Поле цифровой дидактики - Вклад [ru]

Цифровые следы командности: сравнительный анализ Scratch-вики и студий

2026-04-14T06:18:11Z

Yulia:

{{Событие
|Description=Командность и совместная деятельность. Cравнительное исследование совместных редактирований страниц Scratch wiki, сделанных на разных языках, сравнительный анализ Scratch студий. '''Конференция "Подросток в мегаполисе: грани социальности-2026"'''
|Event_type=Конференция, Доклад
|has start=2026-04-07T14:00:00.000Z
|has end=2026-04-07T14:00:00.000Z
|color=orange
|Environment=Scratch, Scratch API, MediaWiki API
|Format_realization=Off-line
}}
__NOTOC__

== Понятия ==

{{#ask: [[Командность]] OR [[Командная наука]] OR [[Мутуализм]] OR [[Стигмергия]] OR [[Сообщество практики]] | ?Description }}

<uml>
skinparam backgroundColor #FAFAFA
title Дефициты в оценивании командности

rectangle "Концептуальный\nдефицит" as C #ffd7d7
note right of C: Нет операционального определения.\nВсе говорят «командная работа»,\nно измеряют разное.

rectangle "Инструментальный\nдефицит" as I #fff3cd
note right of I: Оценка строится на самоотчётах.\nСтуденты завышают свой вклад.\nРезультат ненадёжен.

rectangle "Технологический\nдефицит" as T #d4edda
note right of T: Цифровые среды генерируют\nобъективные следы, но они\nне используются для оценки.

C -down-> I : усугубляет
I -down-> T : создаёт запрос
T ..> C : решает через\nоперационализацию
@enduml
</uml>

== История ==
; [[Scratch]] язык программирования и социальная платформа, спроектированная командой MIT Media Lab по принципам [[конструкционизм]]а.
: https://scratch.mit.edu/users/patarakin/ - Joined 19 years, 1 month ago, Russia

<scratch project="211029567" />

{{#ask: [[Scratch]] OR [[20 things to do]] OR [[Children Learning to Code]] OR [[Thinking Like a Tree]] | ?Description | ?Inventor }}

* '''Версионность кода''' — аналог [[Git]]: ремикс сохраняет связь с оригиналом
* '''[[Ремикс]]''' — явный механизм заимствования и развития чужих идей, встроенный в платформу
* '''Студии''' (Studios) — пространства совместной работы, куда можно собирать проекты и участников
* '''Комментарии и обратная связь''' — встроенная социальная коммуникация внутри платформы

; Действия пользователя в [[Scratch]] оставляет '''[[цифровой след]]''' — машиночитаемую запись о том, кто, что и когда сделал.

# Scratch Wiki — сравниваем командные паттерны в вики-сообществах на пяти языках (английском, японском, немецком, французском и русском). Общий объект здесь — статья вики. Командность проявляется в том, сколько авторов редактируют одну статью, в какой последовательности, с какой интенсивностью.
# Scratch Studios — анализируем командную деятельность внутри тематических студий. Студия — это пространство, куда скретчеры собирают проекты по общей теме.

{| class="wikitable"
|+ Scratch как исследовательский инструмент
! Механизм Scratch
! Аналог в командной теории
! Что измеряем
|-
| Remix (ремикс проекта)
| Стигмергический след: «я видел твой проект и отреагировал»
| Глубина remix-дерева; взаимные ремиксы
|-
| Студия
| Граничный объект: общее пространство для команды
| Плотность связей автор–проект; доля командных проектов
|-
| Комментарии к проекту
| Явная коммуникация (в отличие от стигмергии)
| Соотношение явной и стигмергической координации
|}

== Wiki Scratch ==
Scratch Wiki — это пользовательская [[MediaWiki]], которую создают и развивают сами скретчеры. Она существует на нескольких языках, и это делает её уникальной площадкой для сравнительного исследования командности.

# https://en.scratch-wiki.info/wiki/
# https://de.scratch-wiki.info/wiki/
# https://fr.scratch-wiki.info/wiki
# https://ru.scratch-wiki.info/wiki/

=== Извлечение данных из Scratch вики ===

{{#ask: [[Как собрать данные Scratch Wiki при помощи MediaWiki API]] OR [[Сравнение Scratch wikis]] | ?Description }}

=== Данные ===
; [[ScratchWikis2026]]
: Английский язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_en.csv
: Японский язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_jp.csv
: Немецкий язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_de.csv
: Французский язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_fr.csv
: Русский https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_ru.csv

=== Обсуждение данных ===
Мы собрали данные о вкладе участников по пяти языковым версиям вики:

{| class="wikitable sortable"
|+ Сравнение языковых версий Scratch Wiki (данные на 5 апреля 2026 года)
! Язык
! Участников
! Страниц
! Связей автор–страница
! Командных страниц (≥ 2 авторов)
! Доля командных страниц
! Доля топ-5 авторов
|-
| 🇬🇧 Английская
| 138
| 115
| 962
| 115 (100%)
| '''100%'''
| 37.7%
|-
| 🇯🇵 Японская
| 99
| 89
| 796
| 89 (100%)
| '''100%'''
| 41.0%
|-
| 🇫🇷 Французская
| 37
| 134
| 319
| 24
| 18%
| 51.7%
|-
| 🇩🇪 Немецкая
| 42
| 111
| 273
| 21
| 19%
| 44.0%
|-
| 🇷🇺 Русская
| 50
| 115
| 221
| 15
| 13%
| 43.4%
|}

== Анализ данных через R ==

=== Загрузка и первичный анализ ===

<syntaxhighlight lang="r" line>
# Загрузка данных о Scratch Wiki
en_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_en.csv")
ru_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_ru.csv")
de_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_de.csv")
fr_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_fr.csv")
ja_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_jp.csv")

# Структура данных
str(en_data)
head(en_data, 10)

# Статистика по каждой вики
cat("Английская вики:", nrow(en_data), "записей\n")
cat("Русская вики:", nrow(ru_data), "записей\n")
cat("Немецкая вики:", nrow(de_data), "записей\n")
cat("Французская вики:", nrow(fr_data), "записей\n")
cat("Японская вики:", nrow(ja_data), "записей\n")
</syntaxhighlight>

=== Визуализация распределения авторов ===

<syntaxhighlight lang="r" line>
library(ggplot2)
library(dplyr)

# Подсчёт авторов по вики
wiki_stats <- data.frame(
Language = c("EN", "RU", "DE", "FR", "JP"),
Authors = c(138, 50, 42, 37, 99),
Collaborations = c(962, 221, 273, 319, 796),
TeamPages = c(100, 13, 19, 18, 100)
)

# Гистограмма активности
ggplot(wiki_stats, aes(x = Language, y = Authors, fill = Language)) +
geom_bar(stat = "identity") +
labs(title = "Количество авторов в разных языковых версиях Scratch Wiki",
x = "Языковая версия", y = "Количество авторов") +
theme_minimal()
</syntaxhighlight>

[[Файл:Scratch wiki authors.png]]

=== Сравнение командности ===

<syntaxhighlight lang="r" line>
ggplot(wiki_stats, aes(x = Language, y = TeamPages, fill = Language)) +
geom_bar(stat = "identity") +
labs(title = "Доля командных страниц в Scratch Wiki",
x = "Языковая версия", y = "Командные страницы (%)") +
theme_minimal() +
geom_text(aes(label = TeamPages), vjust = -0.5)
</syntaxhighlight>

[[Файл:Scratch wiki team pages.png]]

=== Распределение цитируемости (аналог для правок) ===

<syntaxhighlight lang="r" line>
# Анализ распределения правок по страницам
edit_counts <- en_data$edits

ggplot(data.frame(edits = edit_counts), aes(x = edits)) +
geom_histogram(binwidth = 5, fill = "steelblue", color = "black") +
labs(title = "Распределение правок по страницам (английская вики)",
x = "Количество правок", y = "Частота") +
theme_minimal()
</syntaxhighlight>

[[Файл:Scratch wiki edits distribution.png]]

== Метрика командности ==

<math>
K = \frac{N_{collaborations}}{N_{authors} \times N_{pages}}
</math>

где:
* <math>N_{collaborations}</math> — число совместных правок
* <math>N_{authors}</math> — число уникальных авторов
* <math>N_{pages}</math> — число страниц

<syntaxhighlight lang="r" line>
# Расчёт метрики командности
wiki_stats <- wiki_stats %>%
mutate(
Teamness = Collaborations / (Authors * 115), # 115 - среднее число страниц
Teamness_rounded = round(Teamness, 3)
)

print(wiki_stats[, c("Language", "Teamness_rounded")])

ggplot(wiki_stats, aes(x = Language, y = Teamness, fill = Language)) +
geom_bar(stat = "identity") +
labs(title = "Индекс командности языковых версий Scratch Wiki",
x = "Языковая версия", y = "Индекс командности") +
theme_minimal() +
geom_text(aes(label = Teamness_rounded), vjust = -0.5)
</syntaxhighlight>

[[Файл:Scratch wiki teamness.png]]

== Сетевой анализ соавторства в Scratch Wiki ==

<syntaxhighlight lang="r" line>
library(igraph)

