Analityka sieci i social media DM-AS-SL>AnaliSieci
Kurs skupia się na architekturze pozyskiwania, strukturyzacji oraz interpretacji danych cyfrowych na potrzeby analityki rynkowej i badań medioznawczych. Program łączy warsztat technologiczny z krytyczną refleksją nad mechanizmami platform cyfrowych.
Ramowe bloki tematyczne:
Weryfikacja treści i śledztwo cyfrowe: podstawy OSINT/SOCMINT, OPSEC, geolokalizacja oraz weryfikacja fake newsów i manipulacji wizualnych.
Analityka serwisów WWW i zachowań użytkowników: architektura Google Analytics 4 (model zdarzeniowy), kluczowe metryki ruchu, taksonomia linków UTM i filtrowanie spamu.
Analityka widoczności i popytu: badanie pozycji i luki treściowej w wyszukiwarkach (Senuto, Ahrefs) oraz trendy i dynamika zainteresowań w czasie rzeczywistym (Google Trends).
Social listening i zarządzanie reputacją: monitoring marki, analiza sentymentu oraz wykrywanie kryzysów wizerunkowych (Brand24).
Krytyczne teorie platform cyfrowych: kapitalizm inwigilacji, bańki filtrujące, ekonomia uwagi, higiena cyfrowa oraz zjawisko „ekonomii oburzenia”.
Zaawansowana analityka mediów społecznościowych: wskaźniki zaangażowania (odchodzenie od „vanity metrics”), panele Meta i modele śledzenia server-to-server.
Cyfrowe metody medioznawcze i scraping: analiza zawartości (Content Analysis), zautomatyzowane pobieranie danych z platform (Apify) oraz etyka i prawo pozyskiwania danych.
Przetwarzanie danych i raportowanie biznesowe: czyszczenie zbiorów (JSON/CSV), wsparcie analizy modelami językowymi (NLP/LLM), analityka lejków e-commerce oraz tworzenie dashboardów analitycznych i końcowych raportów projektowych.
Cele:
C1
Zapoznanie studentów z architekturą pozyskiwania i przetwarzania danych w sieci oraz w mediach społecznościowych, a także teoretyczno-metodologicznymi podstawami analityki cyfrowej.
C2
Wykształcenie praktycznych umiejętności w zakresie obsługi kluczowych narzędzi analitycznych (Google Analytics 4, Senuto, Brand24, Ahrefs, Google Trends, Apify) oraz prowadzenia badań zawartości mediów (content analysis).
C3
Wykształcenie krytycznej świadomości w zakresie etyki pozyskiwania danych, ochrony prywatności, mechanizmów ekonomii uwagi, algorytmicznego gatekeepingu oraz strukturalnych uwarunkowań debaty w cyfrowej przestrzeni publicznej.
|
W cyklu 2025/2026-Z:
Treści kształcenia T_1 Obserwacja - pierwsze narzędzie analityka; kwestie organizacyjne zajęć |
Koordynatorzy przedmiotu
W cyklu 2024/2025-Z: | W cyklu 2023/2024-Z: | W cyklu 2026/2027-Z: | W cyklu 2022/2023-L: | W cyklu 2025/2026-Z: | W cyklu 2022/2023-Z: |
Tryb zajęć
Efekty kształcenia
Wiedza: Obejmuje uporządkowaną znajomość metod, narzędzi i teorii pozyskiwania oraz przetwarzania danych w komunikacji sieciowej, pojęć z marketingu cyfrowego i mediów społecznościowych, a także prawno-technologicznych ram ochrony prywatności i własności intelektualnej.
Umiejętności: Będą oscylować wokół praktycznego wykorzystania specjalistycznego oprogramowania (GA4, Senuto, Brand24, Apify itp.) do badania zachowań użytkowników i zawartości mediów, selekcji i czyszczenia danych cyfrowych, a także projektowania czytelnych wizualizacji, dashboardów i prezentacji wyników analiz.
Kompetencje społeczne: Dotyczą sprawnej pracy zespołowej przy realizacji złożonych projektów analitycznych oraz kształtowania postawy krytycznej i etycznej wobec danych, weryfikacji faktów i informacji wprowadzanych w obieg publiczny.
Kryteria oceniania
Ćwiczenia
Prezentacja
Udział w dyskusji
Studia przypadków
Szczegółowo:
Zadania praktyczne/bieżące (50% oceny końcowej): systematyczna realizacja i zaliczanie ćwiczeń warsztatowych prowadzonych podczas zajęć (praca na narzędziach analitycznych, weryfikacja źródeł, zadania scrapingowe i audytowe).
Końcowy projekt grupowy z prezentacją (50% oceny końcowej): opracowanie zespołowego raportu analityczno-badawczego opartego na poznanych narzędziach oraz jego multimedialna prezentacja i obrona na ostatnich zajęciach.
Obecność i aktywność: obowiązkowe uczestnictwo w zajęciach komputerowych (dopuszczalne maksymalnie 2 nieusprawiedliwione nieobecności) oraz bieżący wkład w dyskusje warsztatowe.
Literatura
LITERATURA
Literatura podstawowa
• Chaffey, D., Patron, M. (2012). From web analytics to digital marketing optimization: Increasing the commercial value of digital analytics. Journal of Direct, Data and Digital Marketing Practice 14, 30-45. • Gonçalves, A. (2017). Social Media Analytics Strategy: Using Data to Optimize Business Performance. Apress. • Kaushik, A. (2010). Web Analytics 2.0. Świadome rozwijanie witryn internetowych. Helion, Gliwice. • Sponder, M. (2012). Social Media Analytics: Effective Tools for Building, Interpreting, and Using Metrics. McGraw-Hill.
• Strzelecki, A. (2016). Zastosowania systemów analityki internetowej do analizy efektywności kanałów ruchu i handlu elektronicznego. Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach, (257), 257-280. • Zuboff, S. (2019). The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. PublicAffairs.
Literatura uzupełniająca
• Bose, R. (2009). Advanced analytics: opportunities and challenges. Industrial Management & Data Systems, Vol. 109 Iss 2 ss. 155-172.
• Drus, Z., Khalid, H. (2019). Sentiment Analysis in Social Media and Its Application: Systematic Literature Review. Procedia Computer Science, 161, 707-714.
• Khanjarinezhadjooneghani, Z., Tabrizi, N. (2021). Social Media Analytics: An Overview of Applications and Approaches. Proceedings of the 13th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management.
• Nakatani, K., Chuang, T.-T. (2011). A web analytics tool selection method: an analytical hierarchy process approach. Internet Research, Vol. 21 Iss 2 ss. 171-186.
IAB Polska. (2026). Raport Strategiczny Internet / Polacy w social mediach. Dane dotyczące wydatków reklamowych (wzrost do 1,87 mld PLN) i zachowań konsumenckich.
• 100 Pound Social. (2026). Social Media Analytics in 2026: A Step-by-Step Guide. Analiza celów biznesowych i wykorzystanie natywnych narzędzi analitycznych platform.
• Hootsuite Blog. (Kwiecień 2026). What is social media analytics? A complete guide for 2026. Strukturyzacja lejka analitycznego i podział na analitykę wydajności, odbiorców i konkurencji.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: