Dijital Dönüşüm Çağında Sinema Veritabanlarında Katılımcı Düşünümsellik: Türk Sineması Araştırmaları Örneği

Year 2020, Issue: 58, 1 - 35, 30.07.2020

Pelin Agocuk Dilan Çiftçi

https://doi.org/10.26650/CONNECTIST2020-0079

Abstract

Teknolojik gelişmeler bilgi paylaşımı, arşiv veri tabanı oluşturma ve bilgiye kolay ulaşma açısından kullanıcılara büyük bir imkan sağlamıştır. Büyük miktarda, farklı formatlarda ve sürekli artış içinde olan verileri analiz edebilmek ve arşivleyebilmek için sadece kullanıcılar tarafından üretilen verileri değil, sensörler ve makineler tarafından da üretilen verileri de içine alan ‘büyük veri’ özellikle büyük şirketler ile kamu kuruluşlarının büyük yatırımlar yaparak yazılımlarını geliştirdikleri verileri içeren bir kavramdır. Son yıllarda sadece kamu kuruluşlarının ve büyük şirketlerin değil, akademik kurumların ve kâr amacı gütmeyen sektörler ve kurumlarında bilgi ağı oluşturma amacıyla kullandıkları verileri de içermektedir. Çalışmada, Türk sineması alanında çok geniş bir arşiv veri tabanı oluşturan Türk Sineması Araştırmaları (TSA) web sayfasının arşiv veri tabanı incelenmiştir. Sinema alanında Türk Sineması Araştırmaları veri tabanı üzerinden yapılan araştırmaların sınırlığı nedeniyle, çalışma literatüre katkı koyacak niteliktedir. Türk sineması alanında çok geniş ve kapsayıcı bir veri tabanı olarak kabul edilebilecek olan TSA resmî web sayfası amaçlı örneklem tekniği kullanılarak seçilmiştir. Büyük veri konusunda yeni araştırmalar ve tartışmalara da yol açacağı düşünülen bu çalışmada, betimsel analizler nicel ve nitel veriler olarak ortaya koyulmuş ve nitel araştırma yöntemleri veri toplama araçlarından belge analizi tekniği kullanılarak içerik çözümlemesi uygulanmıştır. TSA web sayfasında oluşturulan belgeler amaçlı örneklem yöntemiyle taranmış ve araştırmada oluşturulan kodlama cetveli çerçevesinde belgelerin analizleri yapılmıştır. Çalışmanın sınırlılığını verilerinin bilgisayar donanımlı çevrimiçi ortam verilerinden oluşmasının verdiği değişkenlik özelliği oluştururken analiz yöntemi olarak belirlenen kesitsel süre ile bu kısıtlılığın ortadan kaldırılması amaçlanmıştır.

Keywords

Büyük veri, Türk sineması, arşiv veri tabanı, Türk Sineması Araştırmaları, büyük veri özellikleri

Supporting Institution

Yazarlar bu çalışma için finansal destek almadığını beyan etmiştir

Reflexivity in Cinema Databases in the Age of the Digital Transformation: A Sample of Turkish Cinema Research

Abstract

Technological advances have provided a great opportunity for users to share information, create an archive database and access information easily. Using ‘big data’ (which includes not only user-generated data, but also data generated by sensors and machines), in order to analyze and archive large amounts of data in different formats is a concept that is continuously increasing. In recent years, not only public institutions and large companies, but also academic institutions and non-profit sectors and institutions have used it used for the purpose of creating information networks. In this study, the archive database of the Turkish Cinema Research (TSA) web page, which constitutes a very large archive database in the field of Turkish cinema, is examined. Thus, this study has contributed to the literature on big data and cinema. The TSA, which can be considered as a very extensive and comprehensive database in the field of Turkish cinema, was selected using the purposive sampling technique. In this study, which is thought will lead to new research and discussions on big data, descriptive analyses are put forward as quantitative and qualitative data and are analyzed using the document analysis technique from qualitative research methods. The documents created on the TSA web page were analyzed within the framework of the coding chart created in the research. While the limitation of the study is the variability feature of the data consisting of computer-based online environment data, it is aimed to eliminate this limitation with the cross-sectional time determined as the analysis method.

