21 aug. 2022

Cercetare și aplicații în rețelele sociale

de | postat în: Media, Numărul 1 | 0

Batrinca, Bogdan și Treleaven, Philip C. (2022), Cercetare și aplicații în rețelele sociale, IT & C, 1:1, 63-68Batrinca, Bogdan și Treleaven, Philip C. (2022), Cercetare și aplicații în rețelele sociale, IT & C, 1:1, 63-68, https://www.internetmobile.ro/cercetare-si-aplicatii-in-retelele-sociale/. Traducere și adaptare independente Nicolae Sfetcu

 

Rezumat

Rețelele sociale sunt definite ca aplicații de internet bazate pe web și pe mobil care permit crearea, accesul și schimbul de conținut generat de utilizatori care este accesibil omniprezent. Pe lângă rețelele sociale (de exemplu, Twitter și Facebook), pentru comoditate, vom folosi termenul „social media” pentru a include și fluxuri RSS, bloguri, wiki-uri și știri, toate generând de obicei text nestructurat și accesibile prin intermediul web. Rețelele sociale sunt importante în special pentru cercetarea în știința socială computațională care investighează întrebări folosind tehnici cantitative (de exemplu, statistici computaționale, învățarea automată și complexitate) și așa-numitele megadate (big data)  pentru extragerea datelor și modelarea prin simulare.

Sursa: Bogdan Batrinca, Philip C. Treleaven, „Social media analytics: a survey of techniques, tools and platforms”, AI & Soc (2015) 30:89-116 DOI 10.1007/s00146-014-0549-4, Creative Commons Attribution License. Traducere și adaptare independente: Nicolae Sfetcu

 

Cuvinte cheie: cercetare, aplicații, rețele sociale

 

IT & C, Volumul 1, Numărul 1, Septembrie 2022, pp. 63-68
ISSN 2821 – 8469, ISSN – L 2821 – 8469
URL: https://www.internetmobile.ro/cercetare-si-aplicatii-in-retelele-sociale/
© 2022 Nicolae Sfetcu. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor. Responsabilitatea traducerii revine translatorului. Licența Creative Commons Attribution

 

Acesta este un articol cu Acces Deschis distribuit în conformitate cu termenii licenței de atribuire Creative Commons CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/), care permite utilizarea, distribuirea și reproducerea fără restricții pe orice mediu, cu condiția ca lucrarea originală să fie citată corect.

This is an Open Access article distributed under the terms of the Creative Commons Attribution License CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

 

Social media

 

Cercetare și aplicații în rețelele sociale

Bogdan Batrinca, Philip C. Treleaven

 

Rețelele sociale sunt definite ca aplicații de internet bazate pe web și pe mobil care permit crearea, accesul și schimbul de conținut generat de utilizatori care este accesibil omniprezent (Kaplan și Haenlein 2010). Pe lângă rețelele sociale (de exemplu, Twitter și Facebook), pentru comoditate, vom folosi termenul „social media” pentru a include și fluxuri RSS, bloguri, wiki-uri și știri, toate generând de obicei text nestructurat și accesibile prin intermediul web. Rețelele sociale sunt importante în special pentru cercetarea în știința socială computațională care investighează întrebări (Lazer și colab. 2009) folosind tehnici cantitative (de exemplu, statistici computaționale, învățarea automată și complexitate) și așa-numitele megadate (big data)  pentru extragerea datelor și modelarea prin simulare (Cioffi- Revilla 2010).

Acest lucru a condus la numeroase servicii de date, instrumente și platforme de analiză. Cu toate acestea, această disponibilitate ușoară a datelor din rețelele sociale pentru cercetarea academică se poate schimba semnificativ din cauza presiunilor comerciale. În plus, instrumentele disponibile cercetătorilor sunt departe de a fi ideale. Acestea fie oferă acces superficial la datele brute, fie (pentru acces nesuperficial) solicită cercetătorilor să programeze analitice într-un limbaj precum Java.

