The setting of this thesis is the study of creativity, with the aim of understanding its intrinsic features with formalisations. Particularly, we focus on the concept of trend. By trend we mean a combination of characteristics, dimensions and ideas existing in a particular present, future or past moment. Trends influence the way of thinking, the looks, and the behaviour of an extended group of people. Trend forecasters or trend hunters are those professional figures that discover, analyze and forecast trends. We can identify two main ways of doing trend forecasting. The first, traditional one, tipically uses sociological methodologies. The second one develops in parallel with the massive development of social networks and adopts a computational approach to find trends: data stream from social media are analyzed with statistical techniques to group common (viral) elements in data clusters. Professional figures then work on these data to outline a possible trend. For our work, we decided to follow the computational approach. The ultimate goal is studying methodologies and tools with the aim of reducing the human editing on clusters in order to transform them into trends, while obtaining an undestandable description of the trend itself. This would be possible if a cluster contained explicit meta-information, so that it could be possible to understand implicit links between concepts, representig part of the creative "howto". First of all, we must understand what kind of information linked to raw data could help for this extraction of creative information. Our starting point is the social game iCoolhunt. This is a dynamic collection of trending images, posted by "coolhunters", and a datasource for the platform Nextatlas. This platform offers a series of images arranged in trend, equipped with an introduction and a range of statistical informations (including geolocation), meant to inspire the design of new products. We decided to study directly iCoolhunt to propose a new version where data (that is, the images) carry meta-information understandable more easily, as suggested above. In the first phase of the work we analysed the strengths and the weaknesses of iCoolhunt. After this first phase, we developed a series of use cases to improve iCoolhunt users' interaction and to increase the amount of information entered passively by the users. In the next step, we implemented a prototype based on the new use cases. In the last phase, we began to analyze what will be the next step of this work: starting from the state of the art on structures for the semantical representation of information, we want to investigate how images with associated meta-information (such as tags) could be structured to infer non-obvious connections.
Il contesto in cui questa tesi si inserisce è quello dello studio della creatività, con lo scopo di catturarne aspetti intrinseci tramite delle formalizzazioni. In particolare ci si è soffermati sull'oggetto trend. Con trend intendiamo quell'insieme di caratteristiche, dimensioni e idee che esistono in un dato momento, presente, futuro o passato, influenzando pensiero, aspetto esteriore e atteggiamento di un gruppo più o meno vasto di persone. La figura professionale che si occupa della scoperta, dell'analisi e della previsione di trend è il trend forecaster o trend hunter. Attualmente vi sono due pincipali modalità di fare trend forecasting. La prima, tradizionale, ha metodologie prettamente sociologiche. La seconda va di pari passo con lo sviluppo massivo dei social network e ha adottato un approccio computazionale alla ricerca di trend: tramite tecniche statistiche si analizzano stream di dati provenienti da social media e li si elabora al fine di raggruppare elementi comuni (virali) in cluster di dati che, editati opportunamente da una figura professionale, delineano un possibile trend. Il lavoro di questa tesi si pone nella seconda tipologia di approccio. In particolare, si vorrebbero studiare metodologie e strumenti che, a partire da un cluster di dati, limitino al massimo l'editing da parte di un professionista, nel contempo ottenendo una descrizione del trend il più fruibile possibile. Questo però sarebbe possibile solo facendo in modo che il cluster porti con sè meta-informazione che espliciti alcuni collegamenti non evidenti tra vari concetti, ovvero che delinei parte del quid creativo. Il primo problema che ci siamo dunque posti è stato quello di provare a capire quali informazioni a corredo dei dati "raw" possano aiutare in questa particolare estrazione dell'informazione creativa. Il punto di partenza del lavoro è stato il social game iCoolhunt (www.icoolhunt.com). Questo game si può vedere come una collezione dinamica di immagini "trendy", caricate da "coolhunter", ed è fonte di dati per la piattaforma Nextatlas (www.netxatlas.com). Quest'ultima propone una serie di immagini organizzate in trend, corredate da un'introduzione e una serie di informazioni statistiche (tra cui la geolocalizzazione), che hanno lo scopo di ispirare il design di nuovi prodotti. Si è deciso di studiare direttamente iCoolhunt per proporne una versione in cui i dati (le immagini) siano portatori di meta-informazione più facilmente interpretabile, come suggerito sopra. Nella prima fase del lavoro c'è stata quindi un'analisi di iCoolhunt. Qusta analisi ha avuto il fine di capire quali erano i punti forti e le mancanze, ai fini del nostro obiettivo, dello strumento, e quali potevano essere i miglioramenti applicabili, in particolare per produrre dati più strutturati e con maggiore meta-informazione associata. Nella seconda fase, abbiamo sviluppato una serie di casi d'uso col fine di migliorare l'interazione degli utenti e aumentare la quantità di informazione inserita passivamente, implementando poi un prototipo basato sui nuovi casi d'uso. Nell'ultima fase, abbiamo cominciato ad analizzare quello che sarà il lavoro futuro: a partire dallo studio dello stato dell'arte sulle strutture per la rappresentazione semantica delle informazioni, si vuole ragionare su come da immagini con associate meta informazioni elaborabili quali i tag, le si possa strutturare per inferire connessioni non evidenti.
