
Účet na Twitteru má zřízeno patnáct z celkových šestnácti členů. Z jejich účtů jsme na Twitteru vytvořili List (seznam)&amp;lt;ref&amp;gt;https://twitter.com/dadoch/lists/czech-government-members/members&amp;lt;/ref&amp;gt;, který programu umožňuje seskupit jednotlivá data o aktivitě těchto vládních politiků a vyvodit z nich vztahy, ať už mezi sebou nebo s ostatními uživateli. Při interpretaci dat je nutné brát v úvahu fakt, že NodeXL zpracovává data pouze za posledních sedm až osm dní.&lt;br /&gt;
&lt;br /&gt;
Z vizualizace dat jasně vyplývá, že vztahy jednotlivých ministrů s ostatními uživateli Twitteru mají strukturu „publika“, tj. uživatelé jsou publikem daného ministra. Zároveň má každý ministr své vlastní publikum, neboť vztahy mezi jednotlivými publiky jsou jen velmi omezené. Z těchto poznatků lze vyvodit závěr, že jednotliví ministři oslovují skupiny uživatelů, kteří mezi sebou nejsou příliš propojeni.&lt;br /&gt;
&lt;br /&gt;
Z výše uvedeného schématu „publika“ vybočují ministři Martin Stropnický (G9) a Dan Ťok (G10), jejichž vztahy s ostatními uživateli jsou takřka nulové. Takto izolované jedince lze zařadit do kategorie tzv. „isolates“, neboť jejich tweety nezískaly žádnou či téměř žádnou odezvu. V případě Dana Ťoka je důvodem to, že se rozhodl ukončit své působení na sociálních sítích v důsledku známé aféry neuváženého tweetu při tragické nehodě Pendolina, a všechny své předchozí tweety smazal. Stropnický je naopak na Twitteru poměrně aktivní, avšak jen výjimečně označuje ostatní účty a hashtagy nevyužívá vůbec. Dosah jeho příspěvků je tak značně omezen a orientuje se především na své odběratele, přičemž nepočítá s jejich zpětnou interakcí.&lt;br /&gt;
&lt;br /&gt;
Vizualizace také identifikuje témata, která se v dané skupině nejčastěji probírají. Každý ministr svá témata nepřekvapivě věnuje především svému resortu. Některé účty jsou přesto vedeny méně formálně. Dobrým příkladem může být účet ministra financí Andreje Babiše (G5), který suverénně vede v počtu odběratelů (159 000) možná i díky tomu, že část jeho příspěvků je mimopolitická a často také představuje události z jeho soukromého života. Ukazuje také svůj kontakt s populárními a úspěšnými osobnostmi (Roman Vaněk, Bohdan Pomahač, Petr Čech), nebo s celou řadou různých kapel (The Tap Tap, Mandrage, Ine Kafe atp.). Pestrost jeho příspěvků i cílení na ostatní významné osobnosti může být hlavním důvodem jeho twitterové popularity. &lt;br /&gt;
&lt;br /&gt;
Pokud bychom brali v potaz stranickou příslušnost, nejkonzervativnějšími účty disponují ministři za ČSSD. Bohuslav Sobotka (G8), Michaela Marksová (G6) i Lubomír Zaorálek (G7) své účty využívají především jako komentář své práce. S ostatními sektory jsou propojeni jen minimálně, cílí na určitou skupinu uživatelů. Obsah jejich účtů se šíří nejdále k jejich odběratelům.&lt;br /&gt;
&lt;br /&gt;
Pořadí jednotlivých skupin (G1 až G10) není určeno náhodně - čísla značí, jak moc jednotlivé účty ovlivňují celé zkoumané prostředí. První místo patří účtu ministra Pavla Bělobrádka, který je ze všech vládních členů se 4 300 tweety uživatelsky nejaktivnějším. Jeho nody (spojení) sahají do všech ostatních klastrů. Jako jediný se tak alespoň okrajově dotýká všech vládních témat.&lt;br /&gt;
&lt;br /&gt;
Data v programu NodeXL jasně ukázala, že nejaktivnějším diskutérem napříč všemi sférami je Alexandr Mitrofanov, novinář a komentátor píšící pro Právo. Za sledovanou dobu dostal od ministrů největší počet (20)&amp;lt;ref&amp;gt;viz Top Replied-To in Entire Graph: http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54529&amp;lt;/ref&amp;gt; replies (odpovědí) ze všech aktivních uživatelů. Znalost faktu o Mitrofanově vysoké interakci by mohla ministrům posloužit jako vodítko, na koho se v komunikaci na Twitteru soustředit.&lt;br /&gt;
&lt;br /&gt;
Otázkou zůstává, zda je cílem ministrů udržovat s ostatními uživateli vztah na úrovni „publika“ či zda by s nimi chtěli spíše vytvořit vazby tzv. „komunity“. Limitujícím faktorem může být i jejich nedostatečná gramotnost v oblasti fungování a možností sociální sítě Twitter. Na závěr uvádíme nejčastěji zmiňované domény a hashtagy.&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Nejčastěji zmiňované domény !! Nejčastěji zmiňované hashtagy&lt;br /&gt;
|-&lt;br /&gt;
| facebook.com 95x || policie 9x&lt;br /&gt;
|-&lt;br /&gt;
| idnes.cz 32x || unga2015 9x&lt;br /&gt;
|-&lt;br /&gt;
| novinky.cz 26x || [https://twitter.com/search/?q=%23eu eu] 8x&lt;br /&gt;
|-&lt;br /&gt;
| army.cz 25x || czv4pres 7x&lt;br /&gt;
|-&lt;br /&gt;
| ceskatelevize.cz 24x || expo2015 6x&lt;br /&gt;
|-&lt;br /&gt;
| cssd.cz 24x || czechday 6x&lt;br /&gt;
|-&lt;br /&gt;
| youtube.com 22x || migrace 5x&lt;br /&gt;
|-&lt;br /&gt;
| mmr.cz 20x || brusel 4x&lt;br /&gt;
|-&lt;br /&gt;
| dienstbier2013.cz 20x  || Text buňky&lt;br /&gt;
|-&lt;br /&gt;
| vlada.cz 19x || vrbetice 4x&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_twitterov%C3%BDch_%C3%BA%C4%8Dt%C5%AF_%C4%8Dlen%C5%AF_vl%C3%A1dy_%C4%8CR&amp;diff=27562</id>
		<title>NodeXL: Analýza twitterových účtů členů vlády ČR</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_twitterov%C3%BDch_%C3%BA%C4%8Dt%C5%AF_%C4%8Dlen%C5%AF_vl%C3%A1dy_%C4%8CR&amp;diff=27562"/>
		<updated>2015-12-22T22:03:02Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: Založena nová stránka s textem „== Členové projektu == '''Eva Hryzbylová''', Studia nových médií&amp;lt;br /&amp;gt; '''Daniel Sýkora''', Studia nových médií   Soubor:NodeXL_vlada_CR.png&amp;lt;…“&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Eva Hryzbylová''', Studia nových médií&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Daniel Sýkora''', Studia nových médií&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_vlada_CR.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54529 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Díky programu NodeXL lze přehledně znázornit vztahy mezi vybranými lidmi na sociálních sítích Facebook, Twitter a YouTube. Náš tým zvolil sociální síť Twitter, z níž získal data o vztazích a nejčastějších tématech členů současné vlády České republiky. Po zpracování dat v programu NodeXL vyšly najevo předpokládané, ale i neočekávané a zajímavé výsledky.&lt;br /&gt;
&lt;br /&gt;
Účet na Twitteru má zřízeno patnáct z celkových šestnácti členů. Z jejich účtů jsme na Twitteru vytvořili List (seznam)&amp;lt;ref&amp;gt;https://twitter.com/dadoch/lists/czech-government-members/members&amp;lt;/ref&amp;gt;, který programu umožňuje seskupit jednotlivá data o aktivitě těchto vládních politiků a vyvodit z nich vztahy, ať už mezi sebou nebo s ostatními uživateli. Při interpretaci dat je nutné brát v úvahu fakt, že NodeXL zpracovává data pouze za posledních sedm až osm dní.&lt;br /&gt;
&lt;br /&gt;
Z vizualizace dat jasně vyplývá, že vztahy jednotlivých ministrů s ostatními uživateli Twitteru mají strukturu „publika“, tj. uživatelé jsou publikem daného ministra. Zároveň má každý ministr své vlastní publikum, neboť vztahy mezi jednotlivými publiky jsou jen velmi omezené. Z těchto poznatků lze vyvodit závěr, že jednotliví ministři oslovují skupiny uživatelů, kteří mezi sebou nejsou příliš propojeni.&lt;br /&gt;
&lt;br /&gt;
Z výše uvedeného schématu „publika“ vybočují ministři Martin Stropnický (G9) a Dan Ťok (G10), jejichž vztahy s ostatními uživateli jsou takřka nulové. Takto izolované jedince lze zařadit do kategorie tzv. „isolates“, neboť jejich tweety nezískaly žádnou či téměř žádnou odezvu. V případě Dana Ťoka je důvodem to, že se rozhodl ukončit své působení na sociálních sítích v důsledku známé aféry neuváženého tweetu při tragické nehodě Pendolina, a všechny své předchozí tweety smazal. Stropnický je naopak na Twitteru poměrně aktivní, avšak jen výjimečně označuje ostatní účty a hashtagy nevyužívá vůbec. Dosah jeho příspěvků je tak značně omezen a orientuje se především na své odběratele, přičemž nepočítá s jejich zpětnou interakcí.&lt;br /&gt;
&lt;br /&gt;
Vizualizace také identifikuje témata, která se v dané skupině nejčastěji probírají. Každý ministr svá témata nepřekvapivě věnuje především svému resortu. Některé účty jsou přesto vedeny méně formálně. Dobrým příkladem může být účet ministra financí Andreje Babiše (G5), který suverénně vede v počtu odběratelů (159 000) možná i díky tomu, že část jeho příspěvků je mimopolitická a často také představuje události z jeho soukromého života. Ukazuje také svůj kontakt s populárními a úspěšnými osobnostmi (Roman Vaněk, Bohdan Pomahač, Petr Čech), nebo s celou řadou různých kapel (The Tap Tap, Mandrage, Ine Kafe atp.). Pestrost jeho příspěvků i cílení na ostatní významné osobnosti může být hlavním důvodem jeho twitterové popularity. &lt;br /&gt;
&lt;br /&gt;
Pokud bychom brali v potaz stranickou příslušnost, nejkonzervativnějšími účty disponují ministři za ČSSD. Bohuslav Sobotka (G8), Michaela Marksová (G6) i Lubomír Zaorálek (G7) své účty využívají především jako komentář své práce. S ostatními sektory jsou propojeni jen minimálně, cílí na určitou skupinu uživatelů. Obsah jejich účtů se šíří nejdále k jejich odběratelům.&lt;br /&gt;
&lt;br /&gt;
Pořadí jednotlivých skupin (G1 až G10) není určeno náhodně - čísla značí, jak moc jednotlivé účty ovlivňují celé zkoumané prostředí. První místo patří účtu ministra Pavla Bělobrádka, který je ze všech vládních členů se 4 300 tweety uživatelsky nejaktivnějším. Jeho nody (spojení) sahají do všech ostatních klastrů. Jako jediný se tak alespoň okrajově dotýká všech vládních témat.&lt;br /&gt;
&lt;br /&gt;
Data v programu NodeXL jasně ukázala, že nejaktivnějším diskutérem napříč všemi sférami je Alexandr Mitrofanov, novinář a komentátor píšící pro Právo. Za sledovanou dobu dostal od ministrů největší počet (20)&amp;lt;ref&amp;gt;viz Top Replied-To in Entire Graph: http://nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54529&amp;lt;/ref&amp;gt; replies (odpovědí) ze všech aktivních uživatelů. Znalost faktu o Mitrofanově vysoké interakci by mohla ministrům posloužit jako vodítko, na koho se v komunikaci na Twitteru soustředit.&lt;br /&gt;
&lt;br /&gt;
Otázkou zůstává, zda je cílem ministrů udržovat s ostatními uživateli vztah na úrovni „publika“ či zda by s nimi chtěli spíše vytvořit vazby tzv. „komunity“. Limitujícím faktorem může být i jejich nedostatečná gramotnost v oblasti fungování a možností sociální sítě Twitter. Na závěr uvádíme nejčastěji zmiňované domény a hashtagy.&lt;br /&gt;
&lt;br /&gt;
{| class=&amp;quot;wikitable&amp;quot;&lt;br /&gt;
|-&lt;br /&gt;
! Nejčastěji zmiňované domény !! Nejčastěji zmiňované hashtagy&lt;br /&gt;
|-&lt;br /&gt;
| facebook.com 95x || policie 9x&lt;br /&gt;
|-&lt;br /&gt;
| idnes.cz 32x || unga2015 9x&lt;br /&gt;
|-&lt;br /&gt;
| novinky.cz 26x || eu 8x&lt;br /&gt;
|-&lt;br /&gt;
| army.cz 25x || czv4pres 7x&lt;br /&gt;
|-&lt;br /&gt;
| ceskatelevize.cz 24x || expo2015 6x&lt;br /&gt;
|-&lt;br /&gt;
| cssd.cz 24x || czechday 6x&lt;br /&gt;
|-&lt;br /&gt;
| youtube.com 22x || migrace 5x&lt;br /&gt;
|-&lt;br /&gt;
| mmr.cz 20x || brusel 4x&lt;br /&gt;
|-&lt;br /&gt;
| dienstbier2013.cz 20x  || Text buňky&lt;br /&gt;
|-&lt;br /&gt;
| vlada.cz 19x || vrbetice 4x&lt;br /&gt;
|}&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_vlada_CR.png&amp;diff=27561</id>
		<title>Soubor:NodeXL vlada CR.png</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_vlada_CR.png&amp;diff=27561"/>
		<updated>2015-12-22T21:51:33Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Ztohoven_a_%C4%8Derven%C3%A9_trenky&amp;diff=27559</id>
		<title>NodeXL: Ztohoven a červené trenky</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Ztohoven_a_%C4%8Derven%C3%A9_trenky&amp;diff=27559"/>
		<updated>2015-12-22T20:46:31Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Jan Vlnas''', Studia nových médií, e-mail: [mailto:jan@vlnas.cz jan@vlnas.cz ]&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Marta Kolárová''', Studia nových médií, e-mail: [mailto:martavkolarova@gmail.com martavkolarova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Ztohoven.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://www.nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54915 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Vzhledem k aktuálnosti tématu jsme se podívali, jakou reakci na twitteru vzbudila recese umělecké skupiny Ztohoven, která místo prezidentské standarty vyvěsila na Hradě obří červené trenky. Pracovali jsme s daty za období od 20. 9. 2015 do 30. 9. 2015. &lt;br /&gt;
&lt;br /&gt;
Hned při prvním pohledu na vizualizaci je patrné, kdo diskuzi dominuje – podle předpokladů je to prezidentův mluvčí Jiří Ovčáček, který je ve většině clusterů mezi hlavními použitými slovy. Také je patrné, že akce proběhla médii – hned uprostřed hlavního clusteru si můžeme všimnout České televize, dále pak Radiožurnál, Echo24, Lidové noviny, neovlivni.cz, Filip Horký (reportér ČT24) a často ji zmiňovali i mediální analytici, jako např. Filip Rožánek nebo Ján Simkanič. &lt;br /&gt;
&lt;br /&gt;
Dalším zajímavým prvkem je řada nepropojených clusterů, která často patří některému konkrétnímu titulu, u kterého nedocházelo k přílišné interakci: Reflex, zpravyrozhlas.cz nebo aktualne.cz. Zajímavé je také centrální postavení ČT24. Také si můžeme všimnout, že simindr (Ján Simkanič), není zařazen v hlavním clusteru, ale má svůj vlastní (G2), který je silně centralizovaný. &lt;br /&gt;
&lt;br /&gt;
Z celkového výsledku je patrné, že diskuze se drží především v oblasti médií, to jsme ale také předpokládali. Z analýzy můžeme zjistit, jaká média mají jaký vliv a také na jakou skupinu, která se kolem nich utváří. Bylo by zajímavé zjistit také sentiment, který byl v diskuzích u jednotlivých témat použit, a lokality, ve kterých se o události diskutovalo nejvíce (předpokladem je Praha). Lokality by bylo možné zjistit buď na základě udané lokace v profilu jednotlivých účastníků nebo přímo z geotagovaných tweetů. &lt;br /&gt;
&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Ztohoven_a_%C4%8Derven%C3%A9_trenky&amp;diff=27558</id>
		<title>NodeXL: Ztohoven a červené trenky</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Ztohoven_a_%C4%8Derven%C3%A9_trenky&amp;diff=27558"/>
		<updated>2015-12-22T20:45:58Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: Založena nová stránka s textem „== Členové projektu == '''Jan Vlnas''', Studia nových médií, e-mail: [mailto:jan@vlnas.cz jan@vlnas.cz ]&amp;lt;br /&amp;gt; '''Marta Kolárová''', Studia nových …“&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Jan Vlnas''', Studia nových médií, e-mail: [mailto:jan@vlnas.cz jan@vlnas.cz ]&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Marta Kolárová''', Studia nových médií, e-mail: [mailto:martavkolarova@gmail.com martavkolarova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_Ztohoven.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://www.nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54915 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Vzhledem k aktuálnosti tématu jsme se podívali, jakou reakci na twitteru vzbudila recese umělecké skupiny Ztohoven, která místo prezidentské standarty vyvěsila na Hradě obří červené trenky. Pracovali jsme s daty za období od 20. 9. 2015 do 30. 9. 2015. Hned při prvním pohledu na vizualizaci je patrné, kdo diskuzi dominuje – podle předpokladů je to prezidentův mluvčí Jiří Ovčáček, který je ve většině clusterů mezi hlavními použitými slovy. Také je patrné, že akce proběhla médii – hned uprostřed hlavního clusteru si můžeme všimnout České televize, dále pak Radiožurnál, Echo24, Lidové noviny, neovlivni.cz, Filip Horký (reportér ČT24) a často ji zmiňovali i mediální analytici, jako např. Filip Rožánek nebo Ján Simkanič. Dalším zajímavým prvkem je řada nepropojených clusterů, která často patří některému konkrétnímu titulu, u kterého nedocházelo k přílišné interakci: Reflex, zpravyrozhlas.cz nebo aktualne.cz. Zajímavé je také centrální postavení ČT24. Také si můžeme všimnout, že simindr (Ján Simkanič), není zařazen v hlavním clusteru, ale má svůj vlastní (G2), který je silně centralizovaný. Z celkového výsledku je patrné, že diskuze se drží především v oblasti médií, to jsme ale také předpokládali. Z analýzy můžeme zjistit, jaká média mají jaký vliv a také na jakou skupinu, která se kolem nich utváří. Bylo by zajímavé zjistit také sentiment, který byl v diskuzích u jednotlivých témat použit, a lokality, ve kterých se o události diskutovalo nejvíce (předpokladem je Praha). Lokality by bylo možné zjistit buď na základě udané lokace v profilu jednotlivých účastníků nebo přímo z geotagovaných tweetů. &lt;br /&gt;
&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Ztohoven.png&amp;diff=27557</id>
		<title>Soubor:NodeXL Ztohoven.png</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_Ztohoven.png&amp;diff=27557"/>
		<updated>2015-12-22T20:41:59Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: Reakce na recesi skupiny Ztohoven (vyvěšení červených trenek místo prezidentské standarty) na českém Twitteru&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;Reakce na recesi skupiny Ztohoven (vyvěšení červených trenek místo prezidentské standarty) na českém Twitteru&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27556</id>
		<title>NodeXL: Studenti 1. ročníku StuNoMe</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27556"/>
		<updated>2015-12-22T20:38:20Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Jan Vlnas''', Studia nových médií, e-mail: [mailto:jan@vlnas.cz jan@vlnas.cz ]&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Marta Kolárová''', Studia nových médií, e-mail: [mailto:martavkolarova@gmail.com martavkolarova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_StuNoMe.png]]&amp;lt;br /&amp;gt;&lt;br /&gt;
