Sumários
Análise de dúvidas e preparação do trabalho final.
15 Dezembro 2020, 20:30 • Rita Sousa
Definição de datas para as entregas de trabalho
Forma e modelo da avaliação final
Regras de citação e apresentação
Discussão sobre as 4 componentes e introdução e conclusão: motivo da escolha do objeto de análise (comum ou não às 4 partes).
Analise forense de imagem e vídeo
15 Dezembro 2020, 18:00 • Rita Sousa
Objetivos:
●Realizar a análise de ficheiros multimédia com foco na análise individual de umaimagem / vídeo / som específicos
●Realizar análise forense com objecto na identificação da gravação, sua separação por frames, separação áudio vs. imagem, identificação de eventual manipulação e metadados associados
●Identificar o enquadramento espácio-temporal através da recolha de seletores para identificação espácio-temporal, geolocalização de imagens e vídeos, identificação de conteúdo multimédia por espaço e/ou tempo; identificação de conteúdo multimédiaigual e/ou semelhante.
●Proceder ao mapeamento de histórico de ficheiros, através do seu percurso de partilha; identificação de conteúdo original; agentes, plataformas e métodos de difusão.
●Instalação do Google Chrome com os seguintes add-ons: RevEye, InVid & WeVerify, Crowdtangle
Bibliografia:
●Ristovska, S. (2019). Human rights collectives as visual experts: the case of Syrian Archive. Visual Communication, 18(3), 333-351.
●Sienkiewicz, M. (2015). Open BUK: Digital labor, media investigation and the downing of MH17. Critical Studies in Media Communication, 32(3), 208-223.
●Gruzd, A., & Mai, P. (2020). Going viral: How a single tweet spawned a COVID-19 conspiracy theory on Twitter. Big Data & Society.
●Barney, E. (2019). Visual Literacy & Fake News. CALL Bull., 250, 19.
Análise forense de imagem e vídeo
17 Novembro 2020, 18:00 • Rita Sousa
Objetivos :
●
Realizar
a
análise
de
ficheiros
multimédia
com
foco
na
análise
individual de
uma
imagem
/
vídeo
/
som
específicos
●
Realizar
análise
forense
com
objecto
na
identificação
da
gravação
,
sua
separação
por frames,
separação
áudio
vs.
imagem
,
identificação
de eventual
manipulação
e
metadados
associados
●
Identificar
o
enquadramento
espácio
-temporal
através
da
recolha
de
seletores
para
identificação
espácio
-temporal,
geolocalização
de imagens e
vídeos
,
identificação
de
conteúdo
multimédia
por
espaço
e/
ou
tempo;
identificação
de
conteúdo
multimédia
igual
e/
ou
semelhante
.
●
Proceder
ao
mapeamento
de
histórico
de
ficheiros
,
através
do
seu
percurso
de
partilha
;
identificação
de
conteúdo
original;
agentes
,
plataformas
e
métodos
de
difusão
.
●
Instalação
do
Google Chrome
com
os
seguintes
add-ons:
RevEye
,
InVid
&
WeVerify
,
Crowdtangle
Bibliografia :
●
Ristovska
, S. (2019).
Human rights collectives as visual experts: the case of Syrian Archive. Visual Communication,
18(3), 333-351.
●
Sienkiewicz, M. (2015).
Open BUK: Digital labor, media investigation and the downing of MH17.
Critical Studies in Media Communication, 32(3), 208-223.
●
Gruzd
, A., & Mai, P. (2020).
Going viral: How a single tweet spawned a COVID-19 conspiracy theory on Twitter.
Big Data & Society.
●
Barney, E. (2019). V
isual Literacy & Fake News.
CALL Bull., 250, 19.
Módulo programático - Big Data nas ciências sociais
10 Novembro 2020, 18:00 • Rita Sousa
Objetivos :
●
Conhecer
as
vantagens
,
desvantagens
e
desafios
do
Big Data
●
Realizar
recolha
e
processamento
de
amostras
de
grande
dimensão
●
Desafio
da
computação
,
interdisciplinaridade
, e
reprodutibilidade
●
Acesso
limitado
e
divisão
digital
●Análise multimédia recorrendo a técnicas de Computer Vision
●Extracção de objectos e conceitos através da análise automatizada de imagens (a comunicar antes do módulo)
●Construção de modelos de análise e treino de reconhecimento.
●Uso de ferramentas e APIs: Clarifai e Google Vision AI.
●
Utilização
de ferramentas NLU para
processamento
de
texto
para
extracção
de
categorias
,
entidades
,
conceitos
e
sentimento
.
●
Utilização
de API´s e ferramentas de
processamento
de
linguagem
natural (a
comunicar
antes do
módulo
).
●
Acesso
ao
processamento
de
linguagem
natural
na
plataforma
IBM Watson.
●
Anderson, C. (2008).
The End of Theory: The Data Deluge Makes the Scientific Method Obsolete.
Wired.
Disponível
em
: https://
www.wired.com
/2008/06/pb-theory/
●
Boyd, D., & Crawford, K. (2012).
Critical Questions for Big Data: Provocations for a Cultural, Technological, and Scholarly Phenomenon.
Information, Communication & Society, 15, 662-679.
●
Bruns, A (2018).
Big social data approaches in Internet studies: The case of Twitter.
In
Hunsinger
, J.,
Klastrup
, L., & Allen, M. (Eds.) Second International Handbook of Internet Research. Springer, Dordrecht.
●
Kramer, A, Guillory. J. & Hancock, J. (2014).
Emotional contagion through social networks.
Proceedings of the National Academy of Sciences, 111 (24).
●
Rogers, R. (2013).
Digital Methods.
MIT Press.
aula 6
3 Novembro 2020, 18:00 • Rita Sousa
●
Conhecer
as
vantagens
,
desvantagens
e
desafios
do
Big Data
●
Realizar
recolha
e
processamento
de
amostras
de
grande
dimensão
●
Desafio
da
computação
,
interdisciplinaridade
, e
reprodutibilidade
●
Acesso
limitado
e
divisão
digital