Terminologie

Definițiile unora dintre tehnicile cheie legate de analiza datelor textuale nestructurate:

  • Procesarea limbajului natural — (natural language processing, NLP) este un domeniu de informatică, inteligență artificială și lingvistică preocupat de interacțiunile dintre computere și limbajele umane (naturale). Mai exact, este procesul unui computer care extrage informații semnificative din intrarea în limbaj natural și/sau produce ieșiri în limbaj natural.
  • Analitica știrilor — măsurarea diferitelor atribute calitative și cantitative ale știrilor (date nestructurate). Unele dintre aceste atribute sunt: sentimentul, relevanța și noutatea.
  • Mineritul opiniilor — mineritul opiniei (mineritul sentimentelor, extracția opiniei/sentimentului) este domeniul de cercetare care încearcă să creeze sisteme automate pentru a determina opinia umană din text scris în limbaj natural.
  • Scraping—colectarea de date online de pe rețelele sociale și alte site-uri web sub formă de text nestructurat și cunoscută și sub denumirea de site scraping, recoltare web și extragere de date web.
  • Analiza sentimentelor — analiza sentimentelor se referă la aplicarea procesării limbajului natural, a lingvisticii computaționale și a analizei de text pentru a identifica și extrage informații subiective din materialele sursă.
  • Analitica textelor — implică extragerea informațiilor (information retrieval, IR), analiza lexicală pentru a studia distribuțiile de frecvență a cuvintelor, recunoașterea modelelor, etichetarea/adnotarea, extragerea informațiilor, tehnicile de minerit a datelor, inclusiv analiza de legături și asocieri, vizualizare și analitica predictivă.

Provocări în cercetare

Scraping (scanarea) și analitica rețelelor sociale oferă o sursă bogată de provocări de cercetare academică pentru oamenii din științe sociale, informaticieni și organismele de finanțare. Provocările includ:

  • Scraping — deși datele din rețelele sociale sunt accesibile prin intermediul API-urilor, din cauza valorii comerciale a datelor, majoritatea surselor majore, cum ar fi Facebook și Google, fac din ce în ce mai dificil pentru cadrele universitare să obțină acces complet la datele lor „brute”; foarte puține surse de date sociale oferă date la prețuri accesibile mediului academic și cercetătorilor. Serviciile de știri cum ar fi Thomson Reuters și Bloomberg percep de obicei o sumă pentru accesul la datele lor. În schimb, Twitter a anunțat recent programul Twitter Data Grants, în care cercetătorii pot aplica pentru a obține acces la tweet-urile publice și datele istorice ale lui Twitter pentru a obține informații din setul său masiv de date (Twitter are mai mult de 500 de milioane de tweet-uri pe zi).
  • Curățirea datelor — curățarea datelor textuale nestructurate (de exemplu, normalizarea textului), în special a datelor transmise în flux de înaltă frecvență în timp real, prezintă încă numeroase probleme și provocări de cercetare.
  • Surse de date holistice — cercetătorii reunesc și combină din ce în ce mai mult surse de date noi: date de pe rețelele sociale, date de piață și clienți în timp real și date geospațiale pentru analiză.
  • Protecția datelor — odată ce ați creat o resursă de „megadate” (”big data”), datele trebuie securizate, problemele de proprietate și de IP rezolvate (adică, stocarea datelor extrase este împotriva majorității termenilor de serviciu ai editorilor), iar utilizatorii să aibă la dispoziție diferite niveluri de acces; în caz contrar, utilizatorii pot încerca să „sugă” toate datele valoroase din baza de date.
  • Analitica datelor — analiza sofisticată a datelor din rețelele sociale pentru mineritul opiniilor (de exemplu, analiza sentimentelor) ridică încă o multitudine de provocări din cauza limbilor străine, cuvintelor străine, argoului, erorilor de ortografie și evoluției naturale a limbilor.
  • Tablouri de bord pentru analitica — multe platforme de rețele sociale impun utilizatorilor să scrie API-uri pentru a accesa fluxuri sau modele de analitica programelor într-un limbaj de programare, cum ar fi Java. Deși sunt rezonabile pentru informaticieni, aceste abilități depășesc de obicei majoritatea cercetătorilor (științe sociale). Sunt necesare interfețe care nu sunt de programare pentru a oferi ceea ce s-ar putea numi acces „profund” la datele „brute”, de exemplu, configurarea API-urilor, îmbinarea fluxurilor de rețele sociale, combinarea surselor holistice și dezvoltarea modelelor analitice.
  • Vizualizarea datelor — reprezentare vizuală a datelor prin care informațiile care au fost extrase într-o formă schematică cu scopul de a comunica informațiile în mod clar și eficient prin mijloace grafice. Având în vedere amploarea datelor implicate, vizualizarea devine din ce în ce mai importantă.