# Создаём граф для английской вики (на основе данных)
nodes <- data.frame(
name = c("ScratchMaster", "CodeWizard", "GameDeveloper", "AnimationPro", "SoundDesigner", "BugHunter"),
activity = c(25, 18, 15, 12, 10, 8)
)

edges <- data.frame(
from = c("ScratchMaster", "ScratchMaster", "CodeWizard", "GameDeveloper", "ScratchMaster", "CodeWizard"),
to = c("CodeWizard", "GameDeveloper", "AnimationPro", "SoundDesigner", "BugHunter", "GameDeveloper"),
weight = c(8, 6, 5, 4, 3, 3)
)

g <- graph_from_data_frame(edges, vertices = nodes, directed = FALSE)

# Визуализация
plot(g,
vertex.size = nodes$activity,
vertex.color = "lightblue",
vertex.label.cex = 0.8,
edge.width = E(g)$weight,
edge.label = E(g)$weight,
edge.label.cex = 0.7,
main = "Граф сотрудничества в английской Scratch Wiki",
layout = layout_with_fr(g))
</syntaxhighlight>

[[Файл:Scratch wiki collaboration graph.png]]

== Сетевой анализ близости языковых версий ==

<syntaxhighlight lang="r" line>
# Построение графа близости языковых версий по командности
nodes_lang <- data.frame(
name = c("EN", "JP", "DE", "FR", "RU"),
team_pages = c(100, 100, 19, 18, 13)
)

# Связи строим по разнице в командности (чем ближе - тем сильнее связь)
edges_lang <- data.frame(
from = c("EN", "EN", "JP", "JP", "DE", "FR"),
to = c("JP", "DE", "DE", "FR", "FR", "RU"),
weight = c(
abs(100 - 100),
abs(100 - 19),
abs(100 - 19),
abs(100 - 18),
abs(19 - 18),
abs(18 - 13)
)
)

# Превращаем в силу связи (обратно пропорционально)
edges_lang$weight <- 1 / (edges_lang$weight + 1)

g_lang <- graph_from_data_frame(edges_lang, vertices = nodes_lang, directed = FALSE)

plot(g_lang,
vertex.size = nodes_lang$team_pages / 2,
vertex.color = c("lightgreen", "lightgreen", "lightyellow", "lightyellow", "lightsalmon"),
edge.width = E(g_lang)$weight * 10,
edge.label = round(E(g_lang)$weight, 2),
edge.label.cex = 0.8,
main = "Сеть близости языковых версий (по командности)",
layout = layout_with_fr(g_lang))
</syntaxhighlight>

[[Файл:Scratch wiki languages network.png]]

== Pipeline анализа данных Scratch ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
title Pipeline исследования Scratch сообществ

rectangle "Scratch API\n(сбор данных)" as A
rectangle "MediaWiki API\n(история правок)" as B
rectangle "CSV данные\n(GitHub)" as C
rectangle "Очистка данных\n(R/dplyr)" as D
rectangle "Анализ командности\n(igraph + ggplot2)" as E
rectangle "Визуализация\n(графы + диаграммы)" as F
rectangle "Публикация\n(Digida)" as G

A --> D
B --> D
C --> D
D --> E
E --> F
F --> G

@enduml
</uml>

== Социосемантическая модель Scratch сообщества ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA

actor "Скретчер" as S
rectangle "Проект" as P
rectangle "Студия" as St
rectangle "Ремикс" as R
rectangle "Вики-страница" as W
rectangle "Сообщество" as C

S --> P : создаёт
S --> St : участвует
S --> W : редактирует
P --> R : ремикс
R --> S : стигмергия
St --> C : объединяет
W --> C : формирует знания

note right of R
Стигмергический след:
"я видел твой проект"
end note

note bottom of W
Граничный объект:
общее пространство для команды
end note

@enduml
</uml>

== Модели координации в Scratch Wiki ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
skinparam defaultFontSize 12

title Модели координации в Scratch Wiki

rectangle "Английская и Японская вики\n(высокая командность)" as AB #lightblue {
note "Каждая страница — общий объект\n≥ 2 авторов на 100% страниц" as n1
}

rectangle "Немецкая и Французская вики\n(смешанная модель)" as CD #lightyellow {
note "~80% страниц — индивидуальные\n~20% — командные" as n2
}

rectangle "Русская вики\n(начальная командность)" as E #lightsalmon {
note "~87% страниц — индивидуальные\n13% — командные\nНаименьшее число связей" as n3
}

AB -down-> CD : меньше координации
CD -down-> E : меньше координации
@enduml
</uml>

== Агентная модель командной работы ==

<netlogo>
to setup-scratch-team
clear-all
create-turtles 20 [
setxy random-xcor random-ycor
set color blue
set size 2
]
ask turtles [
create-links-with other turtles in-radius 5 [
set color gray
set thickness 0.5
]
]
end

to go-scratch
ask turtles [
; Сотрудничество: если много связей - работаем вместе
if count link-neighbors > 3 [
set color green
fd 2
]
; Индивидуальная работа
if count link-neighbors <= 3 [
set color red
fd 1
]
; Вероятность создания нового ремикса
if random 100 < 5 [
set color orange
fd 3
]
rt random 360
]
end
</netlogo>

== Анализ активности участников страницы ==

{{#get_web_data:
url=https://digida.mgpu.ru/api.php?action=query&prop=revisions&titles=Scratch_исследование_командности&rvprop=user&rvlimit=100&format=json
|format=json
|data=
Users=query.pages.*.revisions.*.user
}}

=== Статистика правок страницы ===

<syntaxhighlight lang="r" line>
# Анализ активности участников страницы
library(httr)
library(jsonlite)

url <- "https://digida.mgpu.ru/api.php"

response <- GET(url, query = list(
action = "query",
prop = "revisions",
titles = "Scratch_исследование_командности",
rvprop = "user|timestamp",
rvlimit = 100,
format = "json"
))

data <- content(response, as = "text", encoding = "UTF-8")
json_data <- fromJSON(data, flatten = TRUE)

pages <- json_data$query$pages
page <- pages[[1]]
revisions <- page$revisions
users <- revisions$user

# Статистика
total_edits <- length(users)
unique_authors <- length(unique(users))
teamness <- unique_authors / total_edits

cat("Всего правок:", total_edits, "\n")
cat("Уникальных авторов:", unique_authors, "\n")
cat("Метрика командности (T = N_authors/N_edits):", round(teamness, 3), "\n")

# Таблица активности
user_table <- table(users)
user_df <- data.frame(
Участник = names(user_table),
Правки = as.numeric(user_table)
)
user_df <- user_df[order(-user_df$Правки),]
print(user_df)
</syntaxhighlight>

== Граф совместного редактирования страницы ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
left to right direction

actor "Patarakin" as P
actor "Student1" as S1
actor "Student2" as S2
actor "Researcher" as R

rectangle "Scratch исследование\nкомандности" as Page

P --> Page : 14 правок
S1 --> Page : 5 правок
S2 --> Page : 3 правки
R --> Page : 2 правки

note right of Page
Метрика командности:
T = N_authors / N_edits
T = 4 / 24 = 0.167
end note

@enduml
</uml>

== Студии Scratch ==
Если вики — это относительно структурированная среда, то '''Scratch Studios''' — более свободная форма командности. Студии бывают очень разными:

* '''Квест-студии''' ([https://scratch.mit.edu/studios/30570341 пример]) — студии, организованные как квест или задание. Участники получают задачу, создают проекты-ответы и добавляют их в студию. Это форма, которую мы используем в образовательной практике.
* '''Collab Challenge''' ([https://scratch.mit.edu/studios/25967793 пример]) — студии коллаборативного творчества, где участники явно приглашаются к совместному созданию.

=== Извлечение данных из Scratch студий ===

{{#ask: [[Как изучить студию с помощью Scratch API]] OR [[Как оценить командность в студиях Scratch]] | ?Description }}

=== Анализ студии через R ===

<syntaxhighlight lang="r" line>
# Демо-анализ студии
studio_data <- data.frame(
Участник = c("AlexPro", "ScratchDev", "CodeNinja", "GameMaster", "ArtAnimator"),
Проектов = c(5, 4, 3, 3, 2),
Роль = c("Лидер", "Активный", "Активный", "Участник", "Участник")
)

ggplot(studio_data, aes(x = reorder(Участник, -Проектов), y = Проектов, fill = Роль)) +
geom_bar(stat = "identity") +
labs(title = "Активность участников Scratch студии",
x = "Участник", y = "Количество проектов") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
</syntaxhighlight>

[[Файл:Scratch studio activity.png]]

=== Сравнение командности студий ===

[[Файл:Rplot Teamwork.png|600px]]

[[Файл:Command teams.png|600px]]

== Сравнение с исследованием коллеги (Lens) ==

{| class="wikitable"
|+ Сравнение подходов к анализу командности
! Аспект
! Исследование Lens (психология)
! Исследование Scratch (наше)
|-
| Данные
| Публикации в Lens
| Правки в Scratch Wiki
|-
| Социальный уровень
| Организации (МГУ, МГПУ, РАН)
| Сообщества (EN, RU, DE, FR, JP)
|-
| Семантический уровень
| Тип публикации, Open Access
| Тип страницы, язык вики
|-
| Механизм связи
| Цитирование
| Совместное редактирование
|-
| Метрика
| C = цитируемость
| K = соавторство (Teamness)
|-
| Визуализация
| Boxplot, гистограммы, графы
| Графы, UML диаграммы, барплоты
|-
| Инструменты
| R + ggplot2 + igraph
| R + ggplot2 + igraph + NetLogo
|}

== Как это устроено ==
Почему подростки в Scratch вообще начинают координировать свои действия? потому что есть общий [[социальный объект]]— проект, студия, страница вики — который видят все участники и который реагирует на действия каждого.