[http://www.nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54917 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Ve vizualizaci jsme pracovali se [https://twitter.com/stunome/lists/stunome seznamem studentů a pedagogů StuNoMe] doplněným o nově nastupující studenty. Studenti prvních ročníků jsou zvýrazněni červeně. Data byla stažena 30. září 2015, tedy ještě před začátkem akademického roku. Graf zachycuje interakce mezi jednotlivými uživateli, tj. mentions, retweets, favorites atp. Ne všichni studenti prvního ročníku mají účet na Twitteru, případně jej ještě nesdělili. &lt;br /&gt;
&lt;br /&gt;
Popisky clusterů jsou tvořené nejčastějšími slovy (bez stopslov). Jednotlivé clustery drží zajímavě tematicky pohromadě. Hlavními influencery bez ohledu na clustery jsou nepřekvapivě Josef Šlerka a Jakub Fiala. &lt;br /&gt;
&lt;br /&gt;
Clustery do jisté míry rozlišují jednotlivé skupiny na SNM, jako např. studenty stejného ročníku (clustery G4, G5) a pedagogy (clustery G2, G3). Clusteru G2 dominuje Josef Šlerka a je zároveň i nejfrekventovanějším klíčovým slovem (což je dané). &lt;br /&gt;
&lt;br /&gt;
Svůj vlastní cluster (G4) má i Jakub Fiala, mimo jiné tajemník oboru online i v terénu. Samozřejmě nesmí chybět hastag #snmprijimacky, a skupina především studentů vyšších ročníků a absolventů – a opět dvou začleněných studentů prvního ročníku. &lt;br /&gt;
&lt;br /&gt;
Cluster G3 je „marketingový“, najdeme v něm StuNoMe absolventy, jako je Máša Dudziaková, Adam Zbiejczuk nebo Honza Páv. Hned na prvním místě v nejpoužívanějších slovech je mascha_dudu (twitter name Máši Dudziakové). &lt;br /&gt;
&lt;br /&gt;
V clusteru G5 je zajímavé všimnout si uživatele lenikrsova (Lenka Krsová), která je sice v rámci clusteru v okrajové poloze, ale zároveň je jeho ústředním tématem. &lt;br /&gt;
&lt;br /&gt;
Specifikem tohoto zachycení dat je, že není rozlišená aktuálnost jednotlivých účtů a interakcí. Proto jsou v grafu viditelné i neaktuální účty jako SNMcrowd, které silně interagovaly s jinými členy seznamu. &lt;br /&gt;
&lt;br /&gt;
Nejpodstatnější na tomto grafu je však zachycení účtů nových studentů. Jejich větší část se nachází v clusteru G1, tj. bez interakce s ostatním uživateli ze SNM. Zbylých 7 účtů je rovnoměrně rozloženo mezi zbývající clustery. Jejich zařazení do clusterů však může být dané i tím, že mají vůbec nějakou interakci s ostatními uživateli, tj. nelze na základě příslušnosti jednoznačně určit jejich zaměření či kterým směrem se budou ve studiu profilovat. Mohlo by však být zajímavé vizualizaci opakovaně zreprodukovat v průběhu následujícího studia.&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27555</id>
		<title>NodeXL: Studenti 1. ročníku StuNoMe</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27555"/>
		<updated>2015-12-22T20:37:30Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Jan Vlnas''', Studia nových médií, e-mail: [mailto:jan@vlnas.cz jan@vlnas.cz ]&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Marta Kolárová''', Studia nových médií, e-mail: [mailto:martavkolarova@gmail.com martavkolarova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_StuNoMe.png]]&lt;br /&gt;
[http://www.nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54917 Odkaz na analýzu v NodeXL gallery]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Ve vizualizaci jsme pracovali se [https://twitter.com/stunome/lists/stunome seznamem studentů a pedagogů StuNoMe] doplněným o nově nastupující studenty. Studenti prvních ročníků jsou zvýrazněni červeně. Data byla stažena 30. září 2015, tedy ještě před začátkem akademického roku. Graf zachycuje interakce mezi jednotlivými uživateli, tj. mentions, retweets, favorites atp. Ne všichni studenti prvního ročníku mají účet na Twitteru, případně jej ještě nesdělili. &lt;br /&gt;
&lt;br /&gt;
Popisky clusterů jsou tvořené nejčastějšími slovy (bez stopslov). Jednotlivé clustery drží zajímavě tematicky pohromadě. Hlavními influencery bez ohledu na clustery jsou nepřekvapivě Josef Šlerka a Jakub Fiala. &lt;br /&gt;
&lt;br /&gt;
Clustery do jisté míry rozlišují jednotlivé skupiny na SNM, jako např. studenty stejného ročníku (clustery G4, G5) a pedagogy (clustery G2, G3). Clusteru G2 dominuje Josef Šlerka a je zároveň i nejfrekventovanějším klíčovým slovem (což je dané). &lt;br /&gt;
&lt;br /&gt;
Svůj vlastní cluster (G4) má i Jakub Fiala, mimo jiné tajemník oboru online i v terénu. Samozřejmě nesmí chybět hastag #snmprijimacky, a skupina především studentů vyšších ročníků a absolventů – a opět dvou začleněných studentů prvního ročníku. &lt;br /&gt;
&lt;br /&gt;
Cluster G3 je „marketingový“, najdeme v něm StuNoMe absolventy, jako je Máša Dudziaková, Adam Zbiejczuk nebo Honza Páv. Hned na prvním místě v nejpoužívanějších slovech je mascha_dudu (twitter name Máši Dudziakové). &lt;br /&gt;
&lt;br /&gt;
V clusteru G5 je zajímavé všimnout si uživatele lenikrsova (Lenka Krsová), která je sice v rámci clusteru v okrajové poloze, ale zároveň je jeho ústředním tématem. &lt;br /&gt;
&lt;br /&gt;
Specifikem tohoto zachycení dat je, že není rozlišená aktuálnost jednotlivých účtů a interakcí. Proto jsou v grafu viditelné i neaktuální účty jako SNMcrowd, které silně interagovaly s jinými členy seznamu. &lt;br /&gt;
&lt;br /&gt;
Nejpodstatnější na tomto grafu je však zachycení účtů nových studentů. Jejich větší část se nachází v clusteru G1, tj. bez interakce s ostatním uživateli ze SNM. Zbylých 7 účtů je rovnoměrně rozloženo mezi zbývající clustery. Jejich zařazení do clusterů však může být dané i tím, že mají vůbec nějakou interakci s ostatními uživateli, tj. nelze na základě příslušnosti jednoznačně určit jejich zaměření či kterým směrem se budou ve studiu profilovat. Mohlo by však být zajímavé vizualizaci opakovaně zreprodukovat v průběhu následujícího studia.&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27554</id>
		<title>NodeXL: Studenti 1. ročníku StuNoMe</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27554"/>
		<updated>2015-12-22T20:36:32Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Jan Vlnas''', Studia nových médií, e-mail: [mailto:jan@vlnas.cz jan@vlnas.cz ]&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Marta Kolárová''', Studia nových médií, e-mail: [mailto:martavkolarova@gmail.com martavkolarova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_StuNoMe.png]]&lt;br /&gt;
[http://Odkaz%20na%20analýzu%20v%20NodeXL%20gallery http://www.nodexlgraphgallery.org/Pages/Graph.aspx?graphID=54917]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Ve vizualizaci jsme pracovali se [https://twitter.com/stunome/lists/stunome seznamem studentů a pedagogů StuNoMe] doplněným o nově nastupující studenty. Studenti prvních ročníků jsou zvýrazněni červeně. Data byla stažena 30. září 2015, tedy ještě před začátkem akademického roku. Graf zachycuje interakce mezi jednotlivými uživateli, tj. mentions, retweets, favorites atp. Ne všichni studenti prvního ročníku mají účet na Twitteru, případně jej ještě nesdělili. &lt;br /&gt;
&lt;br /&gt;
Popisky clusterů jsou tvořené nejčastějšími slovy (bez stopslov). Jednotlivé clustery drží zajímavě tematicky pohromadě. Hlavními influencery bez ohledu na clustery jsou nepřekvapivě Josef Šlerka a Jakub Fiala. &lt;br /&gt;
&lt;br /&gt;
Clustery do jisté míry rozlišují jednotlivé skupiny na SNM, jako např. studenty stejného ročníku (clustery G4, G5) a pedagogy (clustery G2, G3). Clusteru G2 dominuje Josef Šlerka a je zároveň i nejfrekventovanějším klíčovým slovem (což je dané). &lt;br /&gt;
&lt;br /&gt;
Svůj vlastní cluster (G4) má i Jakub Fiala, mimo jiné tajemník oboru online i v terénu. Samozřejmě nesmí chybět hastag #snmprijimacky, a skupina především studentů vyšších ročníků a absolventů – a opět dvou začleněných studentů prvního ročníku. &lt;br /&gt;
&lt;br /&gt;
Cluster G3 je „marketingový“, najdeme v něm StuNoMe absolventy, jako je Máša Dudziaková, Adam Zbiejczuk nebo Honza Páv. Hned na prvním místě v nejpoužívanějších slovech je mascha_dudu (twitter name Máši Dudziakové). &lt;br /&gt;
&lt;br /&gt;
V clusteru G5 je zajímavé všimnout si uživatele lenikrsova (Lenka Krsová), která je sice v rámci clusteru v okrajové poloze, ale zároveň je jeho ústředním tématem. &lt;br /&gt;
&lt;br /&gt;
Specifikem tohoto zachycení dat je, že není rozlišená aktuálnost jednotlivých účtů a interakcí. Proto jsou v grafu viditelné i neaktuální účty jako SNMcrowd, které silně interagovaly s jinými členy seznamu. &lt;br /&gt;
&lt;br /&gt;
Nejpodstatnější na tomto grafu je však zachycení účtů nových studentů. Jejich větší část se nachází v clusteru G1, tj. bez interakce s ostatním uživateli ze SNM. Zbylých 7 účtů je rovnoměrně rozloženo mezi zbývající clustery. Jejich zařazení do clusterů však může být dané i tím, že mají vůbec nějakou interakci s ostatními uživateli, tj. nelze na základě příslušnosti jednoznačně určit jejich zaměření či kterým směrem se budou ve studiu profilovat. Mohlo by však být zajímavé vizualizaci opakovaně zreprodukovat v průběhu následujícího studia.&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27553</id>
		<title>NodeXL: Studenti 1. ročníku StuNoMe</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27553"/>
		<updated>2015-12-22T20:34:31Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Jan Vlnas''', Studia nových médií, e-mail: [mailto:jan@vlnas.cz jan@vlnas.cz ]&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Marta Kolárová''', Studia nových médií, e-mail: [mailto:martavkolarova@gmail.com martavkolarova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
[[Soubor:NodeXL_StuNoMe.png]]&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Ve vizualizaci jsme pracovali se [https://twitter.com/stunome/lists/stunome seznamem studentů a pedagogů StuNoMe] doplněným o nově nastupující studenty. Studenti prvních ročníků jsou zvýrazněni červeně. Data byla stažena 30. září 2015, tedy ještě před začátkem akademického roku. Graf zachycuje interakce mezi jednotlivými uživateli, tj. mentions, retweets, favorites atp. Ne všichni studenti prvního ročníku mají účet na Twitteru, případně jej ještě nesdělili. &lt;br /&gt;
&lt;br /&gt;
Popisky clusterů jsou tvořené nejčastějšími slovy (bez stopslov). Jednotlivé clustery drží zajímavě tematicky pohromadě. Hlavními influencery bez ohledu na clustery jsou nepřekvapivě Josef Šlerka a Jakub Fiala. &lt;br /&gt;
&lt;br /&gt;
Clustery do jisté míry rozlišují jednotlivé skupiny na SNM, jako např. studenty stejného ročníku (clustery G4, G5) a pedagogy (clustery G2, G3). Clusteru G2 dominuje Josef Šlerka a je zároveň i nejfrekventovanějším klíčovým slovem (což je dané). &lt;br /&gt;
&lt;br /&gt;
Svůj vlastní cluster (G4) má i Jakub Fiala, mimo jiné tajemník oboru online i v terénu. Samozřejmě nesmí chybět hastag #snmprijimacky, a skupina především studentů vyšších ročníků a absolventů – a opět dvou začleněných studentů prvního ročníku. &lt;br /&gt;
&lt;br /&gt;
Cluster G3 je „marketingový“, najdeme v něm StuNoMe absolventy, jako je Máša Dudziaková, Adam Zbiejczuk nebo Honza Páv. Hned na prvním místě v nejpoužívanějších slovech je mascha_dudu (twitter name Máši Dudziakové). &lt;br /&gt;
&lt;br /&gt;
V clusteru G5 je zajímavé všimnout si uživatele lenikrsova (Lenka Krsová), která je sice v rámci clusteru v okrajové poloze, ale zároveň je jeho ústředním tématem. &lt;br /&gt;
&lt;br /&gt;
Specifikem tohoto zachycení dat je, že není rozlišená aktuálnost jednotlivých účtů a interakcí. Proto jsou v grafu viditelné i neaktuální účty jako SNMcrowd, které silně interagovaly s jinými členy seznamu. &lt;br /&gt;
&lt;br /&gt;
Nejpodstatnější na tomto grafu je však zachycení účtů nových studentů. Jejich větší část se nachází v clusteru G1, tj. bez interakce s ostatním uživateli ze SNM. Zbylých 7 účtů je rovnoměrně rozloženo mezi zbývající clustery. Jejich zařazení do clusterů však může být dané i tím, že mají vůbec nějakou interakci s ostatními uživateli, tj. nelze na základě příslušnosti jednoznačně určit jejich zaměření či kterým směrem se budou ve studiu profilovat. Mohlo by však být zajímavé vizualizaci opakovaně zreprodukovat v průběhu následujícího studia.&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27552</id>
		<title>NodeXL: Studenti 1. ročníku StuNoMe</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27552"/>
		<updated>2015-12-22T20:32:22Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Jan Vlnas''', Studia nových médií, e-mail: [mailto:jan@vlnas.cz jan@vlnas.cz ]&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Marta Kolárová''', Studia nových médií, e-mail: [mailto:martavkolarova@gmail.com martavkolarova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
&amp;lt;gallery&amp;gt;&lt;br /&gt;
Soubor:NodeXL_StuNoMe.png|Studenti 1. ročníku StuNoMe na Twitteru&lt;br /&gt;
&amp;lt;/gallery&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Ve vizualizaci jsme pracovali se [https://twitter.com/stunome/lists/stunome seznamem studentů a pedagogů StuNoMe] doplněným o nově nastupující studenty. Studenti prvních ročníků jsou zvýrazněni červeně. Data byla stažena 30. září 2015, tedy ještě před začátkem akademického roku. Graf zachycuje interakce mezi jednotlivými uživateli, tj. mentions, retweets, favorites atp. Ne všichni studenti prvního ročníku mají účet na Twitteru, případně jej ještě nesdělili. &lt;br /&gt;
&lt;br /&gt;
Popisky clusterů jsou tvořené nejčastějšími slovy (bez stopslov). Jednotlivé clustery drží zajímavě tematicky pohromadě. Hlavními influencery bez ohledu na clustery jsou nepřekvapivě Josef Šlerka a Jakub Fiala. &lt;br /&gt;
&lt;br /&gt;
Clustery do jisté míry rozlišují jednotlivé skupiny na SNM, jako např. studenty stejného ročníku (clustery G4, G5) a pedagogy (clustery G2, G3). Clusteru G2 dominuje Josef Šlerka a je zároveň i nejfrekventovanějším klíčovým slovem (což je dané). &lt;br /&gt;
&lt;br /&gt;
Svůj vlastní cluster (G4) má i Jakub Fiala, mimo jiné tajemník oboru online i v terénu. Samozřejmě nesmí chybět hastag #snmprijimacky, a skupina především studentů vyšších ročníků a absolventů – a opět dvou začleněných studentů prvního ročníku. &lt;br /&gt;
&lt;br /&gt;
Cluster G3 je „marketingový“, najdeme v něm StuNoMe absolventy, jako je Máša Dudziaková, Adam Zbiejczuk nebo Honza Páv. Hned na prvním místě v nejpoužívanějších slovech je mascha_dudu (twitter name Máši Dudziakové). &lt;br /&gt;
&lt;br /&gt;
V clusteru G5 je zajímavé všimnout si uživatele lenikrsova (Lenka Krsová), která je sice v rámci clusteru v okrajové poloze, ale zároveň je jeho ústředním tématem. &lt;br /&gt;
&lt;br /&gt;
Specifikem tohoto zachycení dat je, že není rozlišená aktuálnost jednotlivých účtů a interakcí. Proto jsou v grafu viditelné i neaktuální účty jako SNMcrowd, které silně interagovaly s jinými členy seznamu. &lt;br /&gt;
&lt;br /&gt;
Nejpodstatnější na tomto grafu je však zachycení účtů nových studentů. Jejich větší část se nachází v clusteru G1, tj. bez interakce s ostatním uživateli ze SNM. Zbylých 7 účtů je rovnoměrně rozloženo mezi zbývající clustery. Jejich zařazení do clusterů však může být dané i tím, že mají vůbec nějakou interakci s ostatními uživateli, tj. nelze na základě příslušnosti jednoznačně určit jejich zaměření či kterým směrem se budou ve studiu profilovat. Mohlo by však být zajímavé vizualizaci opakovaně zreprodukovat v průběhu následujícího studia.&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_StuNoMe.png&amp;diff=27551</id>
		<title>Soubor:NodeXL StuNoMe.png</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Soubor:NodeXL_StuNoMe.png&amp;diff=27551"/>
		<updated>2015-12-22T20:31:38Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: NodeXL analýza vazeb mezi studenty StuNoMe na Twitteru&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;NodeXL analýza vazeb mezi studenty StuNoMe na Twitteru&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27550</id>
		<title>NodeXL: Studenti 1. ročníku StuNoMe</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27550"/>
		<updated>2015-12-22T20:17:21Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Jan Vlnas''', Studia nových médií, e-mail: [mailto:jan@vlnas.cz jan@vlnas.cz ]&amp;lt;br /&amp;gt;&lt;br /&gt;
'''Marta Kolárová''', Studia nových médií, e-mail: [mailto:martavkolarova@gmail.com martavkolarova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Ve vizualizaci jsme pracovali se [https://twitter.com/stunome/lists/stunome seznamem studentů a pedagogů StuNoMe] doplněným o nově nastupující studenty. Studenti prvních ročníků jsou zvýrazněni červeně. Data byla stažena 30. září 2015, tedy ještě před začátkem akademického roku. Graf zachycuje interakce mezi jednotlivými uživateli, tj. mentions, retweets, favorites atp. Ne všichni studenti prvního ročníku mají účet na Twitteru, případně jej ještě nesdělili. &lt;br /&gt;
&lt;br /&gt;
Popisky clusterů jsou tvořené nejčastějšími slovy (bez stopslov). Jednotlivé clustery drží zajímavě tematicky pohromadě. Hlavními influencery bez ohledu na clustery jsou nepřekvapivě Josef Šlerka a Jakub Fiala. &lt;br /&gt;
&lt;br /&gt;
Clustery do jisté míry rozlišují jednotlivé skupiny na SNM, jako např. studenty stejného ročníku (clustery G4, G5) a pedagogy (clustery G2, G3). Clusteru G2 dominuje Josef Šlerka a je zároveň i nejfrekventovanějším klíčovým slovem (což je dané). &lt;br /&gt;
&lt;br /&gt;
Svůj vlastní cluster (G4) má i Jakub Fiala, mimo jiné tajemník oboru online i v terénu. Samozřejmě nesmí chybět hastag #snmprijimacky, a skupina především studentů vyšších ročníků a absolventů – a opět dvou začleněných studentů prvního ročníku. &lt;br /&gt;
&lt;br /&gt;
Cluster G3 je „marketingový“, najdeme v něm StuNoMe absolventy, jako je Máša Dudziaková, Adam Zbiejczuk nebo Honza Páv. Hned na prvním místě v nejpoužívanějších slovech je mascha_dudu (twitter name Máši Dudziakové). &lt;br /&gt;