Cercetare și aplicații în rețelele sociale

Datele din rețelele sociale sunt în mod clar cea mai mare, mai bogată și mai dinamică bază de înregistrări ale comportamentului uman, aducând noi oportunități de a înțelege indivizii, grupurile și societatea. Oamenii de știință inovatori și profesioniștii din industrie găsesc din ce în ce mai multe modalități noi de a colecta, combina și analiza automat această bogăție de date. Desigur, a face dreptate acestor aplicații de rețele sociale de pionierat în câteva paragrafe este o provocare. Trei domenii ilustrative sunt: afaceri, bioștiințe și științe sociale.

Primii care au adoptat analiza rețelelor sociale de afaceri au fost de obicei companii din retail și finanțe. Companiile de retail folosesc rețelele sociale pentru a-și valorifica gradul de cunoaștere a mărcii, îmbunătățirea produselor/serviciului pentru clienți, strategiile de publicitate/ marketing, analiza structurii rețelei, propagarea știrilor și chiar detectarea fraudei. În finanțe, rețelele de socializare sunt folosite pentru a măsura sentimentul pieței, iar datele de știri sunt folosite pentru tranzacționare. Ca o ilustrare, Bollen et al. (2011) au măsurat sentimentul unui eșantion aleatoriu de date Twitter, constatând că prețurile Dow Jones Industrial Average (DJIA) sunt corelate cu sentimentul Twitter cu 2-3 zile mai devreme, cu o acuratețe de 87,6%. Wolfram (2010) a folosit datele Twitter pentru a antrena un model de regresie vectorială de suport (SVR) pentru a prezice prețurile acțiunilor individuale NASDAQ, găsind un „avantaj semnificativ” pentru estimarea prețurilor 15 minute în viitor.

În bioștiințe, rețelele sociale sunt folosite pentru a colecta date despre cohorte mari pentru inițiative de schimbare a comportamentului și monitorizarea impactului, cum ar fi combaterea fumatului și a obezității sau monitorizarea bolilor. Un exemplu este biologii de la Penn State University (Salathe et al. 2012) care au dezvoltat sisteme și tehnici inovatoare pentru a urmări răspândirea bolilor infecțioase, cu ajutorul site-urilor web de știri, blogurilor și rețelelor sociale.

Aplicațiile computaționale ale științelor sociale includ: monitorizarea răspunsurilor publice la anunțuri, discursuri și evenimente, în special comentarii și inițiative politice; perspective în comportamentul comunității; sondaje pe rețelele sociale ale grupurilor (greu de contactat); detectarea timpurie a evenimentelor emergente, ca în Twitter. De exemplu, Lerman et al. (2008) folosesc lingvistica computațională pentru a prezice automat impactul știrilor asupra percepției publice a candidaților politici. Yessenov și Misailovic (2009) folosesc comentariile de recenzii ale filmelor pentru a studia efectul diverselor abordări în extragerea caracteristicilor textului asupra acurateței a patru metode de învățare automată—Naive Bayes, Decision Trees, Maximum Entropie și K-Means clustering. În cele din urmă, Karabulut (2013) a constatat că Fericirea națională brută (GNH) a Facebook prezintă maxime și minime în concordanță cu evenimentele publice majore din SUA.

Bibliografie

Bollen J, Mao H, Zeng X (2011) Twitter mood predicts the stock market. J Comput Sci 2(3):1-8

Cioffi-Revilla C (2010) Computational social science. Wiley Inter-discip Rev Comput Statistics 2(3):259-271

Kaplan AM, Haenlein M (2010) Users of the world, unite! the challenges and opportunities of social media. Bus Horiz 53(1):59-68

Karabulut Y (2013) Can Facebook predict stock market activity? SSRN eLibrary, pp 1-58. http://ssrn.com/abstract=2017099 or http://dx.doi.org/10.2139/ssrn.2017099. Accessed 2 Feb 2014