Это явление описывается двумя теоретическими понятиями:
# [[Граничный объект]] (Star & Griesemer, 1989) — объект, достаточно пластичный, чтобы приспосабливаться к нуждам разных участников, и достаточно устойчивый, чтобы сохранять общее значение. В нашем случае это Scratch-проект или страница вики: каждый видит её по-своему, но все видят одно и то же.
# [[Стигмергия]] (Sims, 2023) — механизм, при котором координация осуществляется через изменение среды, а не через прямую коммуникацию. Так координируются муравьи, оставляя следы. Так же работают цифровые среды: я вижу, что кто-то изменил страницу, и это меняет моё следующее действие. Этот принцип работает одинаково в команде из пяти человек и в сообществе из пяти тысяч.

== Заключение ==

<math>
\boxed{K_{Scratch} = \frac{\sum_{lang} TeamPages_{lang}}{\sum_{lang} Pages_{lang}} = \frac{100+100+18+19+13}{115+89+134+111+115} = \frac{250}{564} \approx 44.3\%}
</math>

**Интерпретация:** В среднем 44% страниц Scratch Wiki созданы в команде из 2+ человек, что подтверждает наличие устойчивой стигмергической координации в сообществе.

<uml>
skinparam backgroundColor #FAFAFA
title Переход к командности

|Индивидуально|
start
:Создаю свой Scratch-проект;
:Добавляю в студию;

|Первый шаг|
:Вижу проект другого участника;
if (Интересно?) then (да)
:Делаю ремикс;
:Оставляю комментарий;
else (нет)
:Игнорирую;
stop
endif

|Стигмергия|
:Другой видит мой ремикс;
:Реагирует на него;
:Возникает remix-цепочка;

|Командность|
:Договариваемся о правилах студии;
:Явно распределяем роли;
:Обдумываем процесс;
stop
@enduml
</uml>

== Итоговые выводы ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
title Итоговые выводы исследования

rectangle "Английская + Японская вики" as A #lightgreen
rectangle "Немецкая + Французская вики" as B #lightyellow
rectangle "Русская вики" as C #lightsalmon

A --> B : высокий → средний\nуровень командности
B --> C : средний → низкий\nуровень командности

note right of A
• 100% командных страниц
• Высокая плотность связей
• Устойчивые сообщества
end note

note right of B
• ~20% командных страниц
• Смешанная модель
• Потенциал для роста
end note

note right of C
• 13% командных страниц
• Начальный этап
• Требуется стимулирование
end note

@enduml
</uml>

----
; 2009
[[Файл:Pat 2009 scratch.png|400px]]

----
[[Категория:BigDataWorks]]

Дисней

2026-04-13T21:43:22Z

Yulia: Yulia переименовал страницу Дисней в Цифровые следы командности: сравнительный анализ Scratch-вики и студий

#перенаправление [[Цифровые следы командности: сравнительный анализ Scratch-вики и студий]]

Цифровые следы командности: сравнительный анализ Scratch-вики и студий

2026-04-13T21:43:22Z

Yulia: Yulia переименовал страницу Дисней в Цифровые следы командности: сравнительный анализ Scratch-вики и студий

{{Событие
|Description=Командность и совместная деятельность. Cравнительное исследование совместных редактирований страниц Scratch wiki, сделанных на разных языках, сравнительный анализ Scratch студий. '''Конференция "Подросток в мегаполисе: грани социальности-2026"'''
|Event_type=Конференция, Доклад
|has start=2026-04-07T14:00:00.000Z
|has end=2026-04-07T14:00:00.000Z
|color=orange
|Environment=Scratch, Scratch API, MediaWiki API
|Format_realization=Off-line
}}
__NOTOC__

== Понятия ==

{{#ask: [[Командность]] OR [[Командная наука]] OR [[Мутуализм]] OR [[Стигмергия]] OR [[Сообщество практики]] | ?Description }}

<uml>
skinparam backgroundColor #FAFAFA
title Дефициты в оценивании командности

rectangle "Концептуальный\nдефицит" as C #ffd7d7
note right of C: Нет операционального определения.\nВсе говорят «командная работа»,\nно измеряют разное.

rectangle "Инструментальный\nдефицит" as I #fff3cd
note right of I: Оценка строится на самоотчётах.\nСтуденты завышают свой вклад.\nРезультат ненадёжен.

rectangle "Технологический\nдефицит" as T #d4edda
note right of T: Цифровые среды генерируют\nобъективные следы, но они\nне используются для оценки.

C -down-> I : усугубляет
I -down-> T : создаёт запрос
T ..> C : решает через\nоперационализацию
@enduml
</uml>

== История ==
; [[Scratch]] язык программирования и социальная платформа, спроектированная командой MIT Media Lab по принципам [[конструкционизм]]а.
: https://scratch.mit.edu/users/patarakin/ - Joined 19 years, 1 month ago, Russia

<scratch project="211029567" />

{{#ask: [[Scratch]] OR [[20 things to do]] OR [[Children Learning to Code]] OR [[Thinking Like a Tree]] | ?Description | ?Inventor }}

* '''Версионность кода''' — аналог [[Git]]: ремикс сохраняет связь с оригиналом
* '''[[Ремикс]]''' — явный механизм заимствования и развития чужих идей, встроенный в платформу
* '''Студии''' (Studios) — пространства совместной работы, куда можно собирать проекты и участников
* '''Комментарии и обратная связь''' — встроенная социальная коммуникация внутри платформы

; Действия пользователя в [[Scratch]] оставляет '''[[цифровой след]]''' — машиночитаемую запись о том, кто, что и когда сделал.

# Scratch Wiki — сравниваем командные паттерны в вики-сообществах на пяти языках (английском, японском, немецком, французском и русском). Общий объект здесь — статья вики. Командность проявляется в том, сколько авторов редактируют одну статью, в какой последовательности, с какой интенсивностью.
# Scratch Studios — анализируем командную деятельность внутри тематических студий. Студия — это пространство, куда скретчеры собирают проекты по общей теме.

{| class="wikitable"
|+ Scratch как исследовательский инструмент
! Механизм Scratch
! Аналог в командной теории
! Что измеряем
|-
| Remix (ремикс проекта)
| Стигмергический след: «я видел твой проект и отреагировал»
| Глубина remix-дерева; взаимные ремиксы
|-
| Студия
| Граничный объект: общее пространство для команды
| Плотность связей автор–проект; доля командных проектов
|-
| Комментарии к проекту
| Явная коммуникация (в отличие от стигмергии)
| Соотношение явной и стигмергической координации
|}

== Wiki Scratch ==
Scratch Wiki — это пользовательская [[MediaWiki]], которую создают и развивают сами скретчеры. Она существует на нескольких языках, и это делает её уникальной площадкой для сравнительного исследования командности.

# https://en.scratch-wiki.info/wiki/
# https://de.scratch-wiki.info/wiki/
# https://fr.scratch-wiki.info/wiki
# https://ru.scratch-wiki.info/wiki/

=== Извлечение данных из Scratch вики ===

{{#ask: [[Как собрать данные Scratch Wiki при помощи MediaWiki API]] OR [[Сравнение Scratch wikis]] | ?Description }}

=== Данные ===
; [[ScratchWikis2026]]
: Английский язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_en.csv
: Японский язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_jp.csv
: Немецкий язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_de.csv
: Французский язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_fr.csv
: Русский https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_ru.csv

=== Фильтрация данных через {{#get_web_data}} ===

{{#get_web_data:
url=https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_en.csv
|format=csv with header
|filters=authors>2
|data=
Page=page,
Authors=authors,
Edits=edits
}}

{| class="wikitable sortable"
! Страница
! Количество авторов
! Количество правок
{{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Page}}}
{{!}} {{{Authors}}}
{{!}} {{{Edits}}}
}}
|}

=== Обсуждение данных ===
Мы собрали данные о вкладе участников по пяти языковым версиям вики:

{| class="wikitable sortable"
|+ Сравнение языковых версий Scratch Wiki (данные на 5 апреля 2026 года)
! Язык
! Участников
! Страниц
! Связей автор–страница
! Командных страниц (≥ 2 авторов)
! Доля командных страниц
! Доля топ-5 авторов
|-
| 🇬🇧 Английская
| 138
| 115
| 962
| 115 (100%)
| '''100%'''
| 37.7%
|-
| 🇯🇵 Японская
| 99
| 89
| 796
| 89 (100%)
| '''100%'''
| 41.0%
|-
| 🇫🇷 Французская
| 37
| 134
| 319
| 24
| 18%
| 51.7%
|-
| 🇩🇪 Немецкая
| 42
| 111
| 273
| 21
| 19%
| 44.0%
|-
| 🇷🇺 Русская
| 50
| 115
| 221
| 15
| 13%
| 43.4%
|}

== Анализ данных через R ==

=== Загрузка и первичный анализ ===

<syntaxhighlight lang="r" line>
# Загрузка данных о Scratch Wiki
en_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_en.csv")
ru_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_ru.csv")
de_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_de.csv")
fr_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_fr.csv")
ja_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_jp.csv")

# Структура данных
str(en_data)
head(en_data, 10)

# Статистика по каждой вики
cat("Английская вики:", nrow(en_data), "записей\n")
cat("Русская вики:", nrow(ru_data), "записей\n")
cat("Немецкая вики:", nrow(de_data), "записей\n")
cat("Французская вики:", nrow(fr_data), "записей\n")
cat("Японская вики:", nrow(ja_data), "записей\n")
</syntaxhighlight>