&lt;br /&gt;
V clusteru G5 je zajímavé všimnout si uživatele lenikrsova (Lenka Krsová), která je sice v rámci clusteru v okrajové poloze, ale zároveň je jeho ústředním tématem. &lt;br /&gt;
&lt;br /&gt;
Specifikem tohoto zachycení dat je, že není rozlišená aktuálnost jednotlivých účtů a interakcí. Proto jsou v grafu viditelné i neaktuální účty jako SNMcrowd, které silně interagovaly s jinými členy seznamu. &lt;br /&gt;
&lt;br /&gt;
Nejpodstatnější na tomto grafu je však zachycení účtů nových studentů. Jejich větší část se nachází v clusteru G1, tj. bez interakce s ostatním uživateli ze SNM. Zbylých 7 účtů je rovnoměrně rozloženo mezi zbývající clustery. Jejich zařazení do clusterů však může být dané i tím, že mají vůbec nějakou interakci s ostatními uživateli, tj. nelze na základě příslušnosti jednoznačně určit jejich zaměření či kterým směrem se budou ve studiu profilovat. Mohlo by však být zajímavé vizualizaci opakovaně zreprodukovat v průběhu následujícího studia.&amp;lt;br /&amp;gt;&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
&amp;lt;br /&amp;gt;&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27549</id>
		<title>NodeXL: Studenti 1. ročníku StuNoMe</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27549"/>
		<updated>2015-12-22T20:16:43Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Marta Kolárová''', Studia nových médií, e-mail: [mailto:martavkolarova@gmail.com martavkolarova@gmail.com]&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
'''Jan Vlnas''', Studia nových médií, e-mail: [mailto:jan@vlnas.cz jan@vlnas.cz ]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Ve vizualizaci jsme pracovali se [https://twitter.com/stunome/lists/stunome seznamem studentů a pedagogů StuNoMe] doplněným o nově nastupující studenty. Studenti prvních ročníků jsou zvýrazněni červeně. Data byla stažena 30. září 2015, tedy ještě před začátkem akademického roku. Graf zachycuje interakce mezi jednotlivými uživateli, tj. mentions, retweets, favorites atp. Ne všichni studenti prvního ročníku mají účet na Twitteru, případně jej ještě nesdělili. &lt;br /&gt;
&lt;br /&gt;
Popisky clusterů jsou tvořené nejčastějšími slovy (bez stopslov). Jednotlivé clustery drží zajímavě tematicky pohromadě. Hlavními influencery bez ohledu na clustery jsou nepřekvapivě Josef Šlerka a Jakub Fiala. &lt;br /&gt;
&lt;br /&gt;
Clustery do jisté míry rozlišují jednotlivé skupiny na SNM, jako např. studenty stejného ročníku (clustery G4, G5) a pedagogy (clustery G2, G3). Clusteru G2 dominuje Josef Šlerka a je zároveň i nejfrekventovanějším klíčovým slovem (což je dané). &lt;br /&gt;
&lt;br /&gt;
Svůj vlastní cluster (G4) má i Jakub Fiala, mimo jiné tajemník oboru online i v terénu. Samozřejmě nesmí chybět hastag #snmprijimacky, a skupina především studentů vyšších ročníků a absolventů – a opět dvou začleněných studentů prvního ročníku. &lt;br /&gt;
&lt;br /&gt;
Cluster G3 je „marketingový“, najdeme v něm StuNoMe absolventy, jako je Máša Dudziaková, Adam Zbiejczuk nebo Honza Páv. Hned na prvním místě v nejpoužívanějších slovech je mascha_dudu (twitter name Máši Dudziakové). &lt;br /&gt;
&lt;br /&gt;
V clusteru G5 je zajímavé všimnout si uživatele lenikrsova (Lenka Krsová), která je sice v rámci clusteru v okrajové poloze, ale zároveň je jeho ústředním tématem. &lt;br /&gt;
&lt;br /&gt;
Specifikem tohoto zachycení dat je, že není rozlišená aktuálnost jednotlivých účtů a interakcí. Proto jsou v grafu viditelné i neaktuální účty jako SNMcrowd, které silně interagovaly s jinými členy seznamu. &lt;br /&gt;
&lt;br /&gt;
Nejpodstatnější na tomto grafu je však zachycení účtů nových studentů. Jejich větší část se nachází v clusteru G1, tj. bez interakce s ostatním uživateli ze SNM. Zbylých 7 účtů je rovnoměrně rozloženo mezi zbývající clustery. Jejich zařazení do clusterů však může být dané i tím, že mají vůbec nějakou interakci s ostatními uživateli, tj. nelze na základě příslušnosti jednoznačně určit jejich zaměření či kterým směrem se budou ve studiu profilovat. Mohlo by však být zajímavé vizualizaci opakovaně zreprodukovat v průběhu následujícího studia.&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27548</id>
		<title>NodeXL: Studenti 1. ročníku StuNoMe</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Studenti_1._ro%C4%8Dn%C3%ADku_StuNoMe&amp;diff=27548"/>
		<updated>2015-12-22T20:15:27Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: Založena nová stránka s textem „== Členové projektu == '''Marta Kolárová''', Studia nových médií, e-mail: [mailto:martavkolarova@gmail.com martavkolarova@gmail.com] '''Jan Vlnas'''…“&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Marta Kolárová''', Studia nových médií, e-mail: [mailto:martavkolarova@gmail.com martavkolarova@gmail.com]&lt;br /&gt;
'''Jan Vlnas''', Studia nových médií, e-mail: [mailto:jan@vlnas.cz jan@vlnas.cz ]&lt;br /&gt;
&lt;br /&gt;
== Popis projektu==&lt;br /&gt;
&lt;br /&gt;
Ve vizualizaci jsme pracovali se [http://seznamem%20studentů%20a%20pedagogů%20StuNoMe https://twitter.com/stunome/lists/stunome] doplněným o nově nastupující studenty. Studenti prvních ročníků jsou zvýrazněni červeně. Data byla stažena 30. září 2015, tedy ještě před začátkem akademického roku. Graf zachycuje interakce mezi jednotlivými uživateli, tj. mentions, retweets, favorites atp. Ne všichni studenti prvního ročníku mají účet na Twitteru, případně jej ještě nesdělili. &lt;br /&gt;
&lt;br /&gt;
Popisky clusterů jsou tvořené nejčastějšími slovy (bez stopslov). Jednotlivé clustery drží zajímavě tematicky pohromadě. Hlavními influencery bez ohledu na clustery jsou nepřekvapivě Josef Šlerka a Jakub Fiala. &lt;br /&gt;
&lt;br /&gt;
Clustery do jisté míry rozlišují jednotlivé skupiny na SNM, jako např. studenty stejného ročníku (clustery G4, G5) a pedagogy (clustery G2, G3). Clusteru G2 dominuje Josef Šlerka a je zároveň i nejfrekventovanějším klíčovým slovem (což je dané). &lt;br /&gt;
&lt;br /&gt;
Svůj vlastní cluster (G4) má i Jakub Fiala, mimo jiné tajemník oboru online i v terénu. Samozřejmě nesmí chybět hastag #snmprijimacky, a skupina především studentů vyšších ročníků a absolventů – a opět dvou začleněných studentů prvního ročníku. &lt;br /&gt;
&lt;br /&gt;
Cluster G3 je „marketingový“, najdeme v něm StuNoMe absolventy, jako je Máša Dudziaková, Adam Zbiejczuk nebo Honza Páv. Hned na prvním místě v nejpoužívanějších slovech je mascha_dudu (twitter name Máši Dudziakové). &lt;br /&gt;
&lt;br /&gt;
V clusteru G5 je zajímavé všimnout si uživatele lenikrsova (Lenka Krsová), která je sice v rámci clusteru v okrajové poloze, ale zároveň je jeho ústředním tématem. &lt;br /&gt;
&lt;br /&gt;
Specifikem tohoto zachycení dat je, že není rozlišená aktuálnost jednotlivých účtů a interakcí. Proto jsou v grafu viditelné i neaktuální účty jako SNMcrowd, které silně interagovaly s jinými členy seznamu. &lt;br /&gt;
&lt;br /&gt;
Nejpodstatnější na tomto grafu je však zachycení účtů nových studentů. Jejich větší část se nachází v clusteru G1, tj. bez interakce s ostatním uživateli ze SNM. Zbylých 7 účtů je rovnoměrně rozloženo mezi zbývající clustery. Jejich zařazení do clusterů však může být dané i tím, že mají vůbec nějakou interakci s ostatními uživateli, tj. nelze na základě příslušnosti jednoznačně určit jejich zaměření či kterým směrem se budou ve studiu profilovat. Mohlo by však být zajímavé vizualizaci opakovaně zreprodukovat v průběhu následujícího studia.&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_medi%C3%A1ln%C3%ADho_obrazu_Milo%C5%A1e_Zemana_na_%C4%8Desk%C3%A9m_Twitteru&amp;diff=27547</id>
		<title>NodeXL: Analýza mediálního obrazu Miloše Zemana na českém Twitteru</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_medi%C3%A1ln%C3%ADho_obrazu_Milo%C5%A1e_Zemana_na_%C4%8Desk%C3%A9m_Twitteru&amp;diff=27547"/>
		<updated>2015-12-22T19:43:35Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Jan Misák''', Studia nových médií, e-mail: [mailto:misakj@gmail.com misakj@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Stručný popis ==&lt;br /&gt;
Během workshopu jsem vytvořil graf založený na datech hashtagu #zeman importovaných z Twitteru. Použito bylo celkem 883 tweetů z doby od 21.9.2015 do 30.9.2015.&lt;br /&gt;
&lt;br /&gt;
Věnuji se největším 10 skupinám tweetů sestavených dle četnosti hashtagů. Cílem je zjistit nejdiskutovanější témata v souvislosti s prezidentem Milošem Zemanem ve zmíněné době, bližší charakteristiku každé skupiny a poměr na celkovém množství tweetů.&lt;br /&gt;
&lt;br /&gt;
Jedná se tedy o analýzu mediálního obrazu Miloše Zemana na českém Twitteru po dobu cca jednoho týdne.&lt;br /&gt;
&lt;br /&gt;
'''Skupina 1'''&lt;br /&gt;
&lt;br /&gt;
Skupina 1 by se dala nejlépe popsat jako uživatelé diskutující nad články vydanými na online portálu Aktuálně.cz.&lt;br /&gt;
Hlavním tématem je kritická reflexe aktuálních Zemanových kroků a prohlášení (Mynář, trenky, oslava narozenin…), ve tweetech jsou často zmiňováni novináři a mluvčí prezidenta Ovčáček.&lt;br /&gt;
Z celkového počtu 883 tweetů patří do této skupiny 112.&lt;br /&gt;
&lt;br /&gt;
'''Skupina 2'''&lt;br /&gt;
&lt;br /&gt;
Tato skupina obsahuje směs URL odkazující na články, které jsou k prezidentu Zemanovi objektivně silně kritické, místy až dokonce posměšné.&lt;br /&gt;
Články jsou na různých portálech, objevuje se Respekt, Britské listy, Svobodné fórum, G.&lt;br /&gt;
Ve skupině se také již vyskytuje méně tweetů pocházejících od novinářů.&lt;br /&gt;
V této skupině je 152 tweetů.&lt;br /&gt;
&lt;br /&gt;
'''Skupina 3'''&lt;br /&gt;
&lt;br /&gt;
V této skupině se jedná o retweety a reakce týkající se jediného tweetu od uživatele „Zlý právník“. Jedná se o fotografii prezidentovy kolony nevhodně parkující na parkovišti, jedná se tedy opět o jakýsi výsměch a kritiku.&lt;br /&gt;
Ve skupině je 49 tweetů.&lt;br /&gt;
&lt;br /&gt;
'''Skupina 4'''&lt;br /&gt;
&lt;br /&gt;
Jedná se opět o skupinu převážně novinářů, kteří informují o Zemanově návštěvě uprchlického tábora a ostatních diskutujících, kteří na článek a jejich glosy reagují.&lt;br /&gt;
Jedná se tedy opět o jakési diskuzní fórum hlavně ke článku na webu ČT24, který vyznívá lehce negativně: „Zeman navštívil Vyšní Lhoty, do uprchlického tábora nešel“.&lt;br /&gt;
Ve skupině je 73 tweetů.&lt;br /&gt;
&lt;br /&gt;
'''Skupina 5'''&lt;br /&gt;
&lt;br /&gt;
V této skupině jsou tweety veskrze dvojí tematiky: bezpečnostní prověrka kancléře Mynáře a rudé trenky vyvěšené nad hradem skupinou Ztohoven.&lt;br /&gt;
Hlavním zdrojem tweetů jsou opět veskrze zpravodajské portály, počet tweetů ve skupině je 62.&lt;br /&gt;
&lt;br /&gt;
'''Skupina 6'''&lt;br /&gt;
&lt;br /&gt;
Skupinu 6 tvoří polské tweety kolem článku na polském portálu TVP.info, které tento článek sdílejí či komentují.&lt;br /&gt;
Článek tlumočí Zemanova slova o tom, že Polsko zradilo dohody Visegrádské čtyřky tím, že se rozhodlo podpořit kvóty na povinné přerozdělení uprchlíků.&lt;br /&gt;
Opět se tedy jedná o kritickou reflexi, počet tweetů ve skupině je 30.&lt;br /&gt;
&lt;br /&gt;
'''Skupina 7'''&lt;br /&gt;
&lt;br /&gt;
V této skupině jsou tweety a spíše retweety článků ruského propagandistického portálu Sputnik.&lt;br /&gt;
Jedná se o mezinárodní uskupení uživatelů a jsou citovány Zemanovy proruské názory.&lt;br /&gt;
Ve skupině je 25 tweetů.&lt;br /&gt;
&lt;br /&gt;
'''Skupina 8'''&lt;br /&gt;
&lt;br /&gt;
Jedná se o uskupení tweetů uživatelů z Itálie reagující na jediný italský tweet.&lt;br /&gt;
Nejedná se ovšem o prezidenta Miloše Zemana, ale o trenéra týmu ze Švýcarského města Lugano.&lt;br /&gt;
Tuto skupinu tedy můžeme pominout.&lt;br /&gt;
&lt;br /&gt;
'''Skupina 9'''&lt;br /&gt;
&lt;br /&gt;
Jedná se o komentáře uživatelů kolem pořadů na českém rozhlasu, který reflektuje aktuální dění.&lt;br /&gt;
Tweetují opět převážně čeští novináři.&lt;br /&gt;
Ve skupině je 29 tweetů.&lt;br /&gt;
&lt;br /&gt;
'''Skupina 10'''&lt;br /&gt;
&lt;br /&gt;
V této skupině jsou anglicko-jazyčné tweety kolem článků britského rádia a televize BBC, které informují o akci skupiny Ztohoven a kancléře Mynáře, na kterého je veden tlak kvůli jeho prověrce.&lt;br /&gt;
Ve skupině je 11 tweetů.&lt;br /&gt;
&lt;br /&gt;
== Shrnutí ==&lt;br /&gt;
Překvapilo mne, jak málo pozitivních reakcí na prezidenta Zemana na českém Twitteru je. Pokud se vůbec nějaké vyskytují, jedná se převážně o propagandu ruských webů.&lt;br /&gt;
Můžeme sledovat, že kritika prezidenta Zemana na Twitteru je rozdělena do relativně málo tematických okruhů a je poměrně celistvá.&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_medi%C3%A1ln%C3%ADho_obrazu_Milo%C5%A1e_Zemana_na_%C4%8Desk%C3%A9m_Twitteru&amp;diff=27546</id>
		<title>NodeXL: Analýza mediálního obrazu Miloše Zemana na českém Twitteru</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=NodeXL:_Anal%C3%BDza_medi%C3%A1ln%C3%ADho_obrazu_Milo%C5%A1e_Zemana_na_%C4%8Desk%C3%A9m_Twitteru&amp;diff=27546"/>
		<updated>2015-12-22T19:39:48Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: Založena nová stránka s textem „== Členové projektu == '''Jan Misák''', Studia nových médií, e-mail: [mailto:misakj@gmail.com misakj@gmail.com]  == Stručný popis == Během worksho…“&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Jan Misák''', Studia nových médií, e-mail: [mailto:misakj@gmail.com misakj@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Stručný popis ==&lt;br /&gt;
Během workshopu jsem vytvořil graf založený na datech hashtagu #zeman importovaných z Twitteru. Použito bylo celkem 883 tweetů z doby od 21.9.2015 do 30.9.2015.&lt;br /&gt;
&lt;br /&gt;
Věnuji se největším 10 skupinám tweetů sestavených dle četnosti hashtagů. Cílem je zjistit nejdiskutovanější témata v souvislosti s prezidentem Milošem Zemanem ve zmíněné době, bližší charakteristiku každé skupiny a poměr na celkovém množství tweetů.&lt;br /&gt;
&lt;br /&gt;
Jedná se tedy o analýzu mediálního obrazu Miloše Zemana na českém Twitteru po dobu cca jednoho týdne.&lt;br /&gt;
&lt;br /&gt;
== Skupina 1 ==&lt;br /&gt;
Skupina 1 by se dala nejlépe popsat jako uživatelé diskutující nad články vydanými na online portálu Aktuálně.cz.&lt;br /&gt;
Hlavním tématem je kritická reflexe aktuálních Zemanových kroků a prohlášení (Mynář, trenky, oslava narozenin…), ve tweetech jsou často zmiňováni novináři a mluvčí prezidenta Ovčáček.&lt;br /&gt;
Z celkového počtu 883 tweetů patří do této skupiny 112.&lt;br /&gt;
&lt;br /&gt;
== Skupina 2 ==&lt;br /&gt;
Tato skupina obsahuje směs URL odkazující na články, které jsou k prezidentu Zemanovi objektivně silně kritické, místy až dokonce posměšné.&lt;br /&gt;
Články jsou na různých portálech, objevuje se Respekt, Britské listy, Svobodné fórum, G.&lt;br /&gt;
Ve skupině se také již vyskytuje méně tweetů pocházejících od novinářů.&lt;br /&gt;
V této skupině je 152 tweetů.&lt;br /&gt;
&lt;br /&gt;
== Skupina 3 ==&lt;br /&gt;
V této skupině se jedná o retweety a reakce týkající se jediného tweetu od uživatele „Zlý právník“. Jedná se o fotografii prezidentovy kolony nevhodně parkující na parkovišti, jedná se tedy opět o jakýsi výsměch a kritiku.&lt;br /&gt;
Ve skupině je 49 tweetů.&lt;br /&gt;
&lt;br /&gt;
== Skupina 4 ==&lt;br /&gt;
Jedná se opět o skupinu převážně novinářů, kteří informují o Zemanově návštěvě uprchlického tábora a ostatních diskutujících, kteří na článek a jejich glosy reagují.&lt;br /&gt;
Jedná se tedy opět o jakési diskuzní fórum hlavně ke článku na webu ČT24, který vyznívá lehce negativně: „Zeman navštívil Vyšní Lhoty, do uprchlického tábora nešel“.&lt;br /&gt;
Ve skupině je 73 tweetů.&lt;br /&gt;
&lt;br /&gt;
== Skupina 5 ==&lt;br /&gt;
V této skupině jsou tweety veskrze dvojí tematiky: bezpečnostní prověrka kancléře Mynáře a rudé trenky vyvěšené nad hradem skupinou Ztohoven.&lt;br /&gt;
Hlavním zdrojem tweetů jsou opět veskrze zpravodajské portály, počet tweetů ve skupině je 62.&lt;br /&gt;
&lt;br /&gt;
== Skupina 6 ==&lt;br /&gt;
Skupinu 6 tvoří polské tweety kolem článku na polském portálu TVP.info, které tento článek sdílejí či komentují.&lt;br /&gt;
Článek tlumočí Zemanova slova o tom, že Polsko zradilo dohody Visegrádské čtyřky tím, že se rozhodlo podpořit kvóty na povinné přerozdělení uprchlíků.&lt;br /&gt;
Opět se tedy jedná o kritickou reflexi, počet tweetů ve skupině je 30.&lt;br /&gt;
&lt;br /&gt;
== Skupina 7 ==&lt;br /&gt;
V této skupině jsou tweety a spíše retweety článků ruského propagandistického portálu Sputnik.&lt;br /&gt;
Jedná se o mezinárodní uskupení uživatelů a jsou citovány Zemanovy proruské názory.&lt;br /&gt;
Ve skupině je 25 tweetů.&lt;br /&gt;
&lt;br /&gt;
== Skupina 8 ==&lt;br /&gt;
Jedná se o uskupení tweetů uživatelů z Itálie reagující na jediný italský tweet.&lt;br /&gt;
Nejedná se ovšem o prezidenta Miloše Zemana, ale o trenéra týmu ze Švýcarského města Lugano.&lt;br /&gt;
Tuto skupinu tedy můžeme pominout.&lt;br /&gt;
&lt;br /&gt;
== Skupina 9 ==&lt;br /&gt;
Jedná se o komentáře uživatelů kolem pořadů na českém rozhlasu, který reflektuje aktuální dění.&lt;br /&gt;
Tweetují opět převážně čeští novináři.&lt;br /&gt;
Ve skupině je 29 tweetů.&lt;br /&gt;
&lt;br /&gt;
== Skupina 10 ==&lt;br /&gt;
V této skupině jsou anglicko-jazyčné tweety kolem článků britského rádia a televize BBC, které informují o akci skupiny Ztohoven a kancléře Mynáře, na kterého je veden tlak kvůli jeho prověrce.&lt;br /&gt;
Ve skupině je 11 tweetů.&lt;br /&gt;
&lt;br /&gt;
== Shrnutí ==&lt;br /&gt;
Překvapilo mne, jak málo pozitivních reakcí na prezidenta Zemana na českém Twitteru je. Pokud se vůbec nějaké vyskytují, jedná se převážně o propagandu ruských webů.&lt;br /&gt;
Můžeme sledovat, že kritika prezidenta Zemana na Twitteru je rozdělena do relativně málo tematických okruhů a je poměrně celistvá.&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26824</id>