Lazer D et al (2009) Computational social science. Science 323:721-723

Lerman K, Gilder A, Dredze M, Pereira F (2008) Reading the markets: forecasting public opinion of political candidates by news analysis. In: Proceedings of the 22nd international conference on computational linguistics 1:473-480

Salathe M et al. (2012) Digital epidemiology. PLoS Comput Biol 8(7):1-5

Wolfram SMA (2010) Modelling the stock market using Twitter. Dissertation Master of Science thesis, School of Informatics,

Yessenov K, Misailovic S (2009) Sentiment analysis of movie review comments, pp 1-17. http://people.csail.mit.edu/kuat/courses/6. 863/report.pdf. Accessed 16 Aug 2013

 

Sursa: Bogdan Batrinca, Philip C. Treleaven, „Social media analytics: a survey of techniques, tools and platforms”, AI & Soc (2015) 30:89-116 DOI 10.1007/s00146-014-0549-4, Creative Commons Attribution License. Traducere și adaptare independente: Nicolae Sfetcu

20 aug. 2022

Megadatele (Big Data) pe Internet

de | postat în: Internet, Numărul 1 | 0

Sfetcu, Nicolae (2022), Megadatele (Big Data) pe Internet, Internet & Mobile, 1:1, 23-27Sfetcu, Nicolae (2022), Megadatele (Big Data) pe Internet, Internet & Mobile, 1:1, 23-27, DOI: 10.58679/IT47091, https://www.internetmobile.ro/megadatele-big-data-pe-internet/

 

Rezumat

Termenul Big Data se referă la extragerea, manipularea și analiza unor seturi de date care sunt prea mari pentru a fi tratate în mod obișnuit. Din această cauză se utilizează software special și, în multe cazuri, și calculatoare și echipamente hardware special dedicate. În general la aceste date analiza se face statistic. Pe baza analizei datelor respective se fac de obicei predicții ale unor grupuri de persoane sau alte entități, pe baza comportamentului acestora în diverse situații și folosind tehnici analitice avansate. Se pot identifica astfel tendințe, necesități și evoluții comportamentale ale acestor entități.

 

Cuvinte cheie: megadate, Big Data, Internet

 

IT & C, Volumul 1, Numărul 1, Septembrie 2022, pp. 23-27
ISSN 2821 – 8469, ISSN – L 2821 – 8469
URL: https://www.internetmobile.ro/megadatele-big-data-pe-internet/
© Nicolae Sfetcu. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor

 

Acesta este un articol cu Acces Deschis distribuit în conformitate cu termenii licenței de atribuire Creative Commons CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/), care permite utilizarea, distribuirea și reproducerea fără restricții pe orice mediu, cu condiția ca lucrarea originală să fie citată corect.

This is an Open Access article distributed under the terms of the Creative Commons Attribution License CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

 

Big Data

 

Megadatele (Big Data) pe Internet

Nicolae Sfetcu

 

Termenul Big Data se referă la extragerea, manipularea și analiza unor seturi de date care sunt prea mari pentru a fi tratate în mod obișnuit. Din această cauză se utilizează software special și, în multe cazuri, și calculatoare și echipamente hardware special dedicate. În general la aceste date analiza se face statistic. Pe baza analizei datelor respective se fac de obicei predicții ale unor grupuri de persoane sau alte entități, pe baza comportamentului acestora în diverse situații și folosind tehnici analitice avansate. Se pot identifica astfel tendințe, necesități și evoluții comportamentale ale acestor entități. Oamenii de știință folosesc aceste date pentru cercetări în meteorologie, genomică, (Nature 2008) conectomică, simulări fizice complexe, biologie, protecția mediului , etc. (Reichman, Jones, and Schildhauer 2011)

Odată cu creșterea volumului de date pe Internet, în media socială, cloud computing, dispozitive mobile și date guvernamentale, Big Data devine în același timp o amenințare și o oportunitate pentru cercetători în ceea ce privește gestionarea și utilizarea acestor date, menținând în același timp drepturile persoanelor implicate.

Definiții

Big Data includ, de obicei, seturi de date cu dimensiuni care depășesc capacitatea software și hardware obișnuite, folosind date nestructurate, semi-structurate și structurate, cu accentul pe datele nestructurate. (Dedić and Stanier 2017) Dimensiunile Big Data au crescut în timp din 2012, de la câteva zeci de terabyte până la multe exabyte de date. (Everts 2016) Eficientizarea lucrului cu Big Data implică învățarea mașinilor pentru a detecta modele, (Mayer-Schönberger and Cukier 2014) dar adesea aceste date sunt un produs secundar al altor activități digitale.