Keywords

Big data, Turkish cinema, archive database, Turkish Cinema Research, big data characteristics

References

• Aktan, E. (2018). Büyük veri: Uygulama alanları, analitiği ve güvenlik boyutu. Bilgi Yönetimi, 1(1), 1-22.
• Arrowsmith, C., Verhoeven, D., Davidson, A., & Coate, B. (2014). Kinomatics: A global study into cinema data. Geospatial Science Research 3. School of Mathematical and Geospatial Science, RMIT University. Retrieved from http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.664.7755&rep=rep1&type=pdf
• Bayrakci, S. (2015). Sosyal Bilimlerdeki Akademik Çalışmalarda Büyük Veri Kullanımı (MA Thesis, Marmara University, Institute of Social Sciences, Istanbul, Turkey).
• Beyer, M. A., & Laney, D. (2012). The Importance of ‘Big Data’: A Definition. Stamford, CT: Gartner.
• Bilgin, N. (2014). Sosyal Bilimlerde İçerik Analizi: Teknikler ve Örnekler Çalışmalar. Ankara: Siyasal Kitabevi.
• Boyd, D., & Crawford, K. (2011). Six provocations for big data. A Decade in Internet Time: Symposium on the Dynamics of the Internet and Society, pp. 1-17. Retrieved from http://softwarestudies.com/cultural_ analytics/Six_Provocations_for_Big_Data.pdf
• Boyd, D., & Crawford, K. (2012). Critical questions for big data: Provocations for a cultural, technological, and scholarly phenomenon. Information, Communication & Society, 15(5), 662-679. https://doi.org/10.1080/1369118X.2012.678878
• Burnham, K. (2014). Facebook’s WhatsApp buy: 10 staggering stats. InformationWeek. Retrieved from https://www. informationweek.com/software/social/facebooks-whatsapp-buy-10-stagger ing-stats- /d/d-id/1113927
• Chen, H., Chiang, R. H., & Storey, V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 4, 1-24.
• Chen, M., Mao, S., & Liu, Y. (2014). Big data: A survey. Mobile Network and Applications, 19, 171–209. https://doi. org/10.1007/s11036-013-0489-0
• Coate, B., Verhoeven, D., Arrowsmith, C., & Zemaityte, V. (2017). Feature film diversity on Australian cinema screens: Implications for cultural diversity studies using big data. In M. D. Ryan, B. Goldsmith (Eds.), Australian Screen in the 2000s (pp. 341-360). Retrieved From: https://link.springer.com/ chapter/10.1007/978-3-319-48299-6_16
• Dijcks, J. P. (2012). Oracle: Big data for the enterprise. Oracle White Paper, 16.
• Dodge, M., & Kitchin, R. (2003). Codes of life: Identification codes and the machine-readable world. Environment and Planning D: Society and Space, 23(6), 851-881. https://doi.org/10.1068/d378t
• Doğan, M. (2014). Büyük Veri’nin Kişiler ve Kurumlar Üzerindeki Etkileri (Doctoral dissertation, Istanbul Bilgi University, Institute of Social Sciences, Istanbul, Turkey).
• Dumbill, E. (2012). What is big data? Retrieved from http://radar.oreilly.com/2012/01/what-is-big-data. html#velocity.
• Erkılıç, H., & Toprak, A. G. (2012). Belgesel sinemanın alternatif dağıtım ve gösterim olanağı olarak internet. The Turkish Online Journal of Design, Art and Communication, 2(2), 10-16. Retrieved From: https://acikerisim.iku. edu.tr/bitstream/handle/11413/1055/tojdac_v02i202.pdf?sequence=1&isAllowed=y
• Fisher, D., DeLine, R., Czerwinski, M., & Drucker, S. (2012). Interactions with big data analytics. Interactions, 19(3), 50-59.
• Galli, T. (2012). Get More from RFID: Extract Real Value from Big Data. HP White Paper.
• Gantz, J., & Reinsel, D. (2011). Extracting Value from Chaos. IDC iView, 1142(2011), 1-12. Retrieved from https://www.emcgrandprix.com/collateral/analyst-reports/idc-extracting-value-from- chaos-ar.pdf
• George, A. L. (2003). İçerik çözümlemesinde nicel ve nitel yaklaşımlar. In M. S. Çebi (Ed.), İletişim Araştırmalarında İçerik Çözümlemesi (pp. 9-47). Ankara, Turkey: Alternatif Yayınları.
• Gerhardt, B., Griffin, K., & Klemann, R. (2012). Unlocking value in the fragmented world of big data analytics. Cisco Internet Business Solutions Group, 7.