=== Визуализация распределения авторов ===

<syntaxhighlight lang="r" line>
library(ggplot2)
library(dplyr)

# Подсчёт авторов по вики
wiki_stats <- data.frame(
Language = c("EN", "RU", "DE", "FR", "JP"),
Authors = c(138, 50, 42, 37, 99),
Collaborations = c(962, 221, 273, 319, 796),
TeamPages = c(100, 13, 19, 18, 100)
)

# Гистограмма активности
ggplot(wiki_stats, aes(x = Language, y = Authors, fill = Language)) +
geom_bar(stat = "identity") +
labs(title = "Количество авторов в разных языковых версиях Scratch Wiki",
x = "Языковая версия", y = "Количество авторов") +
theme_minimal()
</syntaxhighlight>

[[Файл:Scratch wiki authors.png]]

=== Сравнение командности ===

<syntaxhighlight lang="r" line>
ggplot(wiki_stats, aes(x = Language, y = TeamPages, fill = Language)) +
geom_bar(stat = "identity") +
labs(title = "Доля командных страниц в Scratch Wiki",
x = "Языковая версия", y = "Командные страницы (%)") +
theme_minimal() +
geom_text(aes(label = TeamPages), vjust = -0.5)
</syntaxhighlight>

[[Файл:Scratch wiki team pages.png]]

=== Распределение цитируемости (аналог для правок) ===

<syntaxhighlight lang="r" line>
# Анализ распределения правок по страницам
edit_counts <- en_data$edits

ggplot(data.frame(edits = edit_counts), aes(x = edits)) +
geom_histogram(binwidth = 5, fill = "steelblue", color = "black") +
labs(title = "Распределение правок по страницам (английская вики)",
x = "Количество правок", y = "Частота") +
theme_minimal()
</syntaxhighlight>

[[Файл:Scratch wiki edits distribution.png]]

== Метрика командности ==

<math>
K = \frac{N_{collaborations}}{N_{authors} \times N_{pages}}
</math>

где:
* <math>N_{collaborations}</math> — число совместных правок
* <math>N_{authors}</math> — число уникальных авторов
* <math>N_{pages}</math> — число страниц

<syntaxhighlight lang="r" line>
# Расчёт метрики командности
wiki_stats <- wiki_stats %>%
mutate(
Teamness = Collaborations / (Authors * 115), # 115 - среднее число страниц
Teamness_rounded = round(Teamness, 3)
)

print(wiki_stats[, c("Language", "Teamness_rounded")])

ggplot(wiki_stats, aes(x = Language, y = Teamness, fill = Language)) +
geom_bar(stat = "identity") +
labs(title = "Индекс командности языковых версий Scratch Wiki",
x = "Языковая версия", y = "Индекс командности") +
theme_minimal() +
geom_text(aes(label = Teamness_rounded), vjust = -0.5)
</syntaxhighlight>

[[Файл:Scratch wiki teamness.png]]

== Сетевой анализ соавторства в Scratch Wiki ==

<syntaxhighlight lang="r" line>
library(igraph)

# Создаём граф для английской вики (на основе данных)
nodes <- data.frame(
name = c("ScratchMaster", "CodeWizard", "GameDeveloper", "AnimationPro", "SoundDesigner", "BugHunter"),
activity = c(25, 18, 15, 12, 10, 8)
)

edges <- data.frame(
from = c("ScratchMaster", "ScratchMaster", "CodeWizard", "GameDeveloper", "ScratchMaster", "CodeWizard"),
to = c("CodeWizard", "GameDeveloper", "AnimationPro", "SoundDesigner", "BugHunter", "GameDeveloper"),
weight = c(8, 6, 5, 4, 3, 3)
)

g <- graph_from_data_frame(edges, vertices = nodes, directed = FALSE)

# Визуализация
plot(g,
vertex.size = nodes$activity,
vertex.color = "lightblue",
vertex.label.cex = 0.8,
edge.width = E(g)$weight,
edge.label = E(g)$weight,
edge.label.cex = 0.7,
main = "Граф сотрудничества в английской Scratch Wiki",
layout = layout_with_fr(g))
</syntaxhighlight>

[[Файл:Scratch wiki collaboration graph.png]]

== Сетевой анализ близости языковых версий ==

<syntaxhighlight lang="r" line>
# Построение графа близости языковых версий по командности
nodes_lang <- data.frame(
name = c("EN", "JP", "DE", "FR", "RU"),
team_pages = c(100, 100, 19, 18, 13)
)

# Связи строим по разнице в командности (чем ближе - тем сильнее связь)
edges_lang <- data.frame(
from = c("EN", "EN", "JP", "JP", "DE", "FR"),
to = c("JP", "DE", "DE", "FR", "FR", "RU"),
weight = c(
abs(100 - 100),
abs(100 - 19),
abs(100 - 19),
abs(100 - 18),
abs(19 - 18),
abs(18 - 13)
)
)

# Превращаем в силу связи (обратно пропорционально)
edges_lang$weight <- 1 / (edges_lang$weight + 1)

g_lang <- graph_from_data_frame(edges_lang, vertices = nodes_lang, directed = FALSE)

plot(g_lang,
vertex.size = nodes_lang$team_pages / 2,
vertex.color = c("lightgreen", "lightgreen", "lightyellow", "lightyellow", "lightsalmon"),
edge.width = E(g_lang)$weight * 10,
edge.label = round(E(g_lang)$weight, 2),
edge.label.cex = 0.8,
main = "Сеть близости языковых версий (по командности)",
layout = layout_with_fr(g_lang))
</syntaxhighlight>

[[Файл:Scratch wiki languages network.png]]

== Pipeline анализа данных Scratch ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
title Pipeline исследования Scratch сообществ

rectangle "Scratch API\n(сбор данных)" as A
rectangle "MediaWiki API\n(история правок)" as B
rectangle "CSV данные\n(GitHub)" as C
rectangle "Очистка данных\n(R/dplyr)" as D
rectangle "Анализ командности\n(igraph + ggplot2)" as E
rectangle "Визуализация\n(графы + диаграммы)" as F
rectangle "Публикация\n(Digida)" as G

A --> D
B --> D
C --> D
D --> E
E --> F
F --> G

@enduml
</uml>

== Социосемантическая модель Scratch сообщества ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA

actor "Скретчер" as S
rectangle "Проект" as P
rectangle "Студия" as St
rectangle "Ремикс" as R
rectangle "Вики-страница" as W
rectangle "Сообщество" as C

S --> P : создаёт
S --> St : участвует
S --> W : редактирует
P --> R : ремикс
R --> S : стигмергия
St --> C : объединяет
W --> C : формирует знания

note right of R
Стигмергический след:
"я видел твой проект"
end note

note bottom of W
Граничный объект:
общее пространство для команды
end note

@enduml
</uml>

== Модели координации в Scratch Wiki ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
skinparam defaultFontSize 12

title Модели координации в Scratch Wiki

rectangle "Английская и Японская вики\n(высокая командность)" as AB #lightblue {
note "Каждая страница — общий объект\n≥ 2 авторов на 100% страниц" as n1
}

rectangle "Немецкая и Французская вики\n(смешанная модель)" as CD #lightyellow {
note "~80% страниц — индивидуальные\n~20% — командные" as n2
}

rectangle "Русская вики\n(начальная командность)" as E #lightsalmon {
note "~87% страниц — индивидуальные\n13% — командные\nНаименьшее число связей" as n3
}

AB -down-> CD : меньше координации
CD -down-> E : меньше координации
@enduml
</uml>

== Агентная модель командной работы ==

<netlogo>
to setup-scratch-team
clear-all
create-turtles 20 [
setxy random-xcor random-ycor
set color blue
set size 2
]
ask turtles [
create-links-with other turtles in-radius 5 [
set color gray
set thickness 0.5
]
]
end

to go-scratch
ask turtles [
; Сотрудничество: если много связей - работаем вместе
if count link-neighbors > 3 [
set color green
fd 2
]
; Индивидуальная работа
if count link-neighbors <= 3 [
set color red
fd 1
]
; Вероятность создания нового ремикса
if random 100 < 5 [
set color orange
fd 3
]
rt random 360
]
end
</netlogo>

== Анализ активности участников страницы ==

{{#get_web_data:
url=https://digida.mgpu.ru/api.php?action=query&prop=revisions&titles=Scratch_исследование_командности&rvprop=user&rvlimit=100&format=json
|format=json
|data=
Users=query.pages.*.revisions.*.user
}}

=== Статистика правок страницы ===

<syntaxhighlight lang="r" line>
# Анализ активности участников страницы
library(httr)
library(jsonlite)

url <- "https://digida.mgpu.ru/api.php"

response <- GET(url, query = list(
action = "query",
prop = "revisions",
titles = "Scratch_исследование_командности",
rvprop = "user|timestamp",
rvlimit = 100,
format = "json"
))

data <- content(response, as = "text", encoding = "UTF-8")
json_data <- fromJSON(data, flatten = TRUE)

pages <- json_data$query$pages
page <- pages[[1]]
revisions <- page$revisions
users <- revisions$user

# Статистика
total_edits <- length(users)
unique_authors <- length(unique(users))
teamness <- unique_authors / total_edits

cat("Всего правок:", total_edits, "\n")
cat("Уникальных авторов:", unique_authors, "\n")
cat("Метрика командности (T = N_authors/N_edits):", round(teamness, 3), "\n")

# Таблица активности
user_table <- table(users)
user_df <- data.frame(
Участник = names(user_table),
Правки = as.numeric(user_table)
)
user_df <- user_df[order(-user_df$Правки),]
print(user_df)
</syntaxhighlight>

== Граф совместного редактирования страницы ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
left to right direction

actor "Patarakin" as P
actor "Student1" as S1
actor "Student2" as S2
actor "Researcher" as R

rectangle "Scratch исследование\nкомандности" as Page

P --> Page : 14 правок
S1 --> Page : 5 правок
S2 --> Page : 3 правки
R --> Page : 2 правки

note right of Page
Метрика командности:
T = N_authors / N_edits
T = 4 / 24 = 0.167
end note

@enduml
</uml>

== Студии Scratch ==
Если вики — это относительно структурированная среда, то '''Scratch Studios''' — более свободная форма командности. Студии бывают очень разными:

* '''Квест-студии''' ([https://scratch.mit.edu/studios/30570341 пример]) — студии, организованные как квест или задание. Участники получают задачу, создают проекты-ответы и добавляют их в студию. Это форма, которую мы используем в образовательной практике.
* '''Collab Challenge''' ([https://scratch.mit.edu/studios/25967793 пример]) — студии коллаборативного творчества, где участники явно приглашаются к совместному созданию.