O definiție din 2018 afirmă că „Big Data sunt datele care necesită instrumentele de calcul paralel pentru a gestiona datele”, aceasta reprezentând o turnură în informatică, prin utilizarea teoriilor de programare paralelă și lipsa unor garanții presupuse de modelele anterioare.” Big Data utilizează statistici inductive și concepte de identificare a sistemelor neliniare pentru a deduce legi (regresii, relații neliniare și efecte cauzale) din seturi mari de date cu densitate scăzută de informații pentru a obține relații și dependențe sau pentru a efectua predicții ale rezultatelor și comportamentelor.

La nivelul Uniunii Europene nu există o definiție obligatorie dar, în conformitate cu Avizul 3/2013 al Grupului european de lucru privind protecția datelor,

„Big Data este un termen care se referă la creșterea enormă a accesului și a utilizării automate a informațiilor: se referă la cantitățile uriașe de date digitale controlate de companii, autorități și alte organizații mari, care sunt supuse unor analize ample bazate pe utilizarea de algoritmi. Big Data pot fi folosite pentru a identifica tendințele și corelațiile generale, dar pot fi utilizate și pentru a afecta direct persoanele.” (European Economic and Social Committee 2017)

Problema cu această definiție e că nu ia în considerare reutilizarea datelor cu caracter personal.

Regulamentul nr. 2016/679 definește datele personale (articolul 4, paragraful 1) drept

„orice informație referitoare la o persoană fizică identificată sau identificabilă (persoana vizată); o persoană fizică identificabilă este cea care poate fi identificată, în mod direct sau indirect, în special prin referire la un identificator cum ar fi un nume, un număr de identificare, date de localizare, un identificator online sau unul sau mai mulți factori specifici identității fizice, fiziologice, genetice, mentale, economice, culturale sau sociale a acelei persoane fizice.”

Definiția se aplică, la nivelul UE, și persoanelor neidentificate dar care pot fi identificate prin corelarea datelor anonime cu alte informații suplimentare. Datele cu caracter personal, o dată anonimizate (sau pseudo-anonimizate), pot fi prelucrate fără a fi nevoie de o autorizație, ținându-se totuși cont de riscul  re-identificării persoanei vizate.

Dimensiunile Big Data

Datele sunt partajate și stocate pe servere, prin interacțiunea dintre entitatea implicată și sistemul de stocare. În acest context, Big Data se poate clasifica în sisteme active (interacțiune sincronă, datele entității sunt trimise direct către sistemul de stocare), și sisteme pasive (interacțiune asincronă, datele sunt colectate printr-un intermediar și apoi introduse în sistem.

De asemenea, datele pot fi transmise direct în mod conștient, sau ne-conștient (dacă persoana ale cărei date sunt transmise nu este notificată la timp și clar). Datele sunt apoi prelucrate pentru a genera statistici.

În funcție de ținta analizelor statisticilor respective, dimensiunile datelor pot fi a) individuale (este analizat o singur entitate); sociale (se analizează grupuri discrete de entități din cadrul unei populații; și hibride (când o entitate este analizată prin prisma apartenenței sale la un grup deja definit).

Producția actuală imensă de date generate de utilizatori este estimată că va crește cu 2000% 1 2 3 la nivel mondial până în 2020, și sunt adesea nestructurate. (a7) În general, Big Data se caracterizează prin:

  • Volum (cantitatea de date);
  • Varietate (produse de diferite surse în diferite formate);
  • Viteză (viteza de analiza online a datelor);
  • Veracitate (datele sunt incerte și trebuie verificate);
  • Valoare (evaluată prin analiză).

Volumul de date produse și stocate evoluează în prezent exponențial, peste 90% din ele fiind generate în ultimii patru ani. (European Economic and Social Committee 2017) Volumele mari necesită viteză mare de analiză, cu impact puternic asupra veracității. Datele incorecte au potențialul de a genera probleme atunci când sunt folosite în procesul de decizie.