		<title>Projekt MetroBioArt</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26824"/>
		<updated>2015-12-12T15:46:19Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Denisa Lešková''', Studia nových médií, e-mail: [mailto:den.leskova@gmail.com den.leskova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
'''Petr Nuska''', Studia nových médií, e-mail: [mailto:nuska.petr@gmail.com nuska.petr@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Motivace vzniku projektu a jeho význam ==&lt;br /&gt;
S neustálým rozvojem technologií dochází ke změně tradičního konceptu chápání člověka a přírody. Rychlý technologický rozvoj vyvolává i mnohá etická a morální dilemata, na která reagují mnozí umělci prostřednictvím experimentů za pomoci právě vědy a techniky. Pro většinu umělců je klíčovým aspektem umění svoboda vyjadřování a to nejen co do témat, ale i prostředků. Tvůrci se začali více zajímat o současné představy o přírodě, o tom, jak jí technologie mění. V tomto případě mluvíme o ekologickém umění. Howkins uvádí, že: „Ekologie není a o studiu biologických organismů ani o studii prostředí, ekologie je o studiu vztahu mezi námi a prostředím.“ Ekologické umění je tedy žánrem, který oslovuje veřejné prostory. Projekt MetroBioArt vnímáme jakožto předstupeň ekologického umění, přestože je zde princip propojení s veřejným prostorem zcela opačný. Hlavním cílem je odebrání určitého okem neviditelného artefaktu a jeho přenesení do prostoru, ve kterém trávíme čím dál více času – do prostoru sociálních médií. Cílovým produktem je pak stylizované video, které divákovi přináší pohled na neviditelné cestovatele metra, tedy cestovatele z říše plísní a bakterií. Výsledný produkt může zpochybnit náš běžný pohled na tyto organismy, jejichž diverzita je naprosto stejná (ne-li dokonce vyšší) jako u lidských cestujících.&lt;br /&gt;
&lt;br /&gt;
== Použitý materiál a software ==&lt;br /&gt;
Pro realizaci projektu MetroBioArt jsme použili následující materiál a hardware. &lt;br /&gt;
&lt;br /&gt;
'''Pro odběr vzorků ke kultivaci je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* vatové tyčinky&lt;br /&gt;
* uzavíratelné sáčky (nejlépe dealerské)&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* popisovací fix&lt;br /&gt;
&lt;br /&gt;
'''Pro přípravu kultivačního média je potřeba:''' &lt;br /&gt;
&lt;br /&gt;
* 1 kostka hovězího bujónu&lt;br /&gt;
* 10 g agaru – Lze koupit v bioobchodech, obchodech se zdravou výživou.&lt;br /&gt;
* 500 ml destilované vody – Lze koupit v supermarketech a drogériích (běžná obchodní síť).&lt;br /&gt;
* 10 g cukru&lt;br /&gt;
&lt;br /&gt;
Další materiál:&lt;br /&gt;
* 20 Petriho misek (17; 3 náhradní) – Petriho misky v průměru 8 nebo 9 cm, sterilní, s průsvitným sterilním víčkem. Misky jsou pouze na jedno použití. Lze koupit [http://www.p-lab.cz/katalog/petriho-miska_865p zde].&lt;br /&gt;
* vařečka&lt;br /&gt;
* hrnec&lt;br /&gt;
* sítko&lt;br /&gt;
* utěrka&lt;br /&gt;
* metlička na šlehání&lt;br /&gt;
* miska&lt;br /&gt;
* odměrka&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* elektrický/plynový sporák nebo mikrovlnnou troubu&lt;br /&gt;
&lt;br /&gt;
'''Pro zachycení růstu plísní je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* místnost o pokojové teplotě s konstantním osvětlením a se zásuvkou&lt;br /&gt;
* umělé osvětlení, popřípadě materiál na rozptyl světla, např. pečící či pauzový papír (pauzový je skvělý, jen může vzplanout, bude-li blízko světelného zdroje; pečící sice nehoří, ale má tendenci křehnout, což nemusí být vhodné pro dlouhodobé pozorování)&lt;br /&gt;
* nesmazatelný fix na popisky&lt;br /&gt;
* papír ve formátu 2 x A3 s předtištěnými obrysy Petriho misek (viz. příloha)&lt;br /&gt;
* fotoaparát s hardwarovým (např.: kabelová spoušť) či softwarovým (např.: firmware hack Magic Lantern) vybavením pro timelapse&lt;br /&gt;
* dostatek místa na kartě fotoaparátu&lt;br /&gt;
* síťový adaptér k fotoaparátu&lt;br /&gt;
* stativ na fotoaparát&lt;br /&gt;
&lt;br /&gt;
==Popis vývoje a konečné verze vlastního produktu (vč. fotodokumentace)==&lt;br /&gt;
&lt;br /&gt;
Celkový postup bychom volně rozdělíme do 4 sekcí: &lt;br /&gt;
&lt;br /&gt;
a)	sběr bio dat &amp;lt;br /&amp;gt;&lt;br /&gt;
b)	příprava kultivačního média&amp;lt;br /&amp;gt;&lt;br /&gt;
c)	otisk bio dat do kultivačního média&amp;lt;br /&amp;gt;&lt;br /&gt;
d)	sledování vývoje&amp;lt;br /&amp;gt;&lt;br /&gt;
e)	výroba finálního produktu (videa)&lt;br /&gt;
&lt;br /&gt;
'''A) SBĚR BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Pro náš experiment byla vybrána linka pražského metra A, zejména proto, že je nejkratší linkou (což v mnohém ulehčilo následný postup – např. bylo potřeba, aby se do záběru vešly všechny misky se vzorky). Na lince A byly v nedávné době otevřeny její nové stanice, takže se dala anticipovat vyšší diverzita v celkovém vzorku. &lt;br /&gt;
&lt;br /&gt;
Cílem sběru bylo získat biodata ze všech stanic metra A. Pro odběry vzorku byly vybrány gumové/plastové pásy u eskalátorů; předpokládali jsme totiž, že tato místa budou na biologický materiál bohatá, neboť s nimi přichází denně do styku velké množství osob. Důvodem k výběru plastových madel u eskalátorů byl rovněž kontakt velkého množství osob právě s tímto povrchem (většina pražské populace se dennodenně dotýká madel, takže bude pro tyto lidi naše sdělení ještě intenzivnější, tj. na dotek). &lt;br /&gt;
&lt;br /&gt;
Sběr byl prováděn vatovými tyčinkami (3 vatové tyčinky na každou stanici metra) a data skladována v průhledných sáčcích se zipem '''(obrázek č. 1-­2)'''. &lt;br /&gt;
&lt;br /&gt;
'''B) PŘÍPRAVA KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Na základě receptu uvedeného níže jsme vyrobili kultivační médium.&lt;br /&gt;
&lt;br /&gt;
'''Recept na výrobu kultivačního gelu:'''&lt;br /&gt;
&lt;br /&gt;
1.	Rozmíchat cukr v menším objemu vody (25 -­ 50 ml, stačí přiměřeně -­‐ aby se to dobře rozpouštělo). Cukr se přidá až na úplný konec!&lt;br /&gt;
&lt;br /&gt;
2.	Rozmíchat bujón ve zbytku vody a přidat agar. Nechat pochladnout, ale ne zcela! Tak jako horký až teplý čaj, který se dá udržet v ruce (60°C).&lt;br /&gt;
&lt;br /&gt;
Jsou dvě možnosti, jak rozpustit agar.&lt;br /&gt;
1)	povařit na plotýnce v hrnci&lt;br /&gt;
2)	dát do mikrovlnky, na nižší výkon (Nejlépe po menším objemu, maximálně 250 ml.)&lt;br /&gt;
&lt;br /&gt;
3.	Přidat rozpuštěný cukr.&lt;br /&gt;
&lt;br /&gt;
4.	Nalít do misek. Na rovném místě, tak do 2/3 výšky spodní misky. Přikrýt vrchní miskou a nechat ztuhnout (cca 30 min až hodina). Misky se nejprve orosí, ale do druhého dne se to obvykle ztratí. (Lze to i sklepnout.) '''(Obrázek č. 3-­8)'''&lt;br /&gt;
&lt;br /&gt;
'''C) OTISK BIODAT DO KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Do připraveného kultivačního média byly následně otisknuty vzorky. S vatovými tyčinkami lze pokrýt celou misku rovnoměrně, případně kreslit určité tvary. Při otiskování vzorků je třeba dbát na přikrytí Petriho misky bezprostředně po jejím otištění, aby se do média neotiskly spory z okolního prostředí (např. vzduchu). Nesmí být také opomenutý důsledný a přesný popis ovzorkované misky, aby nedošlo k záměně dat '''(Obrázek č. 9‐11)'''.&lt;br /&gt;
&lt;br /&gt;
'''D) SLEDOVÁNÍ VÝVOJE BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Otisknuté vzorky byly následně umístěny do místnosti bez oken (toto je velmi důležité; vinou změn v osvětlení by mohlo docházet k flickering efektu v časosběrném videu). Do místnosti byl nainstalován fotoaparát na stativu se záběrem na všechny Petriho misky. Použili jsme síťový adaptér, abychom se vyhnuli problémům spojených s výměnou baterií. Pro osvícení jsme použili tři zdroje světla: světlo z lustru a dvě doplňková bodová světla. Účelem bylo osvítit pokud možno rovnoměrně celou plochu s Petriho miskami. Protože na některých miskách docházelo k odleskům, bylo potřeba použít pečící papír pro rozptyl světla. Pro fotografování byl použit fotoaparát Canon 600D s objektivem Sigma 18-­‐35/1.8, časová spoušť byla odpalována pomocí firmwarového hacku Magic Lantern. Interval spouště byl nastaven na 20 minut. Sledování probíhalo necelých 9 dní, od 2. 7. do 10. 7. 2015 '''(obrázek č. 12-14)'''.&lt;br /&gt;
&lt;br /&gt;
'''E) VÝROBA FINÁLNÍHO PRODUKTU (VIDEA)'''&lt;br /&gt;
&lt;br /&gt;
Výsledkem pozorování bylo 560 snímků. Tyto snímky byly následně spojeny do standardního video frameratu (tj. 25 fps). Výsledné snímky jsou součástí fotodokumentace '''(obrázek č. 15­21)'''.&lt;br /&gt;
 &lt;br /&gt;
Výsledek je k nahládnutí [https://www.youtube.com/watch?v=chm2YRmq-Ls&amp;amp;feature=youtu.be zde]. &lt;br /&gt;
&lt;br /&gt;
Oproti původnímu záměru jsme se nakonec z tohoto sběru rozhodli nedělat avizovaný produkt (tj. stylizované video), neboť jsme nebyli zcela spokojení s výsledkem pozorování. Bereme tak tento pokus jako pilotní a rádi bychom v srpnu 2015 zopakovali celý postup vyvarujíce se chyb, jichž jsme se dopustili v tomto pilotním pokusu. Přikládáme výčet chyb a také návrhy, jak jim předejít při příštím pokusu. &lt;br /&gt;
&lt;br /&gt;
1)	'''Ne na všech Petriho miskách organismy vyrostly.''' Přibližně 60 % všech Petriho misek zůstalo bez viditelného života – tj. bez plísní či bakterií. Pravděpodobnou příčinou je nedostatečné zastoupení živých organismů již v samotných biodatech. Přestože se gumových pásů u eskalátorů dotýká denně bezpočet lidí, na některých místech zřejmě nedošlo k zachycení organismů. Důvodem je patrně gumový materiál, na kterém zřejmě neulpívá dostatečné množství plísňových spór. Pro další verzi experimentu budeme hledat jiné vhodné místo s hojněji zastoupeným počtem života, zejména plísňovými spory. Zvažujeme i metodu otiskování plísní přímo z pozorovaných předmětů (např. smartphone).&lt;br /&gt;
&lt;br /&gt;
2)	'''Nepodařilo se nám médium po miskách rozprostřít rovnoměrně,''' což komplikovalo náš výtvarný záměr projektovat obsah misek do „zastávek“ na schématickém plánu pražského metra. Na vině je patrně příliš hustá agarová směs, která ztuhla v okamžitém kontaktu s chladnou miskou. V příští verzi experimentu tak budeme pracovat s řidší agarovou směsí (tj. s menším poměrem agaru), případně se zahřátými Petriho miskami.&lt;br /&gt;
&lt;br /&gt;
3)	'''Médium dostalo nahnědlou barvu.''' Za zbarvení může použití bujónu. To sice dodalo do média živiny, které mohly podpořit růst některých organismů, jenž by se jinak těžko rozrostly, avšak opět to komplikovalo náš výtvarný záměr. V příští verzi experimentu tak budeme za bujon hledat náhražku, která nebude mít na zabarvení vliv.&lt;br /&gt;
&lt;br /&gt;
===Fotodokumentace===&lt;br /&gt;
&lt;br /&gt;
01. Odebrané vzorky z pražského metra linky A &lt;br /&gt;
02. Odebrané vzorky s popisky jednotlivých stanic metra A &lt;br /&gt;
03. Ingredience nutné pro přípravu kultivačního gelu &lt;br /&gt;
04. Odměřené ingredience, z leva: hovězí bujón, 10 g agaru, 10 g cukru, 500 ml vody &lt;br /&gt;
05. Rozpuštění cukru v 25 ml vody &lt;br /&gt;
06. Příprava hovězího bujónu v horké vodě &lt;br /&gt;
07. Do rozpuštěného hovězího bujónu přidáme agar a mícháme, dokud se agar úplně nerozpustí. &lt;br /&gt;
08. Pro odstranění nečistot z hovězího bojónu je potřeba vzniklou směs důkladně přecedit. &lt;br /&gt;
09. Příprava na vzorkování &lt;br /&gt;
10. Otiskování získaných vzorků do kultivačního gelu. &lt;br /&gt;
11. Detail otiskování vzorků &lt;br /&gt;
12. Příprava na sběr biodat &lt;br /&gt;
13. Detail na sběr biodat &lt;br /&gt;
14. Detail na nastavení fotoaparátu (Intervalometru) &lt;br /&gt;
15. Detail plísně, upravená fotografie, název fotografie: Volcano &lt;br /&gt;
16. Povedené plísně (1), originální fotografie bez úprav &lt;br /&gt;
17. Povedené plísně (2), upravená fotografie, název fotografie: Samr &lt;br /&gt;
18. Povedené plísně (3), upravená fotografie, název fotografie: Evil &lt;br /&gt;
19. Plíseň ze stanice metra Petřiny, název fotografie: Skvrna na obloze &lt;br /&gt;
20. Plísně ze 4 stanic metra A, název fotografie: Quatro &lt;br /&gt;
21. Plísně ze 4 stanic metra A, upravená fotografie, název fotografie: Přepal&lt;br /&gt;
&lt;br /&gt;
=== Videodokumentace ===&lt;br /&gt;
https://www.youtube.com/watch?v=chm2YRmq-Ls&amp;amp;feature=youtu.be&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26823</id>
		<title>Projekt MetroBioArt</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26823"/>
		<updated>2015-12-12T15:45:13Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Denisa Lešková''', Studia nových médií, e-mail: [mailto:den.leskova@gmail.com den.leskova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
'''Petr Nuska''', Studia nových médií, e-mail: [mailto:nuska.petr@gmail.com nuska.petr@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Motivace vzniku projektu a jeho význam ==&lt;br /&gt;
S neustálým rozvojem technologií dochází ke změně tradičního konceptu chápání člověka a přírody. Rychlý technologický rozvoj vyvolává i mnohá etická a morální dilemata, na která reagují mnozí umělci prostřednictvím experimentů za pomoci právě vědy a techniky. Pro většinu umělců je klíčovým aspektem umění svoboda vyjadřování a to nejen co do témat, ale i prostředků. Tvůrci se začali více zajímat o současné představy o přírodě, o tom, jak jí technologie mění. V tomto případě mluvíme o ekologickém umění. Howkins uvádí, že: „Ekologie není a o studiu biologických organismů ani o studii prostředí, ekologie je o studiu vztahu mezi námi a prostředím.“ Ekologické umění je tedy žánrem, který oslovuje veřejné prostory. Projekt MetroBioArt vnímáme jakožto předstupeň ekologického umění, přestože je zde princip propojení s veřejným prostorem zcela opačný. Hlavním cílem je odebrání určitého okem neviditelného artefaktu a jeho přenesení do prostoru, ve kterém trávíme čím dál více času – do prostoru sociálních médií. Cílovým produktem je pak stylizované video, které divákovi přináší pohled na neviditelné cestovatele metra, tedy cestovatele z říše plísní a bakterií. Výsledný produkt může zpochybnit náš běžný pohled na tyto organismy, jejichž diverzita je naprosto stejná (ne-li dokonce vyšší) jako u lidských cestujících.&lt;br /&gt;
&lt;br /&gt;
== Použitý materiál a software ==&lt;br /&gt;
Pro realizaci projektu MetroBioArt jsme použili následující materiál a hardware. &lt;br /&gt;
&lt;br /&gt;
'''Pro odběr vzorků ke kultivaci je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* vatové tyčinky&lt;br /&gt;
* uzavíratelné sáčky (nejlépe dealerské)&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* popisovací fix&lt;br /&gt;
&lt;br /&gt;
'''Pro přípravu kultivačního média je potřeba:''' &lt;br /&gt;
&lt;br /&gt;
* 1 kostka hovězího bujónu&lt;br /&gt;
* 10 g agaru – Lze koupit v bioobchodech, obchodech se zdravou výživou.&lt;br /&gt;
* 500 ml destilované vody – Lze koupit v supermarketech a drogériích (běžná obchodní síť).&lt;br /&gt;
* 10 g cukru&lt;br /&gt;
&lt;br /&gt;
Další materiál:&lt;br /&gt;
* 20 Petriho misek (17; 3 náhradní) – Petriho misky v průměru 8 nebo 9 cm, sterilní, s průsvitným sterilním víčkem. Misky jsou pouze na jedno použití. Lze koupit [http://www.p-lab.cz/katalog/petriho-miska_865p zde].&lt;br /&gt;
* vařečka&lt;br /&gt;
* hrnec&lt;br /&gt;
* sítko&lt;br /&gt;
* utěrka&lt;br /&gt;
* metlička na šlehání&lt;br /&gt;
* miska&lt;br /&gt;
* odměrka&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* elektrický/plynový sporák nebo mikrovlnnou troubu&lt;br /&gt;
&lt;br /&gt;
'''Pro zachycení růstu plísní je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* místnost o pokojové teplotě s konstantním osvětlením a se zásuvkou&lt;br /&gt;
* umělé osvětlení, popřípadě materiál na rozptyl světla, např. pečící či pauzový papír (pauzový je skvělý, jen může vzplanout, bude-li blízko světelného zdroje; pečící sice nehoří, ale má tendenci křehnout, což nemusí být vhodné pro dlouhodobé pozorování)&lt;br /&gt;
* nesmazatelný fix na popisky&lt;br /&gt;
* papír ve formátu 2 x A3 s předtištěnými obrysy Petriho misek (viz. příloha)&lt;br /&gt;
* fotoaparát s hardwarovým (např.: kabelová spoušť) či softwarovým (např.: firmware hack Magic Lantern) vybavením pro timelapse&lt;br /&gt;
* dostatek místa na kartě fotoaparátu&lt;br /&gt;
* síťový adaptér k fotoaparátu&lt;br /&gt;
* stativ na fotoaparát&lt;br /&gt;
&lt;br /&gt;
==Popis vývoje a konečné verze vlastního produktu (vč. fotodokumentace)==&lt;br /&gt;
&lt;br /&gt;
Celkový postup bychom volně rozdělíme do 4 sekcí: &lt;br /&gt;
&lt;br /&gt;
a)	sběr bio dat &amp;lt;br /&amp;gt;&lt;br /&gt;
b)	příprava kultivačního média&amp;lt;br /&amp;gt;&lt;br /&gt;
c)	otisk bio dat do kultivačního média&amp;lt;br /&amp;gt;&lt;br /&gt;
d)	sledování vývoje&amp;lt;br /&amp;gt;&lt;br /&gt;
e)	výroba finálního produktu (videa)&lt;br /&gt;
&lt;br /&gt;
'''A) SBĚR BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Pro náš experiment byla vybrána linka pražského metra A, zejména proto, že je nejkratší linkou (což v mnohém ulehčilo následný postup – např. bylo potřeba, aby se do záběru vešly všechny misky se vzorky). Na lince A byly v nedávné době otevřeny její nové stanice, takže se dala anticipovat vyšší diverzita v celkovém vzorku. &lt;br /&gt;
&lt;br /&gt;
Cílem sběru bylo získat biodata ze všech stanic metra A. Pro odběry vzorku byly vybrány gumové/plastové pásy u eskalátorů; předpokládali jsme totiž, že tato místa budou na biologický materiál bohatá, neboť s nimi přichází denně do styku velké množství osob. Důvodem k výběru plastových madel u eskalátorů byl rovněž kontakt velkého množství osob právě s tímto povrchem (většina pražské populace se dennodenně dotýká madel, takže bude pro tyto lidi naše sdělení ještě intenzivnější, tj. na dotek). &lt;br /&gt;
&lt;br /&gt;