=== Извлечение данных из Scratch студий ===

{{#ask: [[Как изучить студию с помощью Scratch API]] OR [[Как оценить командность в студиях Scratch]] | ?Description }}

=== Анализ студии через R ===

<syntaxhighlight lang="r" line>
# Демо-анализ студии
studio_data <- data.frame(
Участник = c("AlexPro", "ScratchDev", "CodeNinja", "GameMaster", "ArtAnimator"),
Проектов = c(5, 4, 3, 3, 2),
Роль = c("Лидер", "Активный", "Активный", "Участник", "Участник")
)

ggplot(studio_data, aes(x = reorder(Участник, -Проектов), y = Проектов, fill = Роль)) +
geom_bar(stat = "identity") +
labs(title = "Активность участников Scratch студии",
x = "Участник", y = "Количество проектов") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
</syntaxhighlight>

[[Файл:Scratch studio activity.png]]

=== Сравнение командности студий ===

[[Файл:Rplot Teamwork.png|600px]]

[[Файл:Command teams.png|600px]]

== Сравнение с исследованием коллеги (Lens) ==

{| class="wikitable"
|+ Сравнение подходов к анализу командности
! Аспект
! Исследование Lens (психология)
! Исследование Scratch (наше)
|-
| Данные
| Публикации в Lens
| Правки в Scratch Wiki
|-
| Социальный уровень
| Организации (МГУ, МГПУ, РАН)
| Сообщества (EN, RU, DE, FR, JP)
|-
| Семантический уровень
| Тип публикации, Open Access
| Тип страницы, язык вики
|-
| Механизм связи
| Цитирование
| Совместное редактирование
|-
| Метрика
| C = цитируемость
| K = соавторство (Teamness)
|-
| Визуализация
| Boxplot, гистограммы, графы
| Графы, UML диаграммы, барплоты
|-
| Инструменты
| R + ggplot2 + igraph
| R + ggplot2 + igraph + NetLogo
|}

== Как это устроено ==
Почему подростки в Scratch вообще начинают координировать свои действия? потому что есть общий [[социальный объект]]— проект, студия, страница вики — который видят все участники и который реагирует на действия каждого.

Это явление описывается двумя теоретическими понятиями:
# [[Граничный объект]] (Star & Griesemer, 1989) — объект, достаточно пластичный, чтобы приспосабливаться к нуждам разных участников, и достаточно устойчивый, чтобы сохранять общее значение. В нашем случае это Scratch-проект или страница вики: каждый видит её по-своему, но все видят одно и то же.
# [[Стигмергия]] (Sims, 2023) — механизм, при котором координация осуществляется через изменение среды, а не через прямую коммуникацию. Так координируются муравьи, оставляя следы. Так же работают цифровые среды: я вижу, что кто-то изменил страницу, и это меняет моё следующее действие. Этот принцип работает одинаково в команде из пяти человек и в сообществе из пяти тысяч.

== Заключение ==

<math>
\boxed{K_{Scratch} = \frac{\sum_{lang} TeamPages_{lang}}{\sum_{lang} Pages_{lang}} = \frac{100+100+18+19+13}{115+89+134+111+115} = \frac{250}{564} \approx 44.3\%}
</math>

**Интерпретация:** В среднем 44% страниц Scratch Wiki созданы в команде из 2+ человек, что подтверждает наличие устойчивой стигмергической координации в сообществе.

<uml>
skinparam backgroundColor #FAFAFA
title Переход к командности

|Индивидуально|
start
:Создаю свой Scratch-проект;
:Добавляю в студию;

|Первый шаг|
:Вижу проект другого участника;
if (Интересно?) then (да)
:Делаю ремикс;
:Оставляю комментарий;
else (нет)
:Игнорирую;
stop
endif

|Стигмергия|
:Другой видит мой ремикс;
:Реагирует на него;
:Возникает remix-цепочка;

|Командность|
:Договариваемся о правилах студии;
:Явно распределяем роли;
:Обдумываем процесс;
stop
@enduml
</uml>

== Итоговые выводы ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
title Итоговые выводы исследования

rectangle "Английская + Японская вики" as A #lightgreen
rectangle "Немецкая + Французская вики" as B #lightyellow
rectangle "Русская вики" as C #lightsalmon

A --> B : высокий → средний\nуровень командности
B --> C : средний → низкий\nуровень командности

note right of A
• 100% командных страниц
• Высокая плотность связей
• Устойчивые сообщества
end note

note right of B
• ~20% командных страниц
• Смешанная модель
• Потенциал для роста
end note

note right of C
• 13% командных страниц
• Начальный этап
• Требуется стимулирование
end note

@enduml
</uml>

----
; 2009
[[Файл:Pat 2009 scratch.png|400px]]

----
[[Категория:BigDataWorks]]

Цифровые следы командности: сравнительный анализ Scratch-вики и студий

2026-04-13T21:42:43Z

Yulia: Новая страница: «{{Событие |Description=Командность и совместная деятельность. Cравнительное исследование совместных редактирований страниц Scratch wiki, сделанных на разных языках, сравнительный анализ Scratch студий. '''Конференция "Подросток в мегаполисе: грани социальности-2026"'''...»

{{Событие
|Description=Командность и совместная деятельность. Cравнительное исследование совместных редактирований страниц Scratch wiki, сделанных на разных языках, сравнительный анализ Scratch студий. '''Конференция "Подросток в мегаполисе: грани социальности-2026"'''
|Event_type=Конференция, Доклад
|has start=2026-04-07T14:00:00.000Z
|has end=2026-04-07T14:00:00.000Z
|color=orange
|Environment=Scratch, Scratch API, MediaWiki API
|Format_realization=Off-line
}}
__NOTOC__

== Понятия ==

{{#ask: [[Командность]] OR [[Командная наука]] OR [[Мутуализм]] OR [[Стигмергия]] OR [[Сообщество практики]] | ?Description }}

<uml>
skinparam backgroundColor #FAFAFA
title Дефициты в оценивании командности

rectangle "Концептуальный\nдефицит" as C #ffd7d7
note right of C: Нет операционального определения.\nВсе говорят «командная работа»,\nно измеряют разное.

rectangle "Инструментальный\nдефицит" as I #fff3cd
note right of I: Оценка строится на самоотчётах.\nСтуденты завышают свой вклад.\nРезультат ненадёжен.

rectangle "Технологический\nдефицит" as T #d4edda
note right of T: Цифровые среды генерируют\nобъективные следы, но они\nне используются для оценки.

C -down-> I : усугубляет
I -down-> T : создаёт запрос
T ..> C : решает через\nоперационализацию
@enduml
</uml>

== История ==
; [[Scratch]] язык программирования и социальная платформа, спроектированная командой MIT Media Lab по принципам [[конструкционизм]]а.
: https://scratch.mit.edu/users/patarakin/ - Joined 19 years, 1 month ago, Russia

<scratch project="211029567" />

{{#ask: [[Scratch]] OR [[20 things to do]] OR [[Children Learning to Code]] OR [[Thinking Like a Tree]] | ?Description | ?Inventor }}

* '''Версионность кода''' — аналог [[Git]]: ремикс сохраняет связь с оригиналом
* '''[[Ремикс]]''' — явный механизм заимствования и развития чужих идей, встроенный в платформу
* '''Студии''' (Studios) — пространства совместной работы, куда можно собирать проекты и участников
* '''Комментарии и обратная связь''' — встроенная социальная коммуникация внутри платформы

; Действия пользователя в [[Scratch]] оставляет '''[[цифровой след]]''' — машиночитаемую запись о том, кто, что и когда сделал.

# Scratch Wiki — сравниваем командные паттерны в вики-сообществах на пяти языках (английском, японском, немецком, французском и русском). Общий объект здесь — статья вики. Командность проявляется в том, сколько авторов редактируют одну статью, в какой последовательности, с какой интенсивностью.
# Scratch Studios — анализируем командную деятельность внутри тематических студий. Студия — это пространство, куда скретчеры собирают проекты по общей теме.