• Hilbert, M., & Lopez, P. (2012). How to measure the world’s technological capacity to communicate, store and compute information? Part 1: Results and scope. International Journal of Communication, 6, 956-979.
• Hill, K. (2012). Max Schrems: The Austrian thorn in Facebook’s side. Retrieved From: http://www.forbes.com/ sites/kashmirhill/2012/02/07/the- austrian-thorn-in-facebooks-side/
• IDC iView. (2010). A Digital Universe Decade – Are You Ready? IDC iView. Retrieved from: https://gigaom.files. wordpress.com/2010/05/2010-digital-universe-iview_5-4-10.pdf
• İri, M. (2005). Kurmaca ve Gerçek Arasında Asmalı Konak-Hayati. İstanbul Üniversitesi İletişim Fakültesi Dergisi, 22. Retrieved From https://dergipark.org.tr/tr/pub/iuifd/issue/22867/244233
• Kaisler, S., Armour, F., Espinosa, J. A., & Money, W. (2013). Big data: Issues and challenges moving forward. 46th Hawaii International Conference on In System Sciences (pp. 995-1004). Hawaai: IEEE.
• Kitchin, R. (2014). The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences. London, UK: Sage.
• Manyika, M. C., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., & Byers, A. H. (2011). Big data: The next frontier for innovation, competition, and productivity. Retrieved from http://www.mckinsey.com/Insights/MGI/ Research/Technology_and_Innovation/Big_data_The_next_frontier_for_innovation
• Marr, B. (2014). Big data: The 5 vs everyone must know. Retrieved From https://www.linkedin.com/ pulse/20140306073407-64875646-big- data-the-5-vs-everyone-must-know.
• Marz, N., & Warren, J. (2015). Big Data: Principles and Best Practices of Scalable Real-time Data Systems. New York, USA: Manning Publications Co.
• Mauro, A. D., Greco, M., & Grimaldi, M. (2014). What is big data? A consensual definition and a review of key research topics. 4th International Conference on Integrated Conference (pp. 97-104). New York: AIP Conference Proceedings.
• De Mauro, A., Greco, M., Grimaldi, M., & Nobili, G. (2016). Beyond data scientists: A review of big data skills and job families. Proceedings of IFKAD, 1844-1857.
• Mayer-Schonberger, V., & Cukier, K. (2013). Büyük Veri (B. Erol, Trans.). İstanbul, Turkey: Palome Yayıncılık.
• NASA Technology. (2015). Landsat Data Enriches Google Earth. Retrieved from http://spinoff.nasa.gov/ Spinoff2015/ee_1.html
• Rosenberg, D. (2013). Data Before the Fact. Oregon, USA: Text for American Historical Association.
• Ruffatti, G. (2013). Value is the most meaningful v for big data. Retrieved from http://blog.spagoworld. org/2013/03/value-is-the-most-meaningful-v-for-big-data/ Sankur, B. (2004). Bilişim Sözlüğü. İstanbul, Turkey: Pusula Yayıncılık.
• Schroeck, M., Shockley, R., Smart, J., Romero-Morales, D., & Tufano, P. (2012). Analytics: The Real-World Use of Big Data. IBM Global Business Services, 12(2012), 1-20.
• Shneiderman, B. (2008). Science 2.0. Science, 319, 1349-1350. Retrieved from https://www.cs.umd.edu/~ben/ papers/Shneiderman2008Science.pdf
• Suthaharan, S. (2013). A single-domain, representation-learning model for big data classification of network ,ntrusion. International Workshop on Machine Learning and Data Mining in Pattern Recognition (pp. 296-310). BerlinHeidelberg: Springer.
• Sütcü, C. S., & Çiğdem, A. (2013). Elektronik Ticaretten Sosyal Ticarete Dönüşüm Süresinde Ölçümleme. İstanbul, Turkey: Derin Yayınevi.
• Şavk, S. (2018). Dijital yöntem ve araçlar Türkiye sinema tarihi çalışmaları açısından ne vaat ediyor? Sinecine, 9(1), 199-208.
• Ward, J. S., & Barker, A. (2013). Undefined by data: A survey of big data definitions. ArXiv Preprint, 1309.
• Zadrozny, P., & Kodali, R. (2013). Big Data Analytics Using Splunk: Deriving Operational Intelligence from Social Media, Machine Data, Existing Data Warehouses, and Other Real-Time Streaming Sources. New York, USA: Apress.