Una din probleme important cu Big Data este dacă este nevoie de datele complete pentru a trage anumite concluzii cu privire la proprietățile lor, sau este suficient un eșantion. Big Data conține chiar în nume un termen legat de dimensiune, care este o caracteristică importantă a Big Data. Dar eșantionarea (statistică) permite selectarea unor puncte corecte de colectare de date dintr-un set mai larg pentru a estima caracteristicile întregii populații. Big Data pot fi eșantionate pe diferite categorii de date în procesul de selecție a probelor cu ajutorul unor algoritmii de eșantionare pentru Big Data.

Bibliografie

Dedić, Nedim, and Clare Stanier. 2017. “Towards Differentiating Business Intelligence, Big Data, Data Analytics and Knowledge Discovery.” In Innovations in Enterprise Information Systems Management and Engineering, edited by Felix Piazolo, Verena Geist, Lars Brehm, and Rainer Schmidt, 114–22. Lecture Notes in Business Information Processing. Springer International Publishing.

European Economic and Social Committee. 2017. “The Ethics of Big Data: Balancing Economic Benefits and Ethical Questions of Big Data in the EU Policy Context.” European Economic and Social Committee. February 22, 2017. https://www.eesc.europa.eu/en/our-work/publications-other-work/publications/ethics-big-data.

Everts, Sarah. 2016. “Information Overload.” Science History Institute. July 18, 2016. https://www.sciencehistory.org/distillations/magazine/information-overload.

Mayer-Schönberger, Viktor, and Kenneth Cukier. 2014. Big Data: A Revolution That Will Transform How We Live, Work, and Think. Reprint edition. Boston: Eamon Dolan/Mariner Books.

Nature. 2008. “Community Cleverness Required.” Nature 455 (7209): 1. https://doi.org/10.1038/455001a.

Reichman, O. J., Matthew B. Jones, and Mark P. Schildhauer. 2011. “Challenges and Opportunities of Open Data in Ecology.” Science 331 (February): 703. https://doi.org/10.1126/science.1197962.

20 aug. 2022

Variabile în dezvoltarea WordPress

de | postat în: Dezvoltare web, Numărul 1 | 0

Sfetcu, Nicolae (2022), Variabile în dezvoltarea WordPress, Internet & Mobile, 1:1, 42-45Sfetcu, Nicolae (2022), Variabile în dezvoltarea WordPress, Internet & Mobile, 1:1, 42-45, DOI: 10.58679/IT16672, https://www.internetmobile.ro/variabile-in-dezvoltarea-wordpress/

 

Rezumat

Variabilele globale specifice lui WordPress sunt utilizate în codarea WordPress pentru diferite motive. Aproape toate datele pe care WordPress le generează pot fi găsite într-o variabilă globală.

 

Cuvinte cheie: variabile, WordPress

 

IT & C, Volumul 1, Numărul 1, Septembrie 2022, pp. 42-45
ISSN 2821 – 8469, ISSN – L 2821 – 8469
URL: https://www.internetmobile.ro/variabile-in-dezvoltarea-wordpress/
© 2022 Nicolae Sfetcu. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor

 

Acesta este un articol cu Acces Deschis distribuit în conformitate cu termenii licenței de atribuire Creative Commons CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/), care permite utilizarea, distribuirea și reproducerea fără restricții pe orice mediu, cu condiția ca lucrarea originală să fie citată corect.

This is an Open Access article distributed under the terms of the Creative Commons Attribution License CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

 

WordPress - editare tema

 

Variabile în dezvoltarea WordPress

Nicolae Sfetcu

 

Variabile globale

Variabilele globale specifice lui WordPress sunt utilizate în codarea WordPress pentru diferite motive. Aproape toate datele pe care WordPress le generează pot fi găsite într-o variabilă globală.

Reţineţi că cel mai bine este să utilizaţi funcţiile corespunzătoare API atunci când sunt disponibile, în loc să modificaţi direct variabilele globale.

Pentru a accesa o variabilă globală în cod, trebuie mai întâi să globalizaţi variabila cu global $variable;

Accesarea altor variabile globale în afară de cele enumerate mai jos nu este recomandată.

Variabile în buclă

Atunci când se găsesc în interiorul buclei, aceste variabile globale conţin informaţii despre postarea actuală în curs de procesare.