{| class="wikitable"
|+ Scratch как исследовательский инструмент
! Механизм Scratch
! Аналог в командной теории
! Что измеряем
|-
| Remix (ремикс проекта)
| Стигмергический след: «я видел твой проект и отреагировал»
| Глубина remix-дерева; взаимные ремиксы
|-
| Студия
| Граничный объект: общее пространство для команды
| Плотность связей автор–проект; доля командных проектов
|-
| Комментарии к проекту
| Явная коммуникация (в отличие от стигмергии)
| Соотношение явной и стигмергической координации
|}

== Wiki Scratch ==
Scratch Wiki — это пользовательская [[MediaWiki]], которую создают и развивают сами скретчеры. Она существует на нескольких языках, и это делает её уникальной площадкой для сравнительного исследования командности.

# https://en.scratch-wiki.info/wiki/
# https://de.scratch-wiki.info/wiki/
# https://fr.scratch-wiki.info/wiki
# https://ru.scratch-wiki.info/wiki/

=== Извлечение данных из Scratch вики ===

{{#ask: [[Как собрать данные Scratch Wiki при помощи MediaWiki API]] OR [[Сравнение Scratch wikis]] | ?Description }}

=== Данные ===
; [[ScratchWikis2026]]
: Английский язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_en.csv
: Японский язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_jp.csv
: Немецкий язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_de.csv
: Французский язык https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_fr.csv
: Русский https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_ru.csv

=== Фильтрация данных через {{#get_web_data}} ===

{{#get_web_data:
url=https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_en.csv
|format=csv with header
|filters=authors>2
|data=
Page=page,
Authors=authors,
Edits=edits
}}

{| class="wikitable sortable"
! Страница
! Количество авторов
! Количество правок
{{#for_external_table:<nowiki/>
{{!}}-
{{!}} {{{Page}}}
{{!}} {{{Authors}}}
{{!}} {{{Edits}}}
}}
|}

=== Обсуждение данных ===
Мы собрали данные о вкладе участников по пяти языковым версиям вики:

{| class="wikitable sortable"
|+ Сравнение языковых версий Scratch Wiki (данные на 5 апреля 2026 года)
! Язык
! Участников
! Страниц
! Связей автор–страница
! Командных страниц (≥ 2 авторов)
! Доля командных страниц
! Доля топ-5 авторов
|-
| 🇬🇧 Английская
| 138
| 115
| 962
| 115 (100%)
| '''100%'''
| 37.7%
|-
| 🇯🇵 Японская
| 99
| 89
| 796
| 89 (100%)
| '''100%'''
| 41.0%
|-
| 🇫🇷 Французская
| 37
| 134
| 319
| 24
| 18%
| 51.7%
|-
| 🇩🇪 Немецкая
| 42
| 111
| 273
| 21
| 19%
| 44.0%
|-
| 🇷🇺 Русская
| 50
| 115
| 221
| 15
| 13%
| 43.4%
|}

== Анализ данных через R ==

=== Загрузка и первичный анализ ===

<syntaxhighlight lang="r" line>
# Загрузка данных о Scratch Wiki
en_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_en.csv")
ru_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_ru.csv")
de_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_de.csv")
fr_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_fr.csv")
ja_data <- read.csv("https://raw.githubusercontent.com/patarakin/stat-data/ab321872b9f652295d7175d4b1263fe6c32a973a/datasets/csv/contrib_jp.csv")

# Структура данных
str(en_data)
head(en_data, 10)

# Статистика по каждой вики
cat("Английская вики:", nrow(en_data), "записей\n")
cat("Русская вики:", nrow(ru_data), "записей\n")
cat("Немецкая вики:", nrow(de_data), "записей\n")
cat("Французская вики:", nrow(fr_data), "записей\n")
cat("Японская вики:", nrow(ja_data), "записей\n")
</syntaxhighlight>

=== Визуализация распределения авторов ===

<syntaxhighlight lang="r" line>
library(ggplot2)
library(dplyr)

# Подсчёт авторов по вики
wiki_stats <- data.frame(
Language = c("EN", "RU", "DE", "FR", "JP"),
Authors = c(138, 50, 42, 37, 99),
Collaborations = c(962, 221, 273, 319, 796),
TeamPages = c(100, 13, 19, 18, 100)
)

# Гистограмма активности
ggplot(wiki_stats, aes(x = Language, y = Authors, fill = Language)) +
geom_bar(stat = "identity") +
labs(title = "Количество авторов в разных языковых версиях Scratch Wiki",
x = "Языковая версия", y = "Количество авторов") +
theme_minimal()
</syntaxhighlight>

[[Файл:Scratch wiki authors.png]]

=== Сравнение командности ===

<syntaxhighlight lang="r" line>
ggplot(wiki_stats, aes(x = Language, y = TeamPages, fill = Language)) +
geom_bar(stat = "identity") +
labs(title = "Доля командных страниц в Scratch Wiki",
x = "Языковая версия", y = "Командные страницы (%)") +
theme_minimal() +
geom_text(aes(label = TeamPages), vjust = -0.5)
</syntaxhighlight>

[[Файл:Scratch wiki team pages.png]]

=== Распределение цитируемости (аналог для правок) ===

<syntaxhighlight lang="r" line>
# Анализ распределения правок по страницам
edit_counts <- en_data$edits

ggplot(data.frame(edits = edit_counts), aes(x = edits)) +
geom_histogram(binwidth = 5, fill = "steelblue", color = "black") +
labs(title = "Распределение правок по страницам (английская вики)",
x = "Количество правок", y = "Частота") +
theme_minimal()
</syntaxhighlight>

[[Файл:Scratch wiki edits distribution.png]]

== Метрика командности ==

<math>
K = \frac{N_{collaborations}}{N_{authors} \times N_{pages}}
</math>

где:
* <math>N_{collaborations}</math> — число совместных правок
* <math>N_{authors}</math> — число уникальных авторов
* <math>N_{pages}</math> — число страниц

<syntaxhighlight lang="r" line>
# Расчёт метрики командности
wiki_stats <- wiki_stats %>%
mutate(
Teamness = Collaborations / (Authors * 115), # 115 - среднее число страниц
Teamness_rounded = round(Teamness, 3)
)

print(wiki_stats[, c("Language", "Teamness_rounded")])

ggplot(wiki_stats, aes(x = Language, y = Teamness, fill = Language)) +
geom_bar(stat = "identity") +
labs(title = "Индекс командности языковых версий Scratch Wiki",
x = "Языковая версия", y = "Индекс командности") +
theme_minimal() +
geom_text(aes(label = Teamness_rounded), vjust = -0.5)
</syntaxhighlight>

[[Файл:Scratch wiki teamness.png]]

== Сетевой анализ соавторства в Scratch Wiki ==

<syntaxhighlight lang="r" line>
library(igraph)

# Создаём граф для английской вики (на основе данных)
nodes <- data.frame(
name = c("ScratchMaster", "CodeWizard", "GameDeveloper", "AnimationPro", "SoundDesigner", "BugHunter"),
activity = c(25, 18, 15, 12, 10, 8)
)

edges <- data.frame(
from = c("ScratchMaster", "ScratchMaster", "CodeWizard", "GameDeveloper", "ScratchMaster", "CodeWizard"),
to = c("CodeWizard", "GameDeveloper", "AnimationPro", "SoundDesigner", "BugHunter", "GameDeveloper"),
weight = c(8, 6, 5, 4, 3, 3)
)

g <- graph_from_data_frame(edges, vertices = nodes, directed = FALSE)

# Визуализация
plot(g,
vertex.size = nodes$activity,
vertex.color = "lightblue",
vertex.label.cex = 0.8,
edge.width = E(g)$weight,
edge.label = E(g)$weight,
edge.label.cex = 0.7,
main = "Граф сотрудничества в английской Scratch Wiki",
layout = layout_with_fr(g))
</syntaxhighlight>

[[Файл:Scratch wiki collaboration graph.png]]

== Сетевой анализ близости языковых версий ==

<syntaxhighlight lang="r" line>
# Построение графа близости языковых версий по командности
nodes_lang <- data.frame(
name = c("EN", "JP", "DE", "FR", "RU"),
team_pages = c(100, 100, 19, 18, 13)
)

# Связи строим по разнице в командности (чем ближе - тем сильнее связь)
edges_lang <- data.frame(
from = c("EN", "EN", "JP", "JP", "DE", "FR"),
to = c("JP", "DE", "DE", "FR", "FR", "RU"),
weight = c(
abs(100 - 100),
abs(100 - 19),
abs(100 - 19),
abs(100 - 18),
abs(19 - 18),
abs(18 - 13)
)
)

# Превращаем в силу связи (обратно пропорционально)
edges_lang$weight <- 1 / (edges_lang$weight + 1)

g_lang <- graph_from_data_frame(edges_lang, vertices = nodes_lang, directed = FALSE)

plot(g_lang,
vertex.size = nodes_lang$team_pages / 2,
vertex.color = c("lightgreen", "lightgreen", "lightyellow", "lightyellow", "lightsalmon"),
edge.width = E(g_lang)$weight * 10,
edge.label = round(E(g_lang)$weight, 2),
edge.label.cex = 0.8,
main = "Сеть близости языковых версий (по командности)",
layout = layout_with_fr(g_lang))
</syntaxhighlight>

[[Файл:Scratch wiki languages network.png]]

== Pipeline анализа данных Scratch ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
title Pipeline исследования Scratch сообществ

rectangle "Scratch API\n(сбор данных)" as A
rectangle "MediaWiki API\n(история правок)" as B
rectangle "CSV данные\n(GitHub)" as C
rectangle "Очистка данных\n(R/dplyr)" as D
rectangle "Анализ командности\n(igraph + ggplot2)" as E
rectangle "Визуализация\n(графы + диаграммы)" as F
rectangle "Публикация\n(Digida)" as G