Sběr byl prováděn vatovými tyčinkami (3 vatové tyčinky na každou stanici metra) a data skladována v průhledných sáčcích se zipem '''(obrázek č. 1-­2)'''. &lt;br /&gt;
&lt;br /&gt;
'''B) PŘÍPRAVA KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Na základě receptu uvedeného níže jsme vyrobili kultivační médium.&lt;br /&gt;
&lt;br /&gt;
'''Recept na výrobu kultivačního gelu:'''&lt;br /&gt;
&lt;br /&gt;
1.	Rozmíchat cukr v menším objemu vody (25 -­ 50 ml, stačí přiměřeně -­‐ aby se to dobře rozpouštělo). Cukr se přidá až na úplný konec!&lt;br /&gt;
&lt;br /&gt;
2.	Rozmíchat bujón ve zbytku vody a přidat agar. Nechat pochladnout, ale ne zcela! Tak jako horký až teplý čaj, který se dá udržet v ruce (60°C).&lt;br /&gt;
&lt;br /&gt;
Jsou dvě možnosti, jak rozpustit agar.&lt;br /&gt;
1)	povařit na plotýnce v hrnci&lt;br /&gt;
2)	dát do mikrovlnky, na nižší výkon (Nejlépe po menším objemu, maximálně 250 ml.)&lt;br /&gt;
&lt;br /&gt;
3.	Přidat rozpuštěný cukr.&lt;br /&gt;
&lt;br /&gt;
4.	Nalít do misek. Na rovném místě, tak do 2/3 výšky spodní misky. Přikrýt vrchní miskou a nechat ztuhnout (cca 30 min až hodina). Misky se nejprve orosí, ale do druhého dne se to obvykle ztratí. (Lze to i sklepnout.) '''(Obrázek č. 3-­8)'''&lt;br /&gt;
&lt;br /&gt;
'''C) OTISK BIODAT DO KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Do připraveného kultivačního média byly následně otisknuty vzorky. S vatovými tyčinkami lze pokrýt celou misku rovnoměrně, případně kreslit určité tvary. Při otiskování vzorků je třeba dbát na přikrytí Petriho misky bezprostředně po jejím otištění, aby se do média neotiskly spory z okolního prostředí (např. vzduchu). Nesmí být také opomenutý důsledný a přesný popis ovzorkované misky, aby nedošlo k záměně dat '''(Obrázek č. 9‐11)'''.&lt;br /&gt;
&lt;br /&gt;
'''D) SLEDOVÁNÍ VÝVOJE BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Otisknuté vzorky byly následně umístěny do místnosti bez oken (toto je velmi důležité; vinou změn v osvětlení by mohlo docházet k flickering efektu v časosběrném videu). Do místnosti byl nainstalován fotoaparát na stativu se záběrem na všechny Petriho misky. Použili jsme síťový adaptér, abychom se vyhnuli problémům spojených s výměnou baterií. Pro osvícení jsme použili tři zdroje světla: světlo z lustru a dvě doplňková bodová světla. Účelem bylo osvítit pokud možno rovnoměrně celou plochu s Petriho miskami. Protože na některých miskách docházelo k odleskům, bylo potřeba použít pečící papír pro rozptyl světla. Pro fotografování byl použit fotoaparát Canon 600D s objektivem Sigma 18-­‐35/1.8, časová spoušť byla odpalována pomocí firmwarového hacku Magic Lantern. Interval spouště byl nastaven na 20 minut. Sledování probíhalo necelých 9 dní, od 2. 7. do 10. 7. 2015 '''(obrázek č. 12-14)'''.&lt;br /&gt;
&lt;br /&gt;
'''E) VÝROBA FINÁLNÍHO PRODUKTU (VIDEA)'''&lt;br /&gt;
&lt;br /&gt;
Výsledkem pozorování bylo 560 snímků. Tyto snímky byly následně spojeny do standardního video frameratu (tj. 25 fps). Výsledné snímky jsou součástí fotodokumentace '''(obrázek č. 15­21)'''.&lt;br /&gt;
 &lt;br /&gt;
Výsledek je k nahládnutí [https://www.youtube.com/watch?v=chm2YRmq-Ls&amp;amp;feature=youtu.be zde]. &lt;br /&gt;
&lt;br /&gt;
Oproti původnímu záměru jsme se nakonec z tohoto sběru rozhodli nedělat avizovaný produkt (tj. stylizované video), neboť jsme nebyli zcela spokojení s výsledkem pozorování. Bereme tak tento pokus jako pilotní a rádi bychom v srpnu 2015 zopakovali celý postup vyvarujíce se chyb, jichž jsme se dopustili v tomto pilotním pokusu. Přikládáme výčet chyb a také návrhy, jak jim předejít při příštím pokusu. &lt;br /&gt;
&lt;br /&gt;
1)	'''Ne na všech Petriho miskách organismy vyrostly.''' Přibližně 60 % všech Petriho misek zůstalo bez viditelného života – tj. bez plísní či bakterií. Pravděpodobnou příčinou je nedostatečné zastoupení živých organismů již v samotných biodatech. Přestože se gumových pásů u eskalátorů dotýká denně bezpočet lidí, na některých místech zřejmě nedošlo k zachycení organismů. Důvodem je patrně gumový materiál, na kterém zřejmě neulpívá dostatečné množství plísňových spór. Pro další verzi experimentu budeme hledat jiné vhodné místo s hojněji zastoupeným počtem života, zejména plísňovými spory. Zvažujeme i metodu otiskování plísní přímo z pozorovaných předmětů (např. smartphone).&lt;br /&gt;
&lt;br /&gt;
2)	'''Nepodařilo se nám médium po miskách rozprostřít rovnoměrně,''' což komplikovalo náš výtvarný záměr projektovat obsah misek do „zastávek“ na schématickém plánu pražského metra. Na vině je patrně příliš hustá agarová směs, která ztuhla v okamžitém kontaktu s chladnou miskou. V příští verzi experimentu tak budeme pracovat s řidší agarovou směsí (tj. s menším poměrem agaru), případně se zahřátými Petriho miskami.&lt;br /&gt;
&lt;br /&gt;
3)	'''Médium dostalo nahnědlou barvu.''' Za zbarvení může použití bujónu. To sice dodalo do média živiny, které mohly podpořit růst některých organismů, jenž by se jinak těžko rozrostly, avšak opět to komplikovalo náš výtvarný záměr. V příští verzi experimentu tak budeme za bujon hledat náhražku, která nebude mít na zabarvení vliv.&lt;br /&gt;
&lt;br /&gt;
===Fotodokumentace===&lt;br /&gt;
&lt;br /&gt;
01. Odebrané vzorky z pražského metra linky A &lt;br /&gt;
02. Odebrané vzorky s popisky jednotlivých stanic metra A &lt;br /&gt;
03. Ingredience nutné pro přípravu kultivačního gelu &lt;br /&gt;
04. Odměřené ingredience, z leva: hovězí bujón, 10 g agaru, 10 g cukru, 500 ml vody &lt;br /&gt;
05. Rozpuštění cukru v 25 ml vody &lt;br /&gt;
06. Příprava hovězího bujónu v horké vodě &lt;br /&gt;
07. Do rozpuštěného hovězího bujónu přidáme agar a mícháme, dokud se agar úplně nerozpustí. &lt;br /&gt;
08. Pro odstranění nečistot z hovězího bojónu je potřeba vzniklou směs důkladně přecedit. &lt;br /&gt;
09. Příprava na vzorkování &lt;br /&gt;
10. Otiskování získaných vzorků do kultivačního gelu. &lt;br /&gt;
11. Detail otiskování vzorků &lt;br /&gt;
12. Příprava na sběr biodat &lt;br /&gt;
13. Detail na sběr biodat &lt;br /&gt;
14. Detail na nastavení fotoaparátu (Intervalometru) &lt;br /&gt;
15. Detail plísně, upravená fotografie, název fotografie: Volcano &lt;br /&gt;
16. Povedené plísně (1), originální fotografie bez úprav &lt;br /&gt;
17. Povedené plísně (2), upravená fotografie, název fotografie: Samr &lt;br /&gt;
18. Povedené plísně (3), upravená fotografie, název fotografie: Evil &lt;br /&gt;
19. Plíseň ze stanice metra Petřiny, název fotografie: Skvrna na obloze &lt;br /&gt;
20. Plísně ze 4 stanic metra A, název fotografie: Quatro &lt;br /&gt;
21. Plísně ze 4 stanic metra A, upravená fotografie, název fotografie: Přepal&lt;br /&gt;
&lt;br /&gt;
=== Videodokumentace ===&lt;br /&gt;
[https://www.youtube.com/watch?v=chm2YRmq-Ls&amp;amp;feature=youtu.be]&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26822</id>
		<title>Projekt MetroBioArt</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26822"/>
		<updated>2015-12-12T15:41:29Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Denisa Lešková''', Studia nových médií, e-mail: [mailto:den.leskova@gmail.com den.leskova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
'''Petr Nuska''', Studia nových médií, e-mail: [mailto:nuska.petr@gmail.com nuska.petr@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Motivace vzniku projektu a jeho význam ==&lt;br /&gt;
S neustálým rozvojem technologií dochází ke změně tradičního konceptu chápání člověka a přírody. Rychlý technologický rozvoj vyvolává i mnohá etická a morální dilemata, na která reagují mnozí umělci prostřednictvím experimentů za pomoci právě vědy a techniky. Pro většinu umělců je klíčovým aspektem umění svoboda vyjadřování a to nejen co do témat, ale i prostředků. Tvůrci se začali více zajímat o současné představy o přírodě, o tom, jak jí technologie mění. V tomto případě mluvíme o ekologickém umění. Howkins uvádí, že: „Ekologie není a o studiu biologických organismů ani o studii prostředí, ekologie je o studiu vztahu mezi námi a prostředím.“ Ekologické umění je tedy žánrem, který oslovuje veřejné prostory. Projekt MetroBioArt vnímáme jakožto předstupeň ekologického umění, přestože je zde princip propojení s veřejným prostorem zcela opačný. Hlavním cílem je odebrání určitého okem neviditelného artefaktu a jeho přenesení do prostoru, ve kterém trávíme čím dál více času – do prostoru sociálních médií. Cílovým produktem je pak stylizované video, které divákovi přináší pohled na neviditelné cestovatele metra, tedy cestovatele z říše plísní a bakterií. Výsledný produkt může zpochybnit náš běžný pohled na tyto organismy, jejichž diverzita je naprosto stejná (ne-li dokonce vyšší) jako u lidských cestujících.&lt;br /&gt;
&lt;br /&gt;
== Použitý materiál a software ==&lt;br /&gt;
Pro realizaci projektu MetroBioArt jsme použili následující materiál a hardware. &lt;br /&gt;
&lt;br /&gt;
'''Pro odběr vzorků ke kultivaci je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* vatové tyčinky&lt;br /&gt;
* uzavíratelné sáčky (nejlépe dealerské)&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* popisovací fix&lt;br /&gt;
&lt;br /&gt;
'''Pro přípravu kultivačního média je potřeba:''' &lt;br /&gt;
&lt;br /&gt;
* 1 kostka hovězího bujónu&lt;br /&gt;
* 10 g agaru – Lze koupit v bioobchodech, obchodech se zdravou výživou.&lt;br /&gt;
* 500 ml destilované vody – Lze koupit v supermarketech a drogériích (běžná obchodní síť).&lt;br /&gt;
* 10 g cukru&lt;br /&gt;
&lt;br /&gt;
Další materiál:&lt;br /&gt;
* 20 Petriho misek (17; 3 náhradní) – Petriho misky v průměru 8 nebo 9 cm, sterilní, s průsvitným sterilním víčkem. Misky jsou pouze na jedno použití. Lze koupit [https://www.p-­‐lab.cz/katalog.pl?akce=polozka&amp;amp;id=865&amp;amp;sekce=259&amp;amp;from=obsah zde].&lt;br /&gt;
* vařečka&lt;br /&gt;
* hrnec&lt;br /&gt;
* sítko&lt;br /&gt;
* utěrka&lt;br /&gt;
* metlička na šlehání&lt;br /&gt;
* miska&lt;br /&gt;
* odměrka&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* elektrický/plynový sporák nebo mikrovlnnou troubu&lt;br /&gt;
&lt;br /&gt;
'''Pro zachycení růstu plísní je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* místnost o pokojové teplotě s konstantním osvětlením a se zásuvkou&lt;br /&gt;
* umělé osvětlení, popřípadě materiál na rozptyl světla, např. pečící či pauzový papír (pauzový je skvělý, jen může vzplanout, bude-li blízko světelného zdroje; pečící sice nehoří, ale má tendenci křehnout, což nemusí být vhodné pro dlouhodobé pozorování)&lt;br /&gt;
* nesmazatelný fix na popisky&lt;br /&gt;
* papír ve formátu 2 x A3 s předtištěnými obrysy Petriho misek (viz. příloha)&lt;br /&gt;
* fotoaparát s hardwarovým (např.: kabelová spoušť) či softwarovým (např.: firmware hack Magic Lantern) vybavením pro timelapse&lt;br /&gt;
* dostatek místa na kartě fotoaparátu&lt;br /&gt;
* síťový adaptér k fotoaparátu&lt;br /&gt;
* stativ na fotoaparát&lt;br /&gt;
&lt;br /&gt;
==Popis vývoje a konečné verze vlastního produktu (vč. fotodokumentace)==&lt;br /&gt;
&lt;br /&gt;
Celkový postup bychom volně rozdělíme do 4 sekcí: &lt;br /&gt;
&lt;br /&gt;
a)	sběr bio dat &amp;lt;br /&amp;gt;&lt;br /&gt;
b)	příprava kultivačního média&amp;lt;br /&amp;gt;&lt;br /&gt;
c)	otisk bio dat do kultivačního média&amp;lt;br /&amp;gt;&lt;br /&gt;
d)	sledování vývoje&amp;lt;br /&amp;gt;&lt;br /&gt;
e)	výroba finálního produktu (videa)&lt;br /&gt;
&lt;br /&gt;
'''A) SBĚR BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Pro náš experiment byla vybrána linka pražského metra A, zejména proto, že je nejkratší linkou (což v mnohém ulehčilo následný postup – např. bylo potřeba, aby se do záběru vešly všechny misky se vzorky). Na lince A byly v nedávné době otevřeny její nové stanice, takže se dala anticipovat vyšší diverzita v celkovém vzorku. &lt;br /&gt;
&lt;br /&gt;
Cílem sběru bylo získat biodata ze všech stanic metra A. Pro odběry vzorku byly vybrány gumové/plastové pásy u eskalátorů; předpokládali jsme totiž, že tato místa budou na biologický materiál bohatá, neboť s nimi přichází denně do styku velké množství osob. Důvodem k výběru plastových madel u eskalátorů byl rovněž kontakt velkého množství osob právě s tímto povrchem (většina pražské populace se dennodenně dotýká madel, takže bude pro tyto lidi naše sdělení ještě intenzivnější, tj. na dotek). &lt;br /&gt;
&lt;br /&gt;
Sběr byl prováděn vatovými tyčinkami (3 vatové tyčinky na každou stanici metra) a data skladována v průhledných sáčcích se zipem '''(obrázek č. 1-­2)'''. &lt;br /&gt;
&lt;br /&gt;
'''B) PŘÍPRAVA KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Na základě receptu uvedeného níže jsme vyrobili kultivační médium.&lt;br /&gt;
&lt;br /&gt;
'''Recept na výrobu kultivačního gelu:'''&lt;br /&gt;
&lt;br /&gt;
1.	Rozmíchat cukr v menším objemu vody (25 -­‐ 50 ml, stačí přiměřeně -­‐ aby se to dobře rozpouštělo). Cukr se přidá až na úplný konec!&lt;br /&gt;
&lt;br /&gt;
2.	Rozmíchat bujón ve zbytku vody a přidat agar. Nechat pochladnout, ale ne zcela! Tak jako horký až teplý čaj, který se dá udržet v ruce (60°C).&lt;br /&gt;
&lt;br /&gt;
Jsou dvě možnosti, jak rozpustit agar.&lt;br /&gt;
1)	povařit na plotýnce v hrnci&lt;br /&gt;
2)	dát do mikrovlnky, na nižší výkon (Nejlépe po menším objemu, maximálně 250 ml.)&lt;br /&gt;
&lt;br /&gt;
3.	Přidat rozpuštěný cukr.&lt;br /&gt;
&lt;br /&gt;
4.	Nalít do misek. Na rovném místě, tak do 2/3 výšky spodní misky. Přikrýt vrchní miskou a nechat ztuhnout (cca 30 min až hodina). Misky se nejprve orosí, ale do druhého dne se to obvykle ztratí. (Lze to i sklepnout.) '''(Obrázek č. 3-­8)'''&lt;br /&gt;
&lt;br /&gt;
'''C) OTISK BIODAT DO KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Do připraveného kultivačního média byly následně otisknuty vzorky. S vatovými tyčinkami lze pokrýt celou misku rovnoměrně, případně kreslit určité tvary. Při otiskování vzorků je třeba dbát na přikrytí Petriho misky bezprostředně po jejím otištění, aby se do média neotiskly spory z okolního prostředí (např. vzduchu). Nesmí být také opomenutý důsledný a přesný popis ovzorkované misky, aby nedošlo k záměně dat '''(Obrázek č. 9‐11)'''.&lt;br /&gt;
&lt;br /&gt;
'''D) SLEDOVÁNÍ VÝVOJE BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Otisknuté vzorky byly následně umístěny do místnosti bez oken (toto je velmi důležité; vinou změn v osvětlení by mohlo docházet k flickering efektu v časosběrném videu). Do místnosti byl nainstalován fotoaparát na stativu se záběrem na všechny Petriho misky. Použili jsme síťový adaptér, abychom se vyhnuli problémům spojených s výměnou baterií. Pro osvícení jsme použili tři zdroje světla: světlo z lustru a dvě doplňková bodová světla. Účelem bylo osvítit pokud možno rovnoměrně celou plochu s Petriho miskami. Protože na některých miskách docházelo k odleskům, bylo potřeba použít pečící papír pro rozptyl světla. Pro fotografování byl použit fotoaparát Canon 600D s objektivem Sigma 18-­‐35/1.8, časová spoušť byla odpalována pomocí firmwarového hacku Magic Lantern. Interval spouště byl nastaven na 20 minut. Sledování probíhalo necelých 9 dní, od 2. 7. do 10. 7. 2015 '''(obrázek č. 12-14)'''.&lt;br /&gt;
&lt;br /&gt;
'''E) VÝROBA FINÁLNÍHO PRODUKTU (VIDEA)'''&lt;br /&gt;
&lt;br /&gt;
Výsledkem pozorování bylo 560 snímků. Tyto snímky byly následně spojeny do standardního video frameratu (tj. 25 fps). Výsledné snímky jsou součástí fotodokumentace '''(obrázek č. 15­21)'''.&lt;br /&gt;
 &lt;br /&gt;
Výsledek je k nahládnutí [https://www.youtube.com/watch?v=chm2YRmq-Ls&amp;amp;feature=youtu.be zde]. &lt;br /&gt;
&lt;br /&gt;
Oproti původnímu záměru jsme se nakonec z tohoto sběru rozhodli nedělat avizovaný produkt (tj. stylizované video), neboť jsme nebyli zcela spokojení s výsledkem pozorování. Bereme tak tento pokus jako pilotní a rádi bychom v srpnu 2015 zopakovali celý postup vyvarujíce se chyb, jichž jsme se dopustili v tomto pilotním pokusu. Přikládáme výčet chyb a také návrhy, jak jim předejít při příštím pokusu. &lt;br /&gt;
&lt;br /&gt;
1)	'''Ne na všech Petriho miskách organismy vyrostly.''' Přibližně 60 % všech Petriho misek zůstalo bez viditelného života – tj. bez plísní či bakterií. Pravděpodobnou příčinou je nedostatečné zastoupení živých organismů již v samotných biodatech. Přestože se gumových pásů u eskalátorů dotýká denně bezpočet lidí, na některých místech zřejmě nedošlo k zachycení organismů. Důvodem je patrně gumový materiál, na kterém zřejmě neulpívá dostatečné množství plísňových spór. Pro další verzi experimentu budeme hledat jiné vhodné místo s hojněji zastoupeným počtem života, zejména plísňovými spory. Zvažujeme i metodu otiskování plísní přímo z pozorovaných předmětů (např. smartphone).&lt;br /&gt;
&lt;br /&gt;
2)	'''Nepodařilo se nám médium po miskách rozprostřít rovnoměrně,''' což komplikovalo náš výtvarný záměr projektovat obsah misek do „zastávek“ na schématickém plánu pražského metra. Na vině je patrně příliš hustá agarová směs, která ztuhla v okamžitém kontaktu s chladnou miskou. V příští verzi experimentu tak budeme pracovat s řidší agarovou směsí (tj. s menším poměrem agaru), případně se zahřátými Petriho miskami.&lt;br /&gt;
&lt;br /&gt;
3)	'''Médium dostalo nahnědlou barvu.''' Za zbarvení může použití bujónu. To sice dodalo do média živiny, které mohly podpořit růst některých organismů, jenž by se jinak těžko rozrostly, avšak opět to komplikovalo náš výtvarný záměr. V příští verzi experimentu tak budeme za bujon hledat náhražku, která nebude mít na zabarvení vliv.&lt;br /&gt;
&lt;br /&gt;
===Fotodokumentace===&lt;br /&gt;
&lt;br /&gt;
01. Odebrané vzorky z pražského metra linky A &lt;br /&gt;
02. Odebrané vzorky s popisky jednotlivých stanic metra A &lt;br /&gt;
03. Ingredience nutné pro přípravu kultivačního gelu &lt;br /&gt;
04. Odměřené ingredience, z leva: hovězí bujón, 10 g agaru, 10 g cukru, 500 ml vody &lt;br /&gt;