  • $post Întregul obiect postat.
  • $authordata (object) Returneaza un obiect cu informaţii despre autor, stabilit împreună cu ultimul $post.
  • $currentday Ziua postării.
  • $currentmonth Luna postării.
  • $page (int) Pagina postării, aşa cum este specificată de către pagina variabilei de interogare.
  • $pages (array) Paginile de conţinut într-o postare, care au fost separate prin elemente <!– nextpage–>.
  • $multipage (boolean) Returnează true dacă postarea are mai multe pagini, legată de $page şi $pages.
  • $more (boolean) Returnează true dacă există mai multe pagini în postare, legată de $page şi $pages.
  • $numpages (int) Returnează numărul de pagini în postare, legată de $page şi $pages.

Variabile boolene pentru detectarea browserului

Aceste variabile globale stochează date despre browserul folosit de utilizator.

  • $is_iphone (boolean) iPhone Safari
  • $is_chrome (boolean) Google Chrome
  • $is_safari (boolean) Safari
  • $is_NS4 (boolean) Netscape 4
  • $is_opera (boolean) Opera
  • $is_macIE (boolean) Mac Internet Explorer
  • $is_winIE (boolean) Windows Internet Explorer
  • $is_gecko (boolean) FireFox
  • $is_lynx (boolean)
  • $is_IE (boolean) Internet Explorer

Variabile boolene pentru detectarea serverului web

Aceste variabile globale stochează date despre serverul web pe care rulează WordPress.

  • $is_apache (boolean) Serverul HTTP Apache
  • $is_IIS (boolean) Microsoft Internet Information Services (IIS)
  • $is_iis7 (boolean) Microsoft Internet Information Services (IIS) v7.x

Variabile de versiune

  • $wp_version (string) Versiunea instalată a WordPress
  • $wp_db_version (int) Versiunea bazei de date
  • $tinymce_version (string) Versiunea instalată a TinyMCE
  • $manifest_version (string) Versiunea manifest cache
  • $required_php_version (string) Versiunea PHP solicitată de WordPress pentru această instalare
  • $required_mysql_version (string) Versiunea MySQL solicitată de WordPress pentru această instalare

Diverse

  • $super_admins (array) O serie de ID-uri de utilizator cărora ar trebui să le fie acordate privilegii de super admin (multisite). Această variabilă globală este setată numai de către proprietarul site-ului (de exemplu, în wp-config.php), şi conţine o serie de ID-uri ale utilizatorilor care ar trebui să aibă privilegii de super-admin. Dacă este setată va suprascrie lista de super-administratori în baza de date.
  • $wp_query (obiect) Instanţa globală a clasei Class_Reference/WP_Query.
  • $wp_rewrite (obiect) Instanţa globală a clasei Class_Reference/WP_Rewrite.
  • $wp (obiect) Instanţa globală a clasei Class_Reference/WP.
  • $wpdb (obiect) Instanţa globală a clasei Class_Reference/wpdb.
  • $wp_locale (obiect)
  • $wp_admin_bar (WP_Admin_Bar)
  • $wp_roles (WP_Roles)
  • $wp_meta_boxes (array) Obiect care conţine toate meta boxele înregistrate, inclusiv ID-urile lor, argumente, funcţii callback şi titlu pentru toate tipurile de postări inclusiv cele personalizate.

Variabile globale de administrare

  • $pagenow (string) utilizate în wp-admin Vezi de asemenea get_current_screen() pentru ecranul de API WordPress Admin
  • $post_type (string) utilizate în wp-admin
  • $allowedposttags (array)
  • $allowedtags (array)
  • $menu (array)

 

 

Sursa: Sfetcu, Nicolae (2020). Ghid WordPress pentru dezvoltatori, MultiMedia Publishing, ISBN 978-606-9041-88-8, https://www.telework.ro/ro/e-books/ghid-wordpress-pentru-dezvoltatori/

 

19 aug. 2022

Marketing de conţinut

de | postat în: Afaceri online, Numărul 1 | 0

Sfetcu, Nicolae (2022), Marketing de conţinut, Internet & Mobile, 1:1, 60-62Sfetcu, Nicolae (2022), Marketing de conţinut, Internet & Mobile, 1:1, 60-62, DOI: 10.58679/IT68326, https://www.internetmobile.ro/marketing-de-continut/

 

Rezumat

Avalanșa actuală de conținut este o problemă reală pentru marketing. Oamenii sunt obosiți de multitudinea de conținut la care sunt expuși și au început să îl selecteze. În același timp, specialiștii în marketing au obosit să investească timp și energie în crearea de conținut, în condițiile în care acesta a devenit nerentabil.