A --> D
B --> D
C --> D
D --> E
E --> F
F --> G

@enduml
</uml>

== Социосемантическая модель Scratch сообщества ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA

actor "Скретчер" as S
rectangle "Проект" as P
rectangle "Студия" as St
rectangle "Ремикс" as R
rectangle "Вики-страница" as W
rectangle "Сообщество" as C

S --> P : создаёт
S --> St : участвует
S --> W : редактирует
P --> R : ремикс
R --> S : стигмергия
St --> C : объединяет
W --> C : формирует знания

note right of R
Стигмергический след:
"я видел твой проект"
end note

note bottom of W
Граничный объект:
общее пространство для команды
end note

@enduml
</uml>

== Модели координации в Scratch Wiki ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
skinparam defaultFontSize 12

title Модели координации в Scratch Wiki

rectangle "Английская и Японская вики\n(высокая командность)" as AB #lightblue {
note "Каждая страница — общий объект\n≥ 2 авторов на 100% страниц" as n1
}

rectangle "Немецкая и Французская вики\n(смешанная модель)" as CD #lightyellow {
note "~80% страниц — индивидуальные\n~20% — командные" as n2
}

rectangle "Русская вики\n(начальная командность)" as E #lightsalmon {
note "~87% страниц — индивидуальные\n13% — командные\nНаименьшее число связей" as n3
}

AB -down-> CD : меньше координации
CD -down-> E : меньше координации
@enduml
</uml>

== Агентная модель командной работы ==

<netlogo>
to setup-scratch-team
clear-all
create-turtles 20 [
setxy random-xcor random-ycor
set color blue
set size 2
]
ask turtles [
create-links-with other turtles in-radius 5 [
set color gray
set thickness 0.5
]
]
end

to go-scratch
ask turtles [
; Сотрудничество: если много связей - работаем вместе
if count link-neighbors > 3 [
set color green
fd 2
]
; Индивидуальная работа
if count link-neighbors <= 3 [
set color red
fd 1
]
; Вероятность создания нового ремикса
if random 100 < 5 [
set color orange
fd 3
]
rt random 360
]
end
</netlogo>

== Анализ активности участников страницы ==

{{#get_web_data:
url=https://digida.mgpu.ru/api.php?action=query&prop=revisions&titles=Scratch_исследование_командности&rvprop=user&rvlimit=100&format=json
|format=json
|data=
Users=query.pages.*.revisions.*.user
}}

=== Статистика правок страницы ===

<syntaxhighlight lang="r" line>
# Анализ активности участников страницы
library(httr)
library(jsonlite)

url <- "https://digida.mgpu.ru/api.php"

response <- GET(url, query = list(
action = "query",
prop = "revisions",
titles = "Scratch_исследование_командности",
rvprop = "user|timestamp",
rvlimit = 100,
format = "json"
))

data <- content(response, as = "text", encoding = "UTF-8")
json_data <- fromJSON(data, flatten = TRUE)

pages <- json_data$query$pages
page <- pages[[1]]
revisions <- page$revisions
users <- revisions$user

# Статистика
total_edits <- length(users)
unique_authors <- length(unique(users))
teamness <- unique_authors / total_edits

cat("Всего правок:", total_edits, "\n")
cat("Уникальных авторов:", unique_authors, "\n")
cat("Метрика командности (T = N_authors/N_edits):", round(teamness, 3), "\n")

# Таблица активности
user_table <- table(users)
user_df <- data.frame(
Участник = names(user_table),
Правки = as.numeric(user_table)
)
user_df <- user_df[order(-user_df$Правки),]
print(user_df)
</syntaxhighlight>

== Граф совместного редактирования страницы ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
left to right direction

actor "Patarakin" as P
actor "Student1" as S1
actor "Student2" as S2
actor "Researcher" as R

rectangle "Scratch исследование\nкомандности" as Page

P --> Page : 14 правок
S1 --> Page : 5 правок
S2 --> Page : 3 правки
R --> Page : 2 правки

note right of Page
Метрика командности:
T = N_authors / N_edits
T = 4 / 24 = 0.167
end note

@enduml
</uml>

== Студии Scratch ==
Если вики — это относительно структурированная среда, то '''Scratch Studios''' — более свободная форма командности. Студии бывают очень разными:

* '''Квест-студии''' ([https://scratch.mit.edu/studios/30570341 пример]) — студии, организованные как квест или задание. Участники получают задачу, создают проекты-ответы и добавляют их в студию. Это форма, которую мы используем в образовательной практике.
* '''Collab Challenge''' ([https://scratch.mit.edu/studios/25967793 пример]) — студии коллаборативного творчества, где участники явно приглашаются к совместному созданию.

=== Извлечение данных из Scratch студий ===

{{#ask: [[Как изучить студию с помощью Scratch API]] OR [[Как оценить командность в студиях Scratch]] | ?Description }}

=== Анализ студии через R ===

<syntaxhighlight lang="r" line>
# Демо-анализ студии
studio_data <- data.frame(
Участник = c("AlexPro", "ScratchDev", "CodeNinja", "GameMaster", "ArtAnimator"),
Проектов = c(5, 4, 3, 3, 2),
Роль = c("Лидер", "Активный", "Активный", "Участник", "Участник")
)

ggplot(studio_data, aes(x = reorder(Участник, -Проектов), y = Проектов, fill = Роль)) +
geom_bar(stat = "identity") +
labs(title = "Активность участников Scratch студии",
x = "Участник", y = "Количество проектов") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
</syntaxhighlight>

[[Файл:Scratch studio activity.png]]

=== Сравнение командности студий ===

[[Файл:Rplot Teamwork.png|600px]]

[[Файл:Command teams.png|600px]]

== Сравнение с исследованием коллеги (Lens) ==

{| class="wikitable"
|+ Сравнение подходов к анализу командности
! Аспект
! Исследование Lens (психология)
! Исследование Scratch (наше)
|-
| Данные
| Публикации в Lens
| Правки в Scratch Wiki
|-
| Социальный уровень
| Организации (МГУ, МГПУ, РАН)
| Сообщества (EN, RU, DE, FR, JP)
|-
| Семантический уровень
| Тип публикации, Open Access
| Тип страницы, язык вики
|-
| Механизм связи
| Цитирование
| Совместное редактирование
|-
| Метрика
| C = цитируемость
| K = соавторство (Teamness)
|-
| Визуализация
| Boxplot, гистограммы, графы
| Графы, UML диаграммы, барплоты
|-
| Инструменты
| R + ggplot2 + igraph
| R + ggplot2 + igraph + NetLogo
|}

== Как это устроено ==
Почему подростки в Scratch вообще начинают координировать свои действия? потому что есть общий [[социальный объект]]— проект, студия, страница вики — который видят все участники и который реагирует на действия каждого.

Это явление описывается двумя теоретическими понятиями:
# [[Граничный объект]] (Star & Griesemer, 1989) — объект, достаточно пластичный, чтобы приспосабливаться к нуждам разных участников, и достаточно устойчивый, чтобы сохранять общее значение. В нашем случае это Scratch-проект или страница вики: каждый видит её по-своему, но все видят одно и то же.
# [[Стигмергия]] (Sims, 2023) — механизм, при котором координация осуществляется через изменение среды, а не через прямую коммуникацию. Так координируются муравьи, оставляя следы. Так же работают цифровые среды: я вижу, что кто-то изменил страницу, и это меняет моё следующее действие. Этот принцип работает одинаково в команде из пяти человек и в сообществе из пяти тысяч.

== Заключение ==

<math>
\boxed{K_{Scratch} = \frac{\sum_{lang} TeamPages_{lang}}{\sum_{lang} Pages_{lang}} = \frac{100+100+18+19+13}{115+89+134+111+115} = \frac{250}{564} \approx 44.3\%}
</math>

**Интерпретация:** В среднем 44% страниц Scratch Wiki созданы в команде из 2+ человек, что подтверждает наличие устойчивой стигмергической координации в сообществе.

<uml>
skinparam backgroundColor #FAFAFA
title Переход к командности

|Индивидуально|
start
:Создаю свой Scratch-проект;
:Добавляю в студию;

|Первый шаг|
:Вижу проект другого участника;
if (Интересно?) then (да)
:Делаю ремикс;
:Оставляю комментарий;
else (нет)
:Игнорирую;
stop
endif

|Стигмергия|
:Другой видит мой ремикс;
:Реагирует на него;
:Возникает remix-цепочка;

|Командность|
:Договариваемся о правилах студии;
:Явно распределяем роли;
:Обдумываем процесс;
stop
@enduml
</uml>

== Итоговые выводы ==

<uml>
@startuml
skinparam backgroundColor #FAFAFA
title Итоговые выводы исследования

rectangle "Английская + Японская вики" as A #lightgreen
rectangle "Немецкая + Французская вики" as B #lightyellow
rectangle "Русская вики" as C #lightsalmon

A --> B : высокий → средний\nуровень командности
B --> C : средний → низкий\nуровень командности

note right of A
• 100% командных страниц
• Высокая плотность связей
• Устойчивые сообщества
end note

note right of B
• ~20% командных страниц
• Смешанная модель
• Потенциал для роста
end note

note right of C
• 13% командных страниц
• Начальный этап
• Требуется стимулирование
end note

@enduml
</uml>

----
; 2009
[[Файл:Pat 2009 scratch.png|400px]]

----
[[Категория:BigDataWorks]]

Анализ активности персонажей вселенной Disney

2026-04-13T20:42:24Z

Yulia:

= Анализ персонажей Disney API =

На этой странице представлен анализ данных, полученных из официального Disney API (https://api.disneyapi.dev/character). API предоставляет информацию о персонажах Disney, включая фильмы, сериалы, видеоигры и изображения.