05. Rozpuštění cukru v 25 ml vody &lt;br /&gt;
06. Příprava hovězího bujónu v horké vodě &lt;br /&gt;
07. Do rozpuštěného hovězího bujónu přidáme agar a mícháme, dokud se agar úplně nerozpustí. &lt;br /&gt;
08. Pro odstranění nečistot z hovězího bojónu je potřeba vzniklou směs důkladně přecedit. &lt;br /&gt;
09. Příprava na vzorkování &lt;br /&gt;
10. Otiskování získaných vzorků do kultivačního gelu. &lt;br /&gt;
11. Detail otiskování vzorků &lt;br /&gt;
12. Příprava na sběr biodat &lt;br /&gt;
13. Detail na sběr biodat &lt;br /&gt;
14. Detail na nastavení fotoaparátu (Intervalometru) &lt;br /&gt;
15. Detail plísně, upravená fotografie, název fotografie: Volcano &lt;br /&gt;
16. Povedené plísně (1), originální fotografie bez úprav &lt;br /&gt;
17. Povedené plísně (2), upravená fotografie, název fotografie: Samr &lt;br /&gt;
18. Povedené plísně (3), upravená fotografie, název fotografie: Evil &lt;br /&gt;
19. Plíseň ze stanice metra Petřiny, název fotografie: Skvrna na obloze &lt;br /&gt;
20. Plísně ze 4 stanic metra A, název fotografie: Quatro &lt;br /&gt;
21. Plísně ze 4 stanic metra A, upravená fotografie, název fotografie: Přepal&lt;br /&gt;
&lt;br /&gt;
=== Videodokumentace ===&lt;br /&gt;
[https://www.youtube.com/watch?v=chm2YRmq-Ls&amp;amp;feature=youtu.be]&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Port%C3%A1l:Informa%C4%8Dn%C3%AD_studia_a_knihovnictv%C3%AD/Open_Hardware&amp;diff=26821</id>
		<title>Portál:Informační studia a knihovnictví/Open Hardware</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Port%C3%A1l:Informa%C4%8Dn%C3%AD_studia_a_knihovnictv%C3%AD/Open_Hardware&amp;diff=26821"/>
		<updated>2015-12-12T15:36:45Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[Projekt Pepper Bell]]&amp;lt;br /&amp;gt;&lt;br /&gt;
&lt;br /&gt;
[[Projekt MetroBioArt]]&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Port%C3%A1l:Informa%C4%8Dn%C3%AD_studia_a_knihovnictv%C3%AD/Open_Hardware&amp;diff=26820</id>
		<title>Portál:Informační studia a knihovnictví/Open Hardware</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Port%C3%A1l:Informa%C4%8Dn%C3%AD_studia_a_knihovnictv%C3%AD/Open_Hardware&amp;diff=26820"/>
		<updated>2015-12-12T15:36:21Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;[[Projekt Pepper Bell]]&lt;br /&gt;
[[Projekt MetroBioArt]]&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26819</id>
		<title>Projekt MetroBioArt</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26819"/>
		<updated>2015-12-12T15:35:13Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Denisa Lešková''', Studia nových médií, e-mail: [mailto:den.leskova@gmail.com den.leskova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
'''Petr Nuska''', Studia nových médií, e-mail: [mailto:nuska.petr@gmail.com nuska.petr@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Motivace vzniku projektu a jeho význam ==&lt;br /&gt;
S neustálým rozvojem technologií dochází ke změně tradičního konceptu chápání člověka a přírody. Rychlý technologický rozvoj vyvolává i mnohá etická a morální dilemata, na která reagují mnozí umělci prostřednictvím experimentů za pomoci právě vědy a techniky. Pro většinu umělců je klíčovým aspektem umění svoboda vyjadřování a to nejen co do témat, ale i prostředků. Tvůrci se začali více zajímat o současné představy o přírodě, o tom, jak jí technologie mění. V tomto případě mluvíme o ekologickém umění. Howkins uvádí, že: „Ekologie není a o studiu biologických organismů ani o studii prostředí, ekologie je o studiu vztahu mezi námi a prostředím.“ Ekologické umění je tedy žánrem, který oslovuje veřejné prostory. Projekt MetroBioArt vnímáme jakožto předstupeň ekologického umění, přestože je zde princip propojení s veřejným prostorem zcela opačný. Hlavním cílem je odebrání určitého okem neviditelného artefaktu a jeho přenesení do prostoru, ve kterém trávíme čím dál více času – do prostoru sociálních médií. Cílovým produktem je pak stylizované video, které divákovi přináší pohled na neviditelné cestovatele metra, tedy cestovatele z říše plísní a bakterií. Výsledný produkt může zpochybnit náš běžný pohled na tyto organismy, jejichž diverzita je naprosto stejná (ne-li dokonce vyšší) jako u lidských cestujících.&lt;br /&gt;
&lt;br /&gt;
== Použitý materiál a software ==&lt;br /&gt;
Pro realizaci projektu MetroBioArt jsme použili následující materiál a hardware. &lt;br /&gt;
&lt;br /&gt;
'''Pro odběr vzorků ke kultivaci je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* vatové tyčinky&lt;br /&gt;
* uzavíratelné sáčky (nejlépe dealerské)&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* popisovací fix&lt;br /&gt;
&lt;br /&gt;
'''Pro přípravu kultivačního média je potřeba:''' &lt;br /&gt;
&lt;br /&gt;
* 1 kostka hovězího bujónu&lt;br /&gt;
* 10 g agaru – Lze koupit v bioobchodech, obchodech se zdravou výživou.&lt;br /&gt;
* 500 ml destilované vody – Lze koupit v supermarketech a drogériích (běžná obchodní síť).&lt;br /&gt;
* 10 g cukru&lt;br /&gt;
&lt;br /&gt;
Další materiál:&lt;br /&gt;
* 20 Petriho misek (17; 3 náhradní) – Petriho misky v průměru 8 nebo 9 cm, sterilní, s průsvitným sterilním víčkem. Misky jsou pouze na jedno použití. Lze koupit [https://www.p-­‐lab.cz/katalog.pl?akce=polozka&amp;amp;id=865&amp;amp;sekce=259&amp;amp;from=obsah zde].&lt;br /&gt;
* vařečka&lt;br /&gt;
* hrnec&lt;br /&gt;
* sítko&lt;br /&gt;
* utěrka&lt;br /&gt;
* metlička na šlehání&lt;br /&gt;
* miska&lt;br /&gt;
* odměrka&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* elektrický/plynový sporák nebo mikrovlnnou troubu&lt;br /&gt;
&lt;br /&gt;
'''Pro zachycení růstu plísní je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* místnost o pokojové teplotě s konstantním osvětlením a se zásuvkou&lt;br /&gt;
* umělé osvětlení, popřípadě materiál na rozptyl světla, např. pečící či pauzový papír (pauzový je skvělý, jen může vzplanout, bude-li blízko světelného zdroje; pečící sice nehoří, ale má tendenci křehnout, což nemusí být vhodné pro dlouhodobé pozorování)&lt;br /&gt;
* nesmazatelný fix na popisky&lt;br /&gt;
* papír ve formátu 2 x A3 s předtištěnými obrysy Petriho misek (viz. příloha)&lt;br /&gt;
* fotoaparát s hardwarovým (např.: kabelová spoušť) či softwarovým (např.: firmware hack Magic Lantern) vybavením pro timelapse&lt;br /&gt;
* dostatek místa na kartě fotoaparátu&lt;br /&gt;
* síťový adaptér k fotoaparátu&lt;br /&gt;
* stativ na fotoaparát&lt;br /&gt;
&lt;br /&gt;
==Popis vývoje a konečné verze vlastního produktu (vč. fotodokumentace)==&lt;br /&gt;
&lt;br /&gt;
Celkový postup bychom volně rozdělíme do 4 sekcí: &lt;br /&gt;
&lt;br /&gt;
a)	sběr bio dat &amp;lt;br /&amp;gt;&lt;br /&gt;
b)	příprava kultivačního média&amp;lt;br /&amp;gt;&lt;br /&gt;
c)	otisk bio dat do kultivačního média&amp;lt;br /&amp;gt;&lt;br /&gt;
d)	sledování vývoje&amp;lt;br /&amp;gt;&lt;br /&gt;
e)	výroba finálního produktu (videa)&lt;br /&gt;
&lt;br /&gt;
'''A) SBĚR BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Pro náš experiment byla vybrána linka pražského metra A, zejména proto, že je nejkratší linkou (což v mnohém ulehčilo následný postup – např. bylo potřeba, aby se do záběru vešly všechny misky se vzorky). Na lince A byly v nedávné době otevřeny její nové stanice, takže se dala anticipovat vyšší diverzita v celkovém vzorku. &lt;br /&gt;
&lt;br /&gt;
Cílem sběru bylo získat biodata ze všech stanic metra A. Pro odběry vzorku byly vybrány gumové/plastové pásy u eskalátorů; předpokládali jsme totiž, že tato místa budou na biologický materiál bohatá, neboť s nimi přichází denně do styku velké množství osob. Důvodem k výběru plastových madel u eskalátorů byl rovněž kontakt velkého množství osob právě s tímto povrchem (většina pražské populace se dennodenně dotýká madel, takže bude pro tyto lidi naše sdělení ještě intenzivnější, tj. na dotek). &lt;br /&gt;
&lt;br /&gt;
Sběr byl prováděn vatovými tyčinkami (3 vatové tyčinky na každou stanici metra) a data skladována v průhledných sáčcích se zipem '''(obrázek č. 1-­2)'''. &lt;br /&gt;
&lt;br /&gt;
'''B) PŘÍPRAVA KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Na základě receptu uvedeného níže jsme vyrobili kultivační médium.&lt;br /&gt;
&lt;br /&gt;
'''Recept na výrobu kultivačního gelu:'''&lt;br /&gt;
&lt;br /&gt;
1.	Rozmíchat cukr v menším objemu vody (25 -­‐ 50 ml, stačí přiměřeně -­‐ aby se to dobře rozpouštělo). Cukr se přidá až na úplný konec!&lt;br /&gt;
&lt;br /&gt;
2.	Rozmíchat bujón ve zbytku vody a přidat agar. Nechat pochladnout, ale ne zcela! Tak jako horký až teplý čaj, který se dá udržet v ruce (60°C).&lt;br /&gt;
&lt;br /&gt;
Jsou dvě možnosti, jak rozpustit agar.&lt;br /&gt;
1)	povařit na plotýnce v hrnci&lt;br /&gt;
2)	dát do mikrovlnky, na nižší výkon (Nejlépe po menším objemu, maximálně 250 ml.)&lt;br /&gt;
&lt;br /&gt;
3.	Přidat rozpuštěný cukr.&lt;br /&gt;
&lt;br /&gt;
4.	Nalít do misek. Na rovném místě, tak do 2/3 výšky spodní misky. Přikrýt vrchní miskou a nechat ztuhnout (cca 30 min až hodina). Misky se nejprve orosí, ale do druhého dne se to obvykle ztratí. (Lze to i sklepnout.) '''(Obrázek č. 3-­8)'''&lt;br /&gt;
&lt;br /&gt;
'''C) OTISK BIODAT DO KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Do připraveného kultivačního média byly následně otisknuty vzorky. S vatovými tyčinkami lze pokrýt celou misku rovnoměrně, případně kreslit určité tvary. Při otiskování vzorků je třeba dbát na přikrytí Petriho misky bezprostředně po jejím otištění, aby se do média neotiskly spory z okolního prostředí (např. vzduchu). Nesmí být také opomenutý důsledný a přesný popis ovzorkované misky, aby nedošlo k záměně dat '''(Obrázek č. 9‐11)'''.&lt;br /&gt;
&lt;br /&gt;
'''D) SLEDOVÁNÍ VÝVOJE BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Otisknuté vzorky byly následně umístěny do místnosti bez oken (toto je velmi důležité; vinou změn v osvětlení by mohlo docházet k flickering efektu v časosběrném videu). Do místnosti byl nainstalován fotoaparát na stativu se záběrem na všechny Petriho misky. Použili jsme síťový adaptér, abychom se vyhnuli problémům spojených s výměnou baterií. Pro osvícení jsme použili tři zdroje světla: světlo z lustru a dvě doplňková bodová světla. Účelem bylo osvítit pokud možno rovnoměrně celou plochu s Petriho miskami. Protože na některých miskách docházelo k odleskům, bylo potřeba použít pečící papír pro rozptyl světla. Pro fotografování byl použit fotoaparát Canon 600D s objektivem Sigma 18-­‐35/1.8, časová spoušť byla odpalována pomocí firmwarového hacku Magic Lantern. Interval spouště byl nastaven na 20 minut. Sledování probíhalo necelých 9 dní, od 2. 7. do 10. 7. 2015 '''(obrázek č. 12-14)'''.&lt;br /&gt;
&lt;br /&gt;
'''E) VÝROBA FINÁLNÍHO PRODUKTU (VIDEA)'''&lt;br /&gt;
&lt;br /&gt;
Výsledkem pozorování bylo 560 snímků. Tyto snímky byly následně spojeny do standardního video frameratu (tj. 25 fps). Výsledné snímky jsou součástí fotodokumentace '''(obrázek č. 15­21)'''.&lt;br /&gt;
 &lt;br /&gt;
Výsledek je k nahládnutí [https://www.youtube.com/watch?v=chm2YRmq-­‐Ls&amp;amp;feature=youtu.be zde]. &lt;br /&gt;
&lt;br /&gt;
Oproti původnímu záměru jsme se nakonec z tohoto sběru rozhodli nedělat avizovaný produkt (tj. stylizované video), neboť jsme nebyli zcela spokojení s výsledkem pozorování. Bereme tak tento pokus jako pilotní a rádi bychom v srpnu 2015 zopakovali celý postup vyvarujíce se chyb, jichž jsme se dopustili v tomto pilotním pokusu. Přikládáme výčet chyb a také návrhy, jak jim předejít při příštím pokusu. &lt;br /&gt;
&lt;br /&gt;
1)	'''Ne na všech Petriho miskách organismy vyrostly.''' Přibližně 60 % všech Petriho misek zůstalo bez viditelného života – tj. bez plísní či bakterií. Pravděpodobnou příčinou je nedostatečné zastoupení živých organismů již v samotných biodatech. Přestože se gumových pásů u eskalátorů dotýká denně bezpočet lidí, na některých místech zřejmě nedošlo k zachycení organismů. Důvodem je patrně gumový materiál, na kterém zřejmě neulpívá dostatečné množství plísňových spór. Pro další verzi experimentu budeme hledat jiné vhodné místo s hojněji zastoupeným počtem života, zejména plísňovými spory. Zvažujeme i metodu otiskování plísní přímo z pozorovaných předmětů (např. smartphone).&lt;br /&gt;
&lt;br /&gt;
2)	'''Nepodařilo se nám médium po miskách rozprostřít rovnoměrně,''' což komplikovalo náš výtvarný záměr projektovat obsah misek do „zastávek“ na schématickém plánu pražského metra. Na vině je patrně příliš hustá agarová směs, která ztuhla v okamžitém kontaktu s chladnou miskou. V příští verzi experimentu tak budeme pracovat s řidší agarovou směsí (tj. s menším poměrem agaru), případně se zahřátými Petriho miskami.&lt;br /&gt;
&lt;br /&gt;
3)	'''Médium dostalo nahnědlou barvu.''' Za zbarvení může použití bujónu. To sice dodalo do média živiny, které mohly podpořit růst některých organismů, jenž by se jinak těžko rozrostly, avšak opět to komplikovalo náš výtvarný záměr. V příští verzi experimentu tak budeme za bujon hledat náhražku, která nebude mít na zabarvení vliv.&lt;br /&gt;
&lt;br /&gt;
===Fotodokumentace===&lt;br /&gt;
&lt;br /&gt;
01. Odebrané vzorky z pražského metra linky A &lt;br /&gt;
02. Odebrané vzorky s popisky jednotlivých stanic metra A &lt;br /&gt;
03. Ingredience nutné pro přípravu kultivačního gelu &lt;br /&gt;
04. Odměřené ingredience, z leva: hovězí bujón, 10 g agaru, 10 g cukru, 500 ml vody &lt;br /&gt;
05. Rozpuštění cukru v 25 ml vody &lt;br /&gt;
06. Příprava hovězího bujónu v horké vodě &lt;br /&gt;
07. Do rozpuštěného hovězího bujónu přidáme agar a mícháme, dokud se agar úplně nerozpustí. &lt;br /&gt;
08. Pro odstranění nečistot z hovězího bojónu je potřeba vzniklou směs důkladně přecedit. &lt;br /&gt;
09. Příprava na vzorkování &lt;br /&gt;
10. Otiskování získaných vzorků do kultivačního gelu. &lt;br /&gt;
11. Detail otiskování vzorků &lt;br /&gt;
12. Příprava na sběr biodat &lt;br /&gt;
13. Detail na sběr biodat &lt;br /&gt;
14. Detail na nastavení fotoaparátu (Intervalometru) &lt;br /&gt;
15. Detail plísně, upravená fotografie, název fotografie: Volcano &lt;br /&gt;
16. Povedené plísně (1), originální fotografie bez úprav &lt;br /&gt;
17. Povedené plísně (2), upravená fotografie, název fotografie: Samr &lt;br /&gt;
18. Povedené plísně (3), upravená fotografie, název fotografie: Evil &lt;br /&gt;
19. Plíseň ze stanice metra Petřiny, název fotografie: Skvrna na obloze &lt;br /&gt;
20. Plísně ze 4 stanic metra A, název fotografie: Quatro &lt;br /&gt;
21. Plísně ze 4 stanic metra A, upravená fotografie, název fotografie: Přepal&lt;br /&gt;
&lt;br /&gt;
=== Videodokumentace ===&lt;br /&gt;
[https://www.youtube.com/watch?v=chm2YRmq-­‐Ls&amp;amp;feature=youtu.be]&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26818</id>
		<title>Projekt MetroBioArt</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26818"/>
		<updated>2015-12-12T15:33:23Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Denisa Lešková''', Studia nových médií, e-mail: [mailto:den.leskova@gmail.com den.leskova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
'''Petr Nuska''', Studia nových médií, e-mail: [mailto:nuska.petr@gmail.com nuska.petr@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Motivace vzniku projektu a jeho význam ==&lt;br /&gt;
S neustálým rozvojem technologií dochází ke změně tradičního konceptu chápání člověka a přírody. Rychlý technologický rozvoj vyvolává i mnohá etická a morální dilemata, na která reagují mnozí umělci prostřednictvím experimentů za pomoci právě vědy a techniky. Pro většinu umělců je klíčovým aspektem umění svoboda vyjadřování a to nejen co do témat, ale i prostředků. Tvůrci se začali více zajímat o současné představy o přírodě, o tom, jak jí technologie mění. V tomto případě mluvíme o ekologickém umění. Howkins uvádí, že: „Ekologie není a o studiu biologických organismů ani o studii prostředí, ekologie je o studiu vztahu mezi námi a prostředím.“ Ekologické umění je tedy žánrem, který oslovuje veřejné prostory. Projekt MetroBioArt vnímáme jakožto předstupeň ekologického umění, přestože je zde princip propojení s veřejným prostorem zcela opačný. Hlavním cílem je odebrání určitého okem neviditelného artefaktu a jeho přenesení do prostoru, ve kterém trávíme čím dál více času – do prostoru sociálních médií. Cílovým produktem je pak stylizované video, které divákovi přináší pohled na neviditelné cestovatele metra, tedy cestovatele z říše plísní a bakterií. Výsledný produkt může zpochybnit náš běžný pohled na tyto organismy, jejichž diverzita je naprosto stejná (ne-li dokonce vyšší) jako u lidských cestujících.&lt;br /&gt;
&lt;br /&gt;
== Použitý materiál a software ==&lt;br /&gt;
Pro realizaci projektu MetroBioArt jsme použili následující materiál a hardware. &lt;br /&gt;
&lt;br /&gt;
'''Pro odběr vzorků ke kultivaci je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* vatové tyčinky&lt;br /&gt;
* uzavíratelné sáčky (nejlépe dealerské)&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* popisovací fix&lt;br /&gt;
&lt;br /&gt;
'''Pro přípravu kultivačního média je potřeba:''' &lt;br /&gt;
&lt;br /&gt;
* 1 kostka hovězího bujónu&lt;br /&gt;
* 10 g agaru – Lze koupit v bioobchodech, obchodech se zdravou výživou.&lt;br /&gt;
* 500 ml destilované vody – Lze koupit v supermarketech a drogériích (běžná obchodní síť).&lt;br /&gt;
* 10 g cukru&lt;br /&gt;
&lt;br /&gt;
Další materiál:&lt;br /&gt;
* 20 Petriho misek (17; 3 náhradní) – Petriho misky v průměru 8 nebo 9 cm, sterilní, s průsvitným sterilním víčkem. Misky jsou pouze na jedno použití. Lze koupit [https://www.p-­‐lab.cz/katalog.pl?akce=polozka&amp;amp;id=865&amp;amp;sekce=259&amp;amp;from=obsah zde].&lt;br /&gt;
* vařečka&lt;br /&gt;
* hrnec&lt;br /&gt;
* sítko&lt;br /&gt;
* utěrka&lt;br /&gt;
* metlička na šlehání&lt;br /&gt;
