Cómo estudiar la construcción de la imagen de una ciudad a través de publicaciones de Instagramuna metodología aplicada a Granada

  1. Cantón Correa, Fco. Javier 1
  1. 1 Universidad de Granada
    info

    Universidad de Granada

    Granada, España

    ROR https://ror.org/04njjy449

Revista:
Comunicación & métodos

ISSN: 2659-9538

Año de publicación: 2019

Título del ejemplar: Metodologies for Communication Research

Volumen: 1

Número: 2

Páginas: 7-20

Tipo: Artículo

DOI: 10.35951/V1I2.22 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Comunicación & métodos

Resumen

Nuestro mundo digital es cada vez más visual. Aplicaciones móviles centradas en la fotografía digital como Instagram son vehículos para la creación, manipulación y difusión instantánea de imágenes. Instagram supone, por tanto, una ventana abierta a la investigación en Ciencias Sociales y Humanidades Digitales, y una oportunidad de investigar cómo los jóvenes usuarios de esta aplicación desarrollan la cultura visual en sus entornos locales a través de lenguajes visuales globales. En este trabajo se repasa la metodología usada para estudiarlo a través del análisis de la producción de Instagram en Granada a partir de una muestra de 955.564 publicaciones y 375.758 imágenes publicadas y geolocalizadas recogidas a lo largo de un año (entre abril de 2017 y de 2018), con el objetivo de mostrar cómo se construye socialmente la imagen de una ciudad.

Referencias bibliográficas

  • Boy, J. D., & Uitermark, J. (2016). How to Study the City on Instagram. PLoS ONE, 11(6). doi: 10.1371/journal.pone.0158161
  • Confessore, N. (2018, enero 27). The Follower Factory. The New York Times. Recuperado de https://www.nytimes.com/interactive/2018/01/27/technology/social-media-bots.html
  • Dhar, V. (2013). Data science and prediction. Communications of the ACM, 56(12), 64-73. doi: 10.1145/2500499
  • Facebook. (2018). Instagram Graph API Launches and Instagram API Platform Deprecation. Recuperado de https://developers.facebook.com/blog/post/2018/01/30/instagram-graph-api-updates
  • Gephi Consortium. (2018). Gephi. Recuperado de https://gephi.orgGoogle. (2018). Análisis de contenido de imágenes con API Vision | Cloud Vision API. Recuperado de https://cloud.google.com/vision/?hl=es
  • Gruzd, A. (2016). Netlytic: Software for automated text and social network analysis. Communication & Methods, Vol. 1, nº2, pp. 7-2018 Recuperado de https://netlytic.org
  • Hand, M. (2014a). Digitization and memory: Researching practices of adaption to visualand textual data in everyday life. En Big Data? Qualitative Approaches to DigitalResearch (pp. 205–227). Recuperado de http://www.emeraldinsight.com/doi/pdf/10.1108/S1042-319220140000013013
  • Hand, M. (2014b). From cyberspace to the dataverse: Trajectories in digital social research. En Big Data? Qualitative Approaches to Digital Research (pp. 1–27). Recuperado de http://www.emeraldinsight.com/doi/full/10.1108/S1042-319220140000013002
  • Hand, M. (2017). Visuality in Social Media: Researching images, circulations and practices. En The SAGE Handbook of Social Media Research Methods. SAGE.
  • Hayashi, C. (1998). What is Data Science ? Fundamental Concepts and a Heuristic Example. En C. Hayashi, K. Yajima, H.-H. Bock, N. Ohsumi, Y. Tanaka, & Y. Baba (Eds.), Data Science, Classification, and Related Methods (pp. 40-51). doi: 10.1007/978-4-431-65950-1_3
  • Instagram. (2018). Instagram Developer Documentation. Recuperado de https://www.instagram.com/developer
  • Manjoo, F. (2018, febrero 9). Welcome to the Post-Text Future. The New York Times. Recuperado de https://www.nytimes.com/interactive/2018/02/09/technology/the-rise-of-a-visual-internet.html
  • Manovich, L. (2009). Cultural analytics: Visualising cultural patterns in the era of “more media”. Domus March.Manovich, L. (2012). How to compare one million images? En Understanding digital humanities (pp. 249–278). Recuperado de https://link.springer.com/chapter/10.1057/9780230371934_14
  • Manovich, L. (2017). Cultural analytics, social computing and digital humanities. The datafied society: studying culture through data, 55. Recuperado de http://www.oapen.org/download?type=document&docid=624771#page=56
  • Manovich, L., Goddemeyer, D., Stefaner, M., & Baur, D. (2015). On Broadway. Recuperado de http://on-broadway.nyc/
  • Manovich, L., & Indaco, A. (2017). The Image of a Data City: Studying the Hyperlocal with Social Media. Architectural Design, 87(1), 110-117. doi: 10.1002/ad.2140
  • Manovich, L., Stefaner, M., Yazdani, M., Baur, D., Goddemeyer, D., & Tifentale, A. (2014). Selfiecity. Recuperado de http://selfiecity.net
  • Martín Prada, J. (2018). El ver y las imágenes en el tiempo de Internet.Mirzoeff, N. (2016). Cómo ver el mundo: Una nueva introducción a la cultura visual. Grupo Planeta Spain.
  • QGIS Development Team. (2018). QGIS Geographic Information System. Open SourceGeospatial Foundation Project. Recuperado de https://qgis.orgR Development Core Team. (2008). R: A Language and Environment for Statistical Computing. Recuperado de http://www.r-project.org
  • Rose, G. (2016). Visual methodologies: An introduction to researching with visual materials. Sage.
  • Rueden, C. T., Schindelin, J., Hiner, M. C., DeZonia, B. E., Walter, A. E., Arena, E. T., & Eliceiri, K. W. (2017). ImageJ2: ImageJ for the next generation of scientific image data. BMC Bioinformatics, 18(1). doi: 10.1186/s12859-017-1934-z
  • Schneider, C. A., Rasband, W. S., & Eliceiri, K. W. (2012). NIH Image to ImageJ: 25 years of image analysis. Nature Methods, 9(7), 671-675.
  • Smith, A. R. (1978). Color gamut transform pairs. ACM Siggraph Computer Graphics, 12(3), 12–19.
  • Van Rossum, G. (2007). Python Programming Language. USENIX Annual Technical Conference, 41, 36
Fuente de los datos: Dialnet