Analisi e redesign di un social game per l'individuazione di trend
MARCHETTI, ANDREA
2013/2014
Abstract
Il contesto in cui questa tesi si inserisce è quello dello studio della creatività, con lo scopo di catturarne aspetti intrinseci tramite delle formalizzazioni. In particolare ci si è soffermati sull'oggetto trend. Con trend intendiamo quell'insieme di caratteristiche, dimensioni e idee che esistono in un dato momento, presente, futuro o passato, influenzando pensiero, aspetto esteriore e atteggiamento di un gruppo più o meno vasto di persone. La figura professionale che si occupa della scoperta, dell'analisi e della previsione di trend è il trend forecaster o trend hunter. Attualmente vi sono due pincipali modalità di fare trend forecasting. La prima, tradizionale, ha metodologie prettamente sociologiche. La seconda va di pari passo con lo sviluppo massivo dei social network e ha adottato un approccio computazionale alla ricerca di trend: tramite tecniche statistiche si analizzano stream di dati provenienti da social media e li si elabora al fine di raggruppare elementi comuni (virali) in cluster di dati che, editati opportunamente da una figura professionale, delineano un possibile trend. Il lavoro di questa tesi si pone nella seconda tipologia di approccio. In particolare, si vorrebbero studiare metodologie e strumenti che, a partire da un cluster di dati, limitino al massimo l'editing da parte di un professionista, nel contempo ottenendo una descrizione del trend il più fruibile possibile. Questo però sarebbe possibile solo facendo in modo che il cluster porti con sè meta-informazione che espliciti alcuni collegamenti non evidenti tra vari concetti, ovvero che delinei parte del quid creativo. Il primo problema che ci siamo dunque posti è stato quello di provare a capire quali informazioni a corredo dei dati "raw" possano aiutare in questa particolare estrazione dell'informazione creativa. Il punto di partenza del lavoro è stato il social game iCoolhunt (www.icoolhunt.com). Questo game si può vedere come una collezione dinamica di immagini "trendy", caricate da "coolhunter", ed è fonte di dati per la piattaforma Nextatlas (www.netxatlas.com). Quest'ultima propone una serie di immagini organizzate in trend, corredate da un'introduzione e una serie di informazioni statistiche (tra cui la geolocalizzazione), che hanno lo scopo di ispirare il design di nuovi prodotti. Si è deciso di studiare direttamente iCoolhunt per proporne una versione in cui i dati (le immagini) siano portatori di meta-informazione più facilmente interpretabile, come suggerito sopra. Nella prima fase del lavoro c'è stata quindi un'analisi di iCoolhunt. Qusta analisi ha avuto il fine di capire quali erano i punti forti e le mancanze, ai fini del nostro obiettivo, dello strumento, e quali potevano essere i miglioramenti applicabili, in particolare per produrre dati più strutturati e con maggiore meta-informazione associata. Nella seconda fase, abbiamo sviluppato una serie di casi d'uso col fine di migliorare l'interazione degli utenti e aumentare la quantità di informazione inserita passivamente, implementando poi un prototipo basato sui nuovi casi d'uso. Nell'ultima fase, abbiamo cominciato ad analizzare quello che sarà il lavoro futuro: a partire dallo studio dello stato dell'arte sulle strutture per la rappresentazione semantica delle informazioni, si vuole ragionare su come da immagini con associate meta informazioni elaborabili quali i tag, le si possa strutturare per inferire connessioni non evidenti.| File | Dimensione | Formato | |
|---|---|---|---|
|
714467_tesi_marchetti_andrea.pdf
non disponibili
Tipologia:
Altro materiale allegato
Dimensione
13.72 MB
Formato
Adobe PDF
|
13.72 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/157887