 

Cuvinte cheie: marketing, Internet

 

IT & C, Volumul 1, Numărul 1, Septembrie 2022, pp. 60-62
ISSN 2821 – 8469, ISSN – L 2821 – 8469
URL: https://www.internetmobile.ro/marketing-de-continut/
© 2022 Nicolae Sfetcu. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor

 

Acesta este un articol cu Acces Deschis distribuit în conformitate cu termenii licenței de atribuire Creative Commons CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/), care permite utilizarea, distribuirea și reproducerea fără restricții pe orice mediu, cu condiția ca lucrarea originală să fie citată corect.

This is an Open Access article distributed under the terms of the Creative Commons Attribution License CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

 

Marketing de conţinut

Marketing de conţinut

Nicolae Sfetcu

 

Avalanşa actuală de conţinut este o problemă reală pentru marketing. Oamenii sunt obosiţi de multitudinea de conținut la care sunt expuşi și au început să îl selecteze. În acelaşi timp, specialiştii în marketing au obosit să investească timp și energie în crearea de conținut, în condiţiile în care acesta a devenit nerentabil.

Mark Schaefer numește fenomenul „șocul conținutului,” o perioadă „în care creșterea exponențială a volumului de conținut se intersectează cu capacitatea noastră umană limitată de a îl consuma […] [Aceasta] creează o presiune „economică” pe sistemul care va necesita adaptarea și schimbări ale strategiilor de marketing actuale.”

În aceste condiţii, soluţia nu este persistarea în crearea de şi mai mult conţinut. Conform legii economiei conţinutului a lui Schaefer, strategia de inundare nu a fost niciodată o soluţie finanicară câştigătoare pe termen lung. Nici măcar abordarea domeniilor de nişă nu mai este o soluţie. Este din ce în ce mai greu să te faci vizibil într-un ocean de conţinut, şi mai greu să te menţii pe o poziţie la care ai ajuns la un moment dat.

Pentru a atrage clienţii şi a-i loializa cu ajutorul conţinutului pe care îl ai deja, trebuie să găseşti unele elemente inovative, prin care să captezi audienţa şi să o faci să te recomande mai departe. Dar pentru ca astfel de elemente inovative să funcţioneze, trebuie să existe deja un bun conţinut. Ele nu vor face altceva decât să prezinte conţinutul existent într-un mod atractiv şi interesant.

Dacă ai deja un volum impresionant de conţinut de calitate dar nu ai obţinut încă rezultatele aşteptate, nu renunţa. Experimentează modele de prezentare originale, până vei găsi ce se potriveşte mai bine audienţei tale. Perseverează. Dar nu în conţinut, ci în prezentare.

Promovează-te prin media vizuală

Media vizuală este în prezent mult mai bine percepută decât conţinutul convenţional. Publică imagini pe Pinterest şi Instagram, încarcă clipuri video pe Viei și partajează-le pe Twitter, şi pune video online pe YouTube și Vimeo.

Comunicarea vizuală este mai importantă decât credem. Este mai mult decât o strategie de conținut sau de marketing. Comunicarea vizuală începe cu înțelegerea modului în care consumatorii conectați reacţionează la stimulii externi. Trebuie să înţelegi ce este important pentru ei pentru a capta atenția.

Într-o lume a reţelelor sociale, un mesaj vizual este cel mai bun mod de a intra în mintea consumatorilor. Un astfel de flash vizual te promovează subliminal, pe cale emoţională, mai bine decât un text plin de argumente. Trebuie doar să descoperi cum poţi rezona cu ei.

Referințe

Sfetcu, Nicolae (2015). Promovarea afacerilor prin campanii de marketing online, MultiMedia Publishing, ISBN 978-606-033-444-6, https://www.telework.ro/ro/e-books/promovarea-afacerilor-prin-campanii-de-marketing-online/

1 … 26 27 28 29