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

Fco. Javier Cantón Correa

doi:10.35951/v1i2.22

Fco. Javier Cantón Correa Universidad de Granada https://orcid.org/0000-0002-8466-1679

Palabras clave: medio urbano, fotografía, tecnología y cambio social, tratamiento digital de imágenes, metodología

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.

Citas

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.org

Google. (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. Recuperado de https://netlytic.org

Hand, M. (2014a). Digitization and memory: Researching practices of adaption to visual and textual data in everyday life. En Big Data? Qualitative Approaches to Digital Research (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 Source Geospatial Foundation Project. Recuperado de https://qgis.org

R 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.