* miska&lt;br /&gt;
* odměrka&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* elektrický/plynový sporák nebo mikrovlnnou troubu&lt;br /&gt;
&lt;br /&gt;
'''Pro zachycení růstu plísní je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* místnost o pokojové teplotě s konstantním osvětlením a se zásuvkou&lt;br /&gt;
* umělé osvětlení, popřípadě materiál na rozptyl světla, např. pečící či pauzový papír (pauzový je skvělý, jen může vzplanout, bude-li blízko světelného zdroje; pečící sice nehoří, ale má tendenci křehnout, což nemusí být vhodné pro dlouhodobé pozorování)&lt;br /&gt;
* nesmazatelný fix na popisky&lt;br /&gt;
* papír ve formátu 2 x A3 s předtištěnými obrysy Petriho misek (viz. příloha)&lt;br /&gt;
* fotoaparát s hardwarovým (např.: kabelová spoušť) či softwarovým (např.: firmware hack Magic Lantern) vybavením pro timelapse&lt;br /&gt;
* dostatek místa na kartě fotoaparátu&lt;br /&gt;
* síťový adaptér k fotoaparátu&lt;br /&gt;
* stativ na fotoaparát&lt;br /&gt;
&lt;br /&gt;
==Popis vývoje a konečné verze vlastního produktu (vč. fotodokumentace)==&lt;br /&gt;
&lt;br /&gt;
Celkový postup bychom volně rozdělíme do 4 sekcí: &lt;br /&gt;
&lt;br /&gt;
a)	sběr bio dat&lt;br /&gt;
b)	příprava kultivačního média&lt;br /&gt;
c)	otisk bio dat do kultivačního média&lt;br /&gt;
d)	sledování vývoje&lt;br /&gt;
e)	výroba finálního produktu (videa)&lt;br /&gt;
&lt;br /&gt;
'''A) SBĚR BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Pro náš experiment byla vybrána linka pražského metra A, zejména proto, že je nejkratší linkou (což v mnohém ulehčilo následný postup – např. bylo potřeba, aby se do záběru vešly všechny misky se vzorky). Na lince A byly v nedávné době otevřeny její nové stanice, takže se dala anticipovat vyšší diverzita v celkovém vzorku. &lt;br /&gt;
&lt;br /&gt;
Cílem sběru bylo získat biodata ze všech stanic metra A. Pro odběry vzorku byly vybrány gumové/plastové pásy u eskalátorů; předpokládali jsme totiž, že tato místa budou na biologický materiál bohatá, neboť s nimi přichází denně do styku velké množství osob. Důvodem k výběru plastových madel u eskalátorů byl rovněž kontakt velkého množství osob právě s tímto povrchem (většina pražské populace se dennodenně dotýká madel, takže bude pro tyto lidi naše sdělení ještě intenzivnější, tj. na dotek). &lt;br /&gt;
&lt;br /&gt;
Sběr byl prováděn vatovými tyčinkami (3 vatové tyčinky na každou stanici metra) a data skladována v průhledných sáčcích se zipem '''(obrázek č. 1-­2)'''. &lt;br /&gt;
&lt;br /&gt;
'''B) PŘÍPRAVA KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Na základě receptu uvedeného níže jsme vyrobili kultivační médium.&lt;br /&gt;
&lt;br /&gt;
'''Recept na výrobu kultivačního gelu:'''&lt;br /&gt;
&lt;br /&gt;
1.	Rozmíchat cukr v menším objemu vody (25 -­‐ 50 ml, stačí přiměřeně -­‐ aby se to dobře rozpouštělo). Cukr se přidá až na úplný konec!&lt;br /&gt;
&lt;br /&gt;
2.	Rozmíchat bujón ve zbytku vody a přidat agar. Nechat pochladnout, ale ne zcela! Tak jako horký až teplý čaj, který se dá udržet v ruce (60°C).&lt;br /&gt;
&lt;br /&gt;
Jsou dvě možnosti, jak rozpustit agar.&lt;br /&gt;
1)	povařit na plotýnce v hrnci&lt;br /&gt;
2)	dát do mikrovlnky, na nižší výkon (Nejlépe po menším objemu, maximálně 250 ml.)&lt;br /&gt;
&lt;br /&gt;
3.	Přidat rozpuštěný cukr.&lt;br /&gt;
&lt;br /&gt;
4.	Nalít do misek. Na rovném místě, tak do 2/3 výšky spodní misky. Přikrýt vrchní miskou a nechat ztuhnout (cca 30 min až hodina). Misky se nejprve orosí, ale do druhého dne se to obvykle ztratí. (Lze to i sklepnout.) '''(Obrázek č. 3-­8)'''&lt;br /&gt;
&lt;br /&gt;
'''C) OTISK BIODAT DO KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Do připraveného kultivačního média byly následně otisknuty vzorky. S vatovými tyčinkami lze pokrýt celou misku rovnoměrně, případně kreslit určité tvary. Při otiskování vzorků je třeba dbát na přikrytí Petriho misky bezprostředně po jejím otištění, aby se do média neotiskly spory z okolního prostředí (např. vzduchu). Nesmí být také opomenutý důsledný a přesný popis ovzorkované misky, aby nedošlo k záměně dat '''(Obrázek č. 9‐11)'''.&lt;br /&gt;
&lt;br /&gt;
'''D) SLEDOVÁNÍ VÝVOJE BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Otisknuté vzorky byly následně umístěny do místnosti bez oken (toto je velmi důležité; vinou změn v osvětlení by mohlo docházet k flickering efektu v časosběrném videu). Do místnosti byl nainstalován fotoaparát na stativu se záběrem na všechny Petriho misky. Použili jsme síťový adaptér, abychom se vyhnuli problémům spojených s výměnou baterií. Pro osvícení jsme použili tři zdroje světla: světlo z lustru a dvě doplňková bodová světla. Účelem bylo osvítit pokud možno rovnoměrně celou plochu s Petriho miskami. Protože na některých miskách docházelo k odleskům, bylo potřeba použít pečící papír pro rozptyl světla. Pro fotografování byl použit fotoaparát Canon 600D s objektivem Sigma 18-­‐35/1.8, časová spoušť byla odpalována pomocí firmwarového hacku Magic Lantern. Interval spouště byl nastaven na 20 minut. Sledování probíhalo necelých 9 dní, od 2. 7. do 10. 7. 2015 '''(obrázek č. 12-14)'''.&lt;br /&gt;
&lt;br /&gt;
'''E) VÝROBA FINÁLNÍHO PRODUKTU (VIDEA)'''&lt;br /&gt;
&lt;br /&gt;
Výsledkem pozorování bylo 560 snímků. Tyto snímky byly následně spojeny do standardního video frameratu (tj. 25 fps). Výsledné snímky jsou součástí fotodokumentace '''(obrázek č. 15­21)'''.&lt;br /&gt;
 &lt;br /&gt;
Výsledek je k nahládnutí [https://www.youtube.com/watch?v=chm2YRmq-­‐Ls&amp;amp;feature=youtu.be zde]. &lt;br /&gt;
&lt;br /&gt;
Oproti původnímu záměru jsme se nakonec z tohoto sběru rozhodli nedělat avizovaný produkt (tj. stylizované video), neboť jsme nebyli zcela spokojení s výsledkem pozorování. Bereme tak tento pokus jako pilotní a rádi bychom v srpnu 2015 zopakovali celý postup vyvarujíce se chyb, jichž jsme se dopustili v tomto pilotním pokusu. Přikládáme výčet chyb a také návrhy, jak jim předejít při příštím pokusu. &lt;br /&gt;
&lt;br /&gt;
1)	'''Ne na všech Petriho miskách organismy vyrostly.''' Přibližně 60 % všech Petriho misek zůstalo bez viditelného života – tj. bez plísní či bakterií. Pravděpodobnou příčinou je nedostatečné zastoupení živých organismů již v samotných biodatech. Přestože se gumových pásů u eskalátorů dotýká denně bezpočet lidí, na některých místech zřejmě nedošlo k zachycení organismů. Důvodem je patrně gumový materiál, na kterém zřejmě neulpívá dostatečné množství plísňových spór. Pro další verzi experimentu budeme hledat jiné vhodné místo s hojněji zastoupeným počtem života, zejména plísňovými spory. Zvažujeme i metodu otiskování plísní přímo z pozorovaných předmětů (např. smartphone).&lt;br /&gt;
&lt;br /&gt;
2)	'''Nepodařilo se nám médium po miskách rozprostřít rovnoměrně,''' což komplikovalo náš výtvarný záměr projektovat obsah misek do „zastávek“ na schématickém plánu pražského metra. Na vině je patrně příliš hustá agarová směs, která ztuhla v okamžitém kontaktu s chladnou miskou. V příští verzi experimentu tak budeme pracovat s řidší agarovou směsí (tj. s menším poměrem agaru), případně se zahřátými Petriho miskami.&lt;br /&gt;
&lt;br /&gt;
3)	'''Médium dostalo nahnědlou barvu.''' Za zbarvení může použití bujónu. To sice dodalo do média živiny, které mohly podpořit růst některých organismů, jenž by se jinak těžko rozrostly, avšak opět to komplikovalo náš výtvarný záměr. V příští verzi experimentu tak budeme za bujon hledat náhražku, která nebude mít na zabarvení vliv.&lt;br /&gt;
&lt;br /&gt;
===Fotodokumentace===&lt;br /&gt;
&lt;br /&gt;
01. Odebrané vzorky z pražského metra linky A &lt;br /&gt;
02. Odebrané vzorky s popisky jednotlivých stanic metra A &lt;br /&gt;
03. Ingredience nutné pro přípravu kultivačního gelu &lt;br /&gt;
04. Odměřené ingredience, z leva: hovězí bujón, 10 g agaru, 10 g cukru, 500 ml vody &lt;br /&gt;
05. Rozpuštění cukru v 25 ml vody &lt;br /&gt;
06. Příprava hovězího bujónu v horké vodě &lt;br /&gt;
07. Do rozpuštěného hovězího bujónu přidáme agar a mícháme, dokud se agar úplně nerozpustí. &lt;br /&gt;
08. Pro odstranění nečistot z hovězího bojónu je potřeba vzniklou směs důkladně přecedit. &lt;br /&gt;
09. Příprava na vzorkování &lt;br /&gt;
10. Otiskování získaných vzorků do kultivačního gelu. &lt;br /&gt;
11. Detail otiskování vzorků &lt;br /&gt;
12. Příprava na sběr biodat &lt;br /&gt;
13. Detail na sběr biodat &lt;br /&gt;
14. Detail na nastavení fotoaparátu (Intervalometru) &lt;br /&gt;
15. Detail plísně, upravená fotografie, název fotografie: Volcano &lt;br /&gt;
16. Povedené plísně (1), originální fotografie bez úprav &lt;br /&gt;
17. Povedené plísně (2), upravená fotografie, název fotografie: Samr &lt;br /&gt;
18. Povedené plísně (3), upravená fotografie, název fotografie: Evil &lt;br /&gt;
19. Plíseň ze stanice metra Petřiny, název fotografie: Skvrna na obloze &lt;br /&gt;
20. Plísně ze 4 stanic metra A, název fotografie: Quatro &lt;br /&gt;
21. Plísně ze 4 stanic metra A, upravená fotografie, název fotografie: Přepal&lt;br /&gt;
&lt;br /&gt;
=== Videodokumentace ===&lt;br /&gt;
[https://www.youtube.com/watch?v=chm2YRmq-­‐Ls&amp;amp;feature=youtu.be]&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26817</id>
		<title>Projekt MetroBioArt</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26817"/>
		<updated>2015-12-12T15:31:35Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: &lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Denisa Lešková''', Studia nových médií, e-mail: [mailto:den.leskova@gmail.com den.leskova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
'''Petr Nuska''', Studia nových médií, e-mail: [mailto:nuska.petr@gmail.com nuska.petr@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Motivace vzniku projektu a jeho význam ==&lt;br /&gt;
S neustálým rozvojem technologií dochází ke změně tradičního konceptu chápání člověka a přírody. Rychlý technologický rozvoj vyvolává i mnohá etická a morální dilemata, na která reagují mnozí umělci prostřednictvím experimentů za pomoci právě vědy a techniky. Pro většinu umělců je klíčovým aspektem umění svoboda vyjadřování a to nejen co do témat, ale i prostředků. Tvůrci se začali více zajímat o současné představy o přírodě, o tom, jak jí technologie mění. V tomto případě mluvíme o ekologickém umění. Howkins uvádí, že: „Ekologie není a o studiu biologických organismů ani o studii prostředí, ekologie je o studiu vztahu mezi námi a prostředím.“ Ekologické umění je tedy žánrem, který oslovuje veřejné prostory. Projekt MetroBioArt vnímáme jakožto předstupeň ekologického umění, přestože je zde princip propojení s veřejným prostorem zcela opačný. Hlavním cílem je odebrání určitého okem neviditelného artefaktu a jeho přenesení do prostoru, ve kterém trávíme čím dál více času – do prostoru sociálních médií. Cílovým produktem je pak stylizované video, které divákovi přináší pohled na neviditelné cestovatele metra, tedy cestovatele z říše plísní a bakterií. Výsledný produkt může zpochybnit náš běžný pohled na tyto organismy, jejichž diverzita je naprosto stejná (ne-li dokonce vyšší) jako u lidských cestujících.&lt;br /&gt;
&lt;br /&gt;
== Použitý materiál a software ==&lt;br /&gt;
Pro realizaci projektu MetroBioArt jsme použili následující materiál a hardware. &lt;br /&gt;
&lt;br /&gt;
'''Pro odběr vzorků ke kultivaci je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* vatové tyčinky&lt;br /&gt;
* uzavíratelné sáčky (nejlépe dealerské)&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* popisovací fix&lt;br /&gt;
&lt;br /&gt;
'''Pro přípravu kultivačního média je potřeba:''' &lt;br /&gt;
&lt;br /&gt;
* 1 kostka hovězího bujónu&lt;br /&gt;
* 10 g agaru – Lze koupit v bioobchodech, obchodech se zdravou výživou.&lt;br /&gt;
* 500 ml destilované vody – Lze koupit v supermarketech a drogériích (běžná obchodní síť).&lt;br /&gt;
* 10 g cukru&lt;br /&gt;
&lt;br /&gt;
Další materiál:&lt;br /&gt;
* 20 Petriho misek (17; 3 náhradní) – Petriho misky v průměru 8 nebo 9 cm, sterilní, s průsvitným sterilním víčkem. Misky jsou pouze na jedno použití. Lze koupit zde -­‐ https://www.p-­‐lab.cz/katalog.pl?akce=polozka&amp;amp;id=865&amp;amp;sekce=259&amp;amp;from=obsah.&lt;br /&gt;
* vařečka&lt;br /&gt;
* hrnec&lt;br /&gt;
* sítko&lt;br /&gt;
* utěrka&lt;br /&gt;
* metlička na šlehání&lt;br /&gt;
* miska&lt;br /&gt;
* odměrka&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* elektrický/plynový sporák nebo mikrovlnnou troubu&lt;br /&gt;
&lt;br /&gt;
'''Pro zachycení růstu plísní je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* místnost o pokojové teplotě s konstantním osvětlením a se zásuvkou&lt;br /&gt;
* umělé osvětlení, popřípadě materiál na rozptyl světla, např. pečící či pauzový papír (pauzový je skvělý, jen může vzplanout, bude-li blízko světelného zdroje; pečící sice nehoří, ale má tendenci křehnout, což nemusí být vhodné pro dlouhodobé pozorování)&lt;br /&gt;
* nesmazatelný fix na popisky&lt;br /&gt;
* papír ve formátu 2 x A3 s předtištěnými obrysy Petriho misek (viz. příloha)&lt;br /&gt;
* fotoaparát s hardwarovým (např.: kabelová spoušť) či softwarovým (např.: firmware hack Magic Lantern) vybavením pro timelapse&lt;br /&gt;
* dostatek místa na kartě fotoaparátu&lt;br /&gt;
* síťový adaptér k fotoaparátu&lt;br /&gt;
* stativ na fotoaparát&lt;br /&gt;
&lt;br /&gt;
==Popis vývoje a konečné verze vlastního produktu (vč. fotodokumentace)==&lt;br /&gt;
&lt;br /&gt;
Celkový postup bychom volně rozdělíme do 4 sekcí: &lt;br /&gt;
&lt;br /&gt;
a)	sběr bio dat&lt;br /&gt;
b)	příprava kultivačního média&lt;br /&gt;
c)	otisk bio dat do kultivačního média&lt;br /&gt;
d)	sledování vývoje&lt;br /&gt;
e)	výroba finálního produktu (videa)&lt;br /&gt;
&lt;br /&gt;
'''A) SBĚR BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Pro náš experiment byla vybrána linka pražského metra A, zejména proto, že je nejkratší linkou (což v mnohém ulehčilo následný postup – např. bylo potřeba, aby se do záběru vešly všechny misky se vzorky). Na lince A byly v nedávné době otevřeny její nové stanice, takže se dala anticipovat vyšší diverzita v celkovém vzorku. &lt;br /&gt;
&lt;br /&gt;
Cílem sběru bylo získat biodata ze všech stanic metra A. Pro odběry vzorku byly vybrány gumové/plastové pásy u eskalátorů; předpokládali jsme totiž, že tato místa budou na biologický materiál bohatá, neboť s nimi přichází denně do styku velké množství osob. Důvodem k výběru plastových madel u eskalátorů byl rovněž kontakt velkého množství osob právě s tímto povrchem (většina pražské populace se dennodenně dotýká madel, takže bude pro tyto lidi naše sdělení ještě intenzivnější, tj. na dotek). &lt;br /&gt;
&lt;br /&gt;
Sběr byl prováděn vatovými tyčinkami (3 vatové tyčinky na každou stanici metra) a data skladována v průhledných sáčcích se zipem '''(obrázek č. 1-­2)'''. &lt;br /&gt;
&lt;br /&gt;
'''B) PŘÍPRAVA KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Na základě receptu uvedeného níže jsme vyrobili kultivační médium.&lt;br /&gt;
&lt;br /&gt;
'''Recept na výrobu kultivačního gelu:'''&lt;br /&gt;
&lt;br /&gt;
1.	Rozmíchat cukr v menším objemu vody (25 -­‐ 50 ml, stačí přiměřeně -­‐ aby se to dobře rozpouštělo). Cukr se přidá až na úplný konec!&lt;br /&gt;
&lt;br /&gt;
2.	Rozmíchat bujón ve zbytku vody a přidat agar. Nechat pochladnout, ale ne zcela! Tak jako horký až teplý čaj, který se dá udržet v ruce (60°C).&lt;br /&gt;
&lt;br /&gt;
Jsou dvě možnosti, jak rozpustit agar.&lt;br /&gt;
1)	povařit na plotýnce v hrnci&lt;br /&gt;
2)	dát do mikrovlnky, na nižší výkon (Nejlépe po menším objemu, maximálně 250 ml.)&lt;br /&gt;
&lt;br /&gt;
3.	Přidat rozpuštěný cukr.&lt;br /&gt;
&lt;br /&gt;
4.	Nalít do misek. Na rovném místě, tak do 2/3 výšky spodní misky. Přikrýt vrchní miskou a nechat ztuhnout (cca 30 min až hodina). Misky se nejprve orosí, ale do druhého dne se to obvykle ztratí. (Lze to i sklepnout.) '''(Obrázek č. 3-­8)'''&lt;br /&gt;
&lt;br /&gt;
'''C) OTISK BIODAT DO KULTIVAČNÍHO MÉDIA'''&lt;br /&gt;
&lt;br /&gt;
Do připraveného kultivačního média byly následně otisknuty vzorky. S vatovými tyčinkami lze pokrýt celou misku rovnoměrně, případně kreslit určité tvary. Při otiskování vzorků je třeba dbát na přikrytí Petriho misky bezprostředně po jejím otištění, aby se do média neotiskly spory z okolního prostředí (např. vzduchu). Nesmí být také opomenutý důsledný a přesný popis ovzorkované misky, aby nedošlo k záměně dat '''(Obrázek č. 9‐11)'''.&lt;br /&gt;
&lt;br /&gt;
'''D) SLEDOVÁNÍ VÝVOJE BIODAT'''&lt;br /&gt;
&lt;br /&gt;
Otisknuté vzorky byly následně umístěny do místnosti bez oken (toto je velmi důležité; vinou změn v osvětlení by mohlo docházet k flickering efektu v časosběrném videu). Do místnosti byl nainstalován fotoaparát na stativu se záběrem na všechny Petriho misky. Použili jsme síťový adaptér, abychom se vyhnuli problémům spojených s výměnou baterií. Pro osvícení jsme použili tři zdroje světla: světlo z lustru a dvě doplňková bodová světla. Účelem bylo osvítit pokud možno rovnoměrně celou plochu s Petriho miskami. Protože na některých miskách docházelo k odleskům, bylo potřeba použít pečící papír pro rozptyl světla. Pro fotografování byl použit fotoaparát Canon 600D s objektivem Sigma 18-­‐35/1.8, časová spoušť byla odpalována pomocí firmwarového hacku Magic Lantern. Interval spouště byl nastaven na 20 minut. Sledování probíhalo necelých 9 dní, od 2. 7. do 10. 7. 2015 '''(obrázek č. 12-14)'''.&lt;br /&gt;
&lt;br /&gt;
'''E) VÝROBA FINÁLNÍHO PRODUKTU (VIDEA)'''&lt;br /&gt;
&lt;br /&gt;
Výsledkem pozorování bylo 560 snímků. Tyto snímky byly následně spojeny do standardního video frameratu (tj. 25 fps). Výsledné snímky jsou součástí fotodokumentace '''(obrázek č. 15­21)'''.&lt;br /&gt;
 &lt;br /&gt;
Výsledek je k nahládnutí [https://www.youtube.com/watch?v=chm2YRmq-­‐Ls&amp;amp;feature=youtu.be zde]. &lt;br /&gt;
&lt;br /&gt;
Oproti původnímu záměru jsme se nakonec z tohoto sběru rozhodli nedělat avizovaný produkt (tj. stylizované video), neboť jsme nebyli zcela spokojení s výsledkem pozorování. Bereme tak tento pokus jako pilotní a rádi bychom v srpnu 2015 zopakovali celý postup vyvarujíce se chyb, jichž jsme se dopustili v tomto pilotním pokusu. Přikládáme výčet chyb a také návrhy, jak jim předejít při příštím pokusu. &lt;br /&gt;
&lt;br /&gt;
1)	'''Ne na všech Petriho miskách organismy vyrostly.''' Přibližně 60 % všech Petriho misek zůstalo bez viditelného života – tj. bez plísní či bakterií. Pravděpodobnou příčinou je nedostatečné zastoupení živých organismů již v samotných biodatech. Přestože se gumových pásů u eskalátorů dotýká denně bezpočet lidí, na některých místech zřejmě nedošlo k zachycení organismů. Důvodem je patrně gumový materiál, na kterém zřejmě neulpívá dostatečné množství plísňových spór. Pro další verzi experimentu budeme hledat jiné vhodné místo s hojněji zastoupeným počtem života, zejména plísňovými spory. Zvažujeme i metodu otiskování plísní přímo z pozorovaných předmětů (např. smartphone).&lt;br /&gt;
&lt;br /&gt;
2)	'''Nepodařilo se nám médium po miskách rozprostřít rovnoměrně,''' což komplikovalo náš výtvarný záměr projektovat obsah misek do „zastávek“ na schématickém plánu pražského metra. Na vině je patrně příliš hustá agarová směs, která ztuhla v okamžitém kontaktu s chladnou miskou. V příští verzi experimentu tak budeme pracovat s řidší agarovou směsí (tj. s menším poměrem agaru), případně se zahřátými Petriho miskami.&lt;br /&gt;
&lt;br /&gt;
3)	'''Médium dostalo nahnědlou barvu.''' Za zbarvení může použití bujónu. To sice dodalo do média živiny, které mohly podpořit růst některých organismů, jenž by se jinak těžko rozrostly, avšak opět to komplikovalo náš výtvarný záměr. V příští verzi experimentu tak budeme za bujon hledat náhražku, která nebude mít na zabarvení vliv.&lt;br /&gt;
&lt;br /&gt;
===Fotodokumentace===&lt;br /&gt;
&lt;br /&gt;
01. Odebrané vzorky z pražského metra linky A &lt;br /&gt;
02. Odebrané vzorky s popisky jednotlivých stanic metra A &lt;br /&gt;
03. Ingredience nutné pro přípravu kultivačního gelu &lt;br /&gt;
04. Odměřené ingredience, z leva: hovězí bujón, 10 g agaru, 10 g cukru, 500 ml vody &lt;br /&gt;
05. Rozpuštění cukru v 25 ml vody &lt;br /&gt;
06. Příprava hovězího bujónu v horké vodě &lt;br /&gt;
07. Do rozpuštěného hovězího bujónu přidáme agar a mícháme, dokud se agar úplně nerozpustí. &lt;br /&gt;
08. Pro odstranění nečistot z hovězího bojónu je potřeba vzniklou směs důkladně přecedit. &lt;br /&gt;
09. Příprava na vzorkování &lt;br /&gt;
10. Otiskování získaných vzorků do kultivačního gelu. &lt;br /&gt;
11. Detail otiskování vzorků &lt;br /&gt;
12. Příprava na sběr biodat &lt;br /&gt;
13. Detail na sběr biodat &lt;br /&gt;
14. Detail na nastavení fotoaparátu (Intervalometru) &lt;br /&gt;
15. Detail plísně, upravená fotografie, název fotografie: Volcano &lt;br /&gt;
16. Povedené plísně (1), originální fotografie bez úprav &lt;br /&gt;
17. Povedené plísně (2), upravená fotografie, název fotografie: Samr &lt;br /&gt;
18. Povedené plísně (3), upravená fotografie, název fotografie: Evil &lt;br /&gt;
19. Plíseň ze stanice metra Petřiny, název fotografie: Skvrna na obloze &lt;br /&gt;
20. Plísně ze 4 stanic metra A, název fotografie: Quatro &lt;br /&gt;
21. Plísně ze 4 stanic metra A, upravená fotografie, název fotografie: Přepal&lt;br /&gt;
&lt;br /&gt;
=== Videodokumentace ===&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
	<entry>
		<id>https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26815</id>
		<title>Projekt MetroBioArt</title>
		<link rel="alternate" type="text/html" href="https://wikisofia.cz/w/index.php?title=Projekt_MetroBioArt&amp;diff=26815"/>
		<updated>2015-12-12T14:34:20Z</updated>

		<summary type="html">&lt;p&gt;Marta.Ibrahimova: Založena nová stránka s textem „== Členové projektu == '''Denisa Lešková''', Studia nových médií, e-mail: [mailto:den.leskova@gmail.com den.leskova@gmail.com]  '''Petr Nuska''', St…“&lt;/p&gt;
&lt;hr /&gt;
&lt;div&gt;== Členové projektu ==&lt;br /&gt;
'''Denisa Lešková''', Studia nových médií, e-mail: [mailto:den.leskova@gmail.com den.leskova@gmail.com]&lt;br /&gt;
&lt;br /&gt;
'''Petr Nuska''', Studia nových médií, e-mail: [mailto:nuska.petr@gmail.com nuska.petr@gmail.com]&lt;br /&gt;
&lt;br /&gt;
== Motivace vzniku projektu a jeho význam ==&lt;br /&gt;
S neustálým rozvojem technologií dochází ke změně tradičního konceptu chápání člověka a přírody. Rychlý technologický rozvoj vyvolává i mnohá etická a morální dilemata, na která reagují mnozí umělci prostřednictvím experimentů za pomoci právě vědy a techniky. Pro většinu umělců je klíčovým aspektem umění svoboda vyjadřování a to nejen co do témat, ale i prostředků. Tvůrci se začali více zajímat o současné představy o přírodě, o tom, jak jí technologie mění. V tomto případě mluvíme o ekologickém umění. Howkins uvádí, že: „Ekologie není a o studiu biologických organismů ani o studii prostředí, ekologie je o studiu vztahu mezi námi a prostředím.“ Ekologické umění je tedy žánrem, který oslovuje veřejné prostory. Projekt MetroBioArt vnímáme jakožto předstupeň ekologického umění, přestože je zde princip propojení s veřejným prostorem zcela opačný. Hlavním cílem je odebrání určitého okem neviditelného artefaktu a jeho přenesení do prostoru, ve kterém trávíme čím dál více času – do prostoru sociálních médií. Cílovým produktem je pak stylizované video, které divákovi přináší pohled na neviditelné cestovatele metra, tedy cestovatele z říše plísní a bakterií. Výsledný produkt může zpochybnit náš běžný pohled na tyto organismy, jejichž diverzita je naprosto stejná (ne-li dokonce vyšší) jako u lidských cestujících.&lt;br /&gt;
&lt;br /&gt;
== Použitý materiál a software ==&lt;br /&gt;
Pro realizaci projektu MetroBioArt jsme použili následující materiál a hardware. &lt;br /&gt;
&lt;br /&gt;
'''Pro odběr vzorků ke kultivaci je potřeba:'''&lt;br /&gt;
&lt;br /&gt;
* vatové tyčinky&lt;br /&gt;
* uzavíratelné sáčky (nejlépe dealerské)&lt;br /&gt;
* jednorázové latexové rukavice&lt;br /&gt;
* popisovací fix&lt;br /&gt;
&lt;br /&gt;
'''Pro přípravu kultivačního média je potřeba:''' &lt;br /&gt;
&lt;br /&gt;
* 1 kostka hovězího bujónu&lt;br /&gt;
* 10 g agaru – Lze koupit v bioobchodech, obchodech se zdravou výživou.&lt;br /&gt;
* 500 ml destilované vody – Lze koupit v supermarketech a drogériích (běžná obchodní síť).&lt;br /&gt;
* 10 g cukru&lt;br /&gt;
&lt;br /&gt;
Další materiál:&lt;br /&gt;
&lt;br /&gt;
&lt;br /&gt;
== Odkazy na knihovnu arduina a vlastní zdrojový kód ==&lt;br /&gt;
'''Upozornění! Vzhledem k omezení syntaxe wikisofia kopírujte prosím zdrojový kód přímo z editace zdroje stránky, nikoliv z podoby, do jaké je intepretována při zobrazení na stránce. Přislušný úsek je v souladu se syntaxí české wikipedie umístěn mezi značkou &amp;lt;nowiki&amp;gt;&amp;lt;tt&amp;gt; a &amp;lt;/tt&amp;gt;&amp;lt;/nowiki&amp;gt;.'''&lt;br /&gt;
&lt;br /&gt;
=== Původní kód pro měření odporu u mkrve a papriky ===&lt;br /&gt;
&amp;lt;tt&amp;gt;&lt;br /&gt;
void setup() {&lt;br /&gt;
 // initialize serial communications (for debugging only):&lt;br /&gt;
 Serial.begin(9600);&lt;br /&gt;
}&lt;br /&gt;
void loop() {&lt;br /&gt;
 // read the sensor:&lt;br /&gt;
 int sensorReadingmrkev = analogRead(A0);&lt;br /&gt;
 int sensorReadingpaprika = analogRead(A3);&lt;br /&gt;
 // print the sensor reading so you know its range&lt;br /&gt;
 Serial.println(sensorReadingmrkev);&lt;br /&gt;
 // map the analog input range (in this case, 400 - 1000 from the photoresistor)&lt;br /&gt;
 // to the output pitch range (120 - 1500Hz)&lt;br /&gt;
 // change the minimum and maximum input numbers below&lt;br /&gt;
 // depending on the range your sensor's giving:&lt;br /&gt;
 int thisPitchmrkev = map(sensorReadingmrkev, 400, 1000, 800, 1500);&lt;br /&gt;
   int thisPitchpaprika = map(sensorReadingpaprika, 400, 1000, 200, 800);&lt;br /&gt;
 if (sensorReadingmrkev &amp;gt; 150)&lt;br /&gt;
{&lt;br /&gt;
 tone(3, thisPitchmrkev, 10); // do something here&lt;br /&gt;
}&lt;br /&gt;
// play the pitch:&lt;br /&gt;
tone(3, thisPitchpaprika, 5);&lt;br /&gt;
  delay(1);        // delay in between reads for stability&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/tt&amp;gt;&lt;br /&gt;
=== Finální kód Pepper Bellu ===&lt;br /&gt;
&amp;lt;tt&amp;gt;&lt;br /&gt;
// Schéma zapojení&lt;br /&gt;
// porty 0,1 = nezapojovat, sériový port&lt;br /&gt;
// porty 2-9 = papričky&lt;br /&gt;
// port 10 a GND = reproduktor&lt;br /&gt;
// GND = uzemnit (alobal, na kterém se stojí)&lt;br /&gt;
// drát = UTP kabel (ne lanko, ale drát) 2m&lt;br /&gt;
&lt;br /&gt;
const int PORTS[8] = { 2, 3, 4, 5, 6, 7, 8, 9 };&lt;br /&gt;
const int REPRO = 10;&lt;br /&gt;
const int THRESHOLDS[8] = { 13, 13, 13, 13, 13, 13, 13, 13 };&lt;br /&gt;
&lt;br /&gt;
bool touched[8];&lt;br /&gt;
&lt;br /&gt;
uint8_t readCapacitivePin(int pinToMeasure) {&lt;br /&gt;
 volatile uint8_t* port;&lt;br /&gt;
 volatile uint8_t* ddr;&lt;br /&gt;
 volatile uint8_t* pin;&lt;br /&gt;
 byte bitmask;&lt;br /&gt;
&lt;br /&gt;
 port = portOutputRegister(digitalPinToPort(pinToMeasure));&lt;br /&gt;
 ddr = portModeRegister(digitalPinToPort(pinToMeasure));&lt;br /&gt;
 bitmask = digitalPinToBitMask(pinToMeasure);&lt;br /&gt;
 pin = portInputRegister(digitalPinToPort(pinToMeasure));&lt;br /&gt;
&lt;br /&gt;
 // Discharge the pin first by setting it low and output&lt;br /&gt;
 *port &amp;amp;= ~(bitmask);&lt;br /&gt;
 *ddr  |= bitmask;&lt;br /&gt;
 delay(1);&lt;br /&gt;
&lt;br /&gt;
 // Prevent the timer IRQ from disturbing our measurement&lt;br /&gt;
 noInterrupts();&lt;br /&gt;
&lt;br /&gt;
 // Make the pin an input with the internal pull-up on&lt;br /&gt;
 *ddr &amp;amp;= ~(bitmask);&lt;br /&gt;
 *port |= bitmask;&lt;br /&gt;
&lt;br /&gt;
 // Now see how long the pin to get pulled up. This manual unrolling of the loop&lt;br /&gt;
 // decreases the number of hardware cycles between each read of the pin,&lt;br /&gt;
 // thus increasing sensitivity.&lt;br /&gt;
&lt;br /&gt;
 uint8_t cycles = 17;&lt;br /&gt;
      if (*pin &amp;amp; bitmask) { cycles =  0;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles =  1;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles =  2;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles =  3;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles =  4;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles =  5;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles =  6;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles =  7;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles =  8;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles =  9;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles = 10;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles = 11;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles = 12;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles = 13;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles = 14;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles = 15;}&lt;br /&gt;
 else if (*pin &amp;amp; bitmask) { cycles = 16;}&lt;br /&gt;
&lt;br /&gt;
 // End of timing-critical section&lt;br /&gt;
 interrupts();&lt;br /&gt;
&lt;br /&gt;
 // Discharge the pin again by setting it low and output&lt;br /&gt;
 *port &amp;amp;= ~(bitmask);&lt;br /&gt;
 *ddr  |= bitmask;&lt;br /&gt;
&lt;br /&gt;
 return cycles;&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
void setup() {&lt;br /&gt;
 Serial.begin(57600);&lt;br /&gt;
}&lt;br /&gt;
&lt;br /&gt;
void handlePort(int index) {&lt;br /&gt;
 int cycles = readCapacitivePin(PORTS[index]);&lt;br /&gt;
&lt;br /&gt;
 if (!touched[index] &amp;amp;&amp;amp; cycles &amp;gt;= THRESHOLDS[index]) {&lt;br /&gt;
   touched[index] = true;&lt;br /&gt;
   playSound(index);&lt;br /&gt;
 }&lt;br /&gt;
&lt;br /&gt;
 if (touched[index] &amp;amp;&amp;amp; cycles &amp;lt; THRESHOLDS[index]) {&lt;br /&gt;
   touched[index] = false;&lt;br /&gt;
 }&lt;br /&gt;
}&lt;br /&gt;
void playSound(int index){&lt;br /&gt;
    // tone (10,500,300); // na pinu 10 zahraje tón o frekvenci 500Hz po dobu 300ms&lt;br /&gt;
 switch (index) {&lt;br /&gt;
   case 0:&lt;br /&gt;
     tone(10,262,300);&lt;br /&gt;
     break;&lt;br /&gt;
   case 1:&lt;br /&gt;
     tone(10,294,300);&lt;br /&gt;
     break;&lt;br /&gt;
   case 2:&lt;br /&gt;
     tone(10,330,300);&lt;br /&gt;
     break;&lt;br /&gt;
   case 3:&lt;br /&gt;
     tone(10,349,300);&lt;br /&gt;
     break;&lt;br /&gt;
   case 4:&lt;br /&gt;
     tone(10,392,300);&lt;br /&gt;
     break;&lt;br /&gt;
   case 5:&lt;br /&gt;
     tone(10,440,300);&lt;br /&gt;
     break;&lt;br /&gt;
   case 6:&lt;br /&gt;
     tone(10,494,300);&lt;br /&gt;
     break;&lt;br /&gt;
   case 7:&lt;br /&gt;
     tone(10,523,300);&lt;br /&gt;
     break;&lt;br /&gt;
 &lt;br /&gt;
   default: &lt;br /&gt;
     noTone(REPRO);&lt;br /&gt;
 }&lt;br /&gt;
  }&lt;br /&gt;
&lt;br /&gt;
void loop() {&lt;br /&gt;
 for (int i = 0; i &amp;lt; 8; i++) {&lt;br /&gt;
   handlePort(i);&lt;br /&gt;
 }&lt;br /&gt;
 delay(30); &lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/tt&amp;gt;&lt;br /&gt;
&lt;br /&gt;
== Popis vývoje a konečné verze vlastního produktu ==&lt;br /&gt;
01. Původním cílem projektu bylo získat zvuk z biologických materiálů, jako je zelenina či květiny. Inspirací nám byl projekt zpívající květiny (http://www.instructables.com/id/Singing-plant-Make-your-plant-sing-with-Arduino-/), nakonec jsme se však shodly, že měření kapacity je příliš technicky složité, a jaly jsme se měřit odpor. Prvními experimentálními objekty byla paprika a mrkev.&lt;br /&gt;
&lt;br /&gt;
02. Základním hardwarem bylo Arduino Uno, na které jsme připojily TinkerKit Sensor Shield.&lt;br /&gt;
&lt;br /&gt;
03. Poté jsme vytvořily za použití příkladu tonePitchFollower (původní kód výše).&lt;br /&gt;
&lt;br /&gt;
04. Dále následovalo připojení mrkve a papriky na Sensor Shield (konektory A0 a A3) pomocí propojovacích kabelů.&lt;br /&gt;
&lt;br /&gt;
05. Poté jsme upravily kód: nastavení délky a frekvence tónů, aby tvořily stupnici C-dur, podmínky zaznění tónů atd.&lt;br /&gt;
&lt;br /&gt;
06. Snaha o použití knihovny zvuků, aby zelenina vydávala zvuk klavíru - nakonec zavrhnuto.&lt;br /&gt;
&lt;br /&gt;
07. Měření odporu zeleniny nakonec pro nehezké zvuky a malou zajímavost zavrhnuto.&lt;br /&gt;
&lt;br /&gt;
08. Příprava nové verze - odpojení Sensor Shieldu a práce pouze s Arduinem; zvolen jiný druh zeleniny: chilli papričky.&lt;br /&gt;
&lt;br /&gt;
09. S pomocí návodu k obdobnému projektu od Stiana Eikelanda ([https://blog.eikeland.se/2015/04/24/banana-piano/ https://blog.eikeland.se/2015/04/24/banana-piano/]) upraven kód v Arduino softwaru - v nové verzi zelenina vydává tón při dotyku (Arduino již není nastaveno na měření odporu, nýbrž kapacity; kompletní kód finálního nastavení výše).&lt;br /&gt;
&lt;br /&gt;
10. Nastavení délky tónu (300 ms) a frekvence (každý výstup = tón na stupnici C-Dur; např. C1: 262, D1: 294 atp.) pro každou chilli papričku.&lt;br /&gt;
&lt;br /&gt;
11. Zavěšení chilli papriček na improvizované bidýlko.&lt;br /&gt;
&lt;br /&gt;
12. Zapojení jednoho konce drátových propojek do každé chilli papričky (z vrchu) a druhého konce do portů 2-9 na Arduinu. Pro vytvoření co nejdelšího “kabelu” použity vždy dvě drátové propojky spojené jedním ”krokodýlkem”.&lt;br /&gt;
&lt;br /&gt;
13. Seřazení chilli papriček podle pořadí ve stupnici C-Dur.&lt;br /&gt;
&lt;br /&gt;
14. K uzemnění využit alobal, kterým se obalil jeden konec drátové propojky, její druhý konec byl zapojen do jednoho z GND portů na Arduinu.&lt;br /&gt;
&lt;br /&gt;
15. Do Arduina zapojen reproduktor (porty: GND a 10), pro zvýšení hlasitosti reproduktor umístěn do plastového kelímku.&lt;br /&gt;
&lt;br /&gt;
16. Místo laptopu připojena pomocí USB baterie Noontec Giant A10000 pro větší mobilitu.&lt;br /&gt;
&lt;br /&gt;
17. Alobal na uzemnění umístěn na zem, slouží v zásadě jako “pedál” pro zaznění zvuku.&lt;br /&gt;
&lt;br /&gt;
Konečná podoba projektu: “Zvonkohra” z osmi chilli papriček, které tvoří stupnici C-Dur (od C1 do C2). Tóny vycházejí při zvýšení napětí po zmáčknutí chilli papričky. Papričky reagují rychle a přesně, reproduktor je dostatečně hlasitý. Projekt může být potenciálně vylepšen vyřešením možnosti polyfonie.&lt;br /&gt;
&lt;br /&gt;
=== Fotodokumentace ===&lt;br /&gt;
01. Zapojování drátků spojujících mrkev a Arduino UNO&lt;br /&gt;
&lt;br /&gt;
02. Zapojená mrkev a paprika, při dotyku lidské ruky se zeleninou je možno měřit odpor&lt;br /&gt;
&lt;br /&gt;
03. Kód v Arduino pro měření odporu papriky a mrkve&lt;br /&gt;
&lt;br /&gt;
04. Zapojování chilli papriček do Arduina&lt;br /&gt;
&lt;br /&gt;
05. Připojování drátků k chilli papričkám&lt;br /&gt;
&lt;br /&gt;
06. Detail drátků, krokodýlků a reproduktoru, zapojených do Arduina&lt;br /&gt;
&lt;br /&gt;
07. Úprava papriček, řazení dle C-dur stupnice&lt;br /&gt;
&lt;br /&gt;
08. První pokusy o hru na Pepper Bell&lt;br /&gt;
&lt;br /&gt;
09. Detail zapojení a reproduktoru&lt;br /&gt;
&lt;br /&gt;
10. Detail papriček, které jsou popsány písmeny, označující jejich tón ve stupnici C-dur&lt;br /&gt;
&lt;br /&gt;
11. Detail dekorovaného kelímku, který zajišťuje větší hlasitost reproduktoru (po sundání čepičky)&lt;br /&gt;
&lt;br /&gt;
12. Detail loga Pepper Bell&lt;br /&gt;
&lt;br /&gt;
13. Detail dekorace&lt;br /&gt;
&lt;br /&gt;
14. Celý Pepper Bell&lt;br /&gt;
&lt;br /&gt;
=== Videodokumentace ===&lt;br /&gt;
[https://youtu.be/9ru56ihFYIg https://youtu.be/9ru56ihFYIg]&lt;/div&gt;</summary>
		<author><name>Marta.Ibrahimova</name></author>
		
	</entry>
</feed>