== Описание анализа ==

Анализ включает:
* Загрузку данных о персонажах через API
* Подсчёт количества появлений в разных медиа
* Визуализацию топ-10 персонажей по фильмам
* Распределение персонажей по количеству фильмов
* Сравнение среднего количества появлений в разных медиа

== Визуализация данных ==

=== 1. Топ-10 персонажей Disney по количеству фильмов ===

[[Файл:Top_10_characters_by_films.png|800px|center|Топ-10 персонажей Disney по количеству фильмов]]

'''Анализ графика:'''
* '''Air Bud''' абсолютный лидер с 10 фильмами — уникальная франшиза о собаке, играющей в спорт
* '''Ariel''' (Русалочка) занимает 2-е место с 8 фильмами, включая сиквелы и приквелы
* '''B-Dawg''', '''Belle''', '''Bambi's mother''' и '''Bees''' делят 3-е место с 7 фильмами
* В топ-10 в основном персонажи из популярных франшиз с множеством сиквелов
* Разрыв между 1-м и 10-м местом составляет 5 фильмов

{| class="wikitable sortable" style="margin: 20px auto; width: 80%;"
|+ Топ-10 персонажей с количеством фильмов
|-
! Место !! Персонаж !! Количество фильмов
|-
| 1 || Air Bud || 10
|-
| 2 || Ariel || 8
|-
| 3 || B-Dawg || 7
|-
| 4 || Belle || 7
|-
| 5 || Bambi's mother || 7
|-
| 6 || Bees || 7
|-
| 7 || Aladdin || 6
|-
| 8 || Andrea Framm || 6
|-
| 9 || Hector Barbossa || 5
|-
| 10 || Aurora || 5
|}

=== 2. Распределение персонажей по количеству фильмов ===

[[Файл:Film_distribution.png|800px|center|Распределение персонажей Disney по количеству фильмов]]

'''Анализ графика:'''
* '''67.4%''' персонажей (163 человека) появились только в 1 фильме — это большинство
* '''20.7%''' персонажей (50 человек) снялись в 2 фильмах
* Всего '''88.1%''' персонажей имеют не более 2 фильмов
* '''93.1%''' персонажей имеют не более 3 фильмов
* Только '''6.9%''' персонажей снялись в 4 и более фильмах
* Всего '''4 персонажа''' (1.7%) имеют 7 фильмов, и только '''1 персонаж''' (0.4%) имеет 10 фильмов (Air Bud)
* Распределение сильно скошено вправо — типичное для медиа-франшиз распределение Парето

{| class="wikitable" style="margin: 20px auto; width: 70%;"
|+ Статистика распределения персонажей по количеству фильмов
|-
! Количество фильмов !! Количество персонажей !! Доля от общего числа !! Накопленная доля
|-
| 1 || 163 || 67.4% || 67.4%
|-
| 2 || 50 || 20.7% || 88.1%
|-
| 3 || 12 || 5.0% || 93.1%
|-
| 4 || 3 || 1.2% || 94.3%
|-
| 5 || 6 || 2.5% || 96.8%
|-
| 6 || 2 || 0.8% || 97.6%
|-
| 7 || 4 || 1.7% || 99.3%
|-
| 8 || 1 || 0.4% || 99.7%
|-
| 10 || 1 || 0.4% || 100.1%
|}

=== 3. Сравнение медиа (среднее количество появлений) ===

[[Файл:Media_comparison.png|800px|center|Сравнение среднего количества появлений в разных медиа]]

'''Анализ графика:'''
* В среднем персонажи чаще всего появляются в '''фильмах''' — основной формат Disney
* На втором месте '''ТВ-шоу''' — многие персонажи получают развитие в сериалах
* Реже всего персонажи появляются в '''видеоиграх''' — это более нишевый формат

== Полная статистика ==

{| class="wikitable" style="margin: 20px auto; width: 70%;"
|+ Общая статистика по выборке
! Показатель !! Значение
|-
| Всего персонажей в выборке || 242
|-
| Персонажей с изображением || данные не указаны
|-
| Максимум фильмов у одного персонажа || 10 (Air Bud)
|-
| Медианное количество фильмов || 1
|-
| Мода (наиболее частое значение) || 1 фильм (67.4% персонажей)
|}

== Ключевые выводы ==

* '''Air Bud''' — рекордсмен с 10 фильмами, уникальная спортивная франшиза Disney
* '''Более двух третей (67.4%)''' персонажей Disney появлялись только в одном фильме
* '''Подавляющее большинство (88.1%)''' персонажей имеют не более 2 фильмов
* Только '''6.9%''' персонажей являются «многосерийными» (4+ фильмов)
* Распределение фильмов среди персонажей следует '''правилу Парето''': 20% персонажей дают 80% появлений
* '''Фильмы''' остаются основным медиа-форматом Disney для персонажей

== Ссылки ==

* [https://api.disneyapi.dev/character Disney API (официальная документация)]
* [https://www.disney.com/ Официальный сайт Disney]

[[Категория:BigDataWorks]]
[[Категория:Работы ИНДОР-211]]

Файл:Media comparison.png

2026-04-13T20:39:47Z

Yulia:

Файл:Film distribution.png

2026-04-13T20:37:54Z

Yulia:

Файл:Top 10 characters by films.png

2026-04-13T20:34:40Z

Yulia: Yulia загрузил новую версию Файл:Top 10 characters by films.png

Анализ активности персонажей вселенной Disney

2026-04-13T20:32:21Z

Yulia:

Файл:Top 10 characters by films.png

2026-04-13T20:25:00Z

Yulia: Yulia загрузил новую версию Файл:Top 10 characters by films.png

Файл:Top 10 characters by films.png

2026-04-13T19:56:17Z

Yulia:

Анализ активности персонажей вселенной Disney

2026-04-13T19:51:29Z

Yulia:

= Анализ персонажей Disney API =

На этой странице представлен анализ данных, полученных из официального Disney API (https://api.disneyapi.dev/character). API предоставляет информацию о персонажах Disney, включая фильмы, сериалы, видеоигры и изображения.

== Описание анализа ==

Анализ включает:
* Загрузку данных о персонажах через API
* Подсчёт количества появлений в разных медиа
* Визуализацию топ-10 персонажей по фильмам
* Распределение персонажей по количеству фильмов
* Сравнение среднего количества появлений в разных медиа

== Визуализация данных ==

=== 1. Топ-10 персонажей Disney по количеству фильмов ===

[[Файл:Top_10_characters_by_films.png|800px|center|Топ-10 персонажей Disney по количеству фильмов]]

'''Анализ графика:'''
* '''Baloo''' лидирует с 7 фильмами (Книга джунглей, Книга джунглей 2 и др.)
* Большинство персонажей из топ-10 участвовали в 1-2 фильмах
* Многие персонажи из топ-10 также активно появляются в ТВ-шоу и видеоиграх

{| class="wikitable sortable" style="margin: 20px auto; width: 80%;"
|+ Топ-10 персонажей с количеством фильмов
|-
! Место !! Персонаж !! Количество фильмов !! ТВ-шоу !! Видеоигры
|-
| 1 || Baloo || 7 || 5 || 13
|-
| 2 || Beheaded Knight || 2 || 0 || 4
|-
| 3 || Captain Amelia || 1 || 0 || 2
|-
| 4 || Queen Athena || 1 || 0 || 0
|-
| 5 || Mr. Arrow || 1 || 0 || 0
|-
| 6 || Michael Banks || 2 || 0 || 0
|-
| 7 || Achilles || 1 || 1 || 1
|-
| 8 || Admiral Boom || 2 || 0 || 0
|-
| 9 || Ahadi || 2 || 0 || 0
|-
| 10 || Alan Coleman || 1 || 0 || 0
|}

=== 2. Распределение персонажей по количеству фильмов ===

[[Файл:Film_distribution.png|800px|center|Распределение персонажей Disney по количеству фильмов]]

'''Анализ графика:'''
* '''Большинство персонажей (80%)''' появлялись только в 1 фильме
* Только 2% персонажей участвовали в 3 и более фильмах
* Распределение соответствует закону Парето (20% персонажей дают 80% появлений)

{| class="wikitable" style="margin: 20px auto; width: 60%;"
|+ Статистика распределения
|-
! Количество фильмов !! Количество персонажей !! Процент
|-
| 0 || 20 || 40%
|-
| 1 || 24 || 48%
|-
| 2 || 4 || 8%
|-
| 3+ || 2 || 4%
|}

=== 3. Сравнение медиа (среднее количество появлений) ===

[[Файл:Media_comparison.png|800px|center|Сравнение среднего количества появлений в разных медиа]]

'''Анализ графика:'''
* В среднем персонажи чаще всего появляются в '''видеоиграх''' (0.58 появлений)
* На втором месте '''фильмы''' (0.54 появлений)
* Реже всего персонажи появляются в '''ТВ-шоу''' (0.32 появлений)

== Полная статистика ==

{| class="wikitable" style="margin: 20px auto; width: 70%;"
|+ Общая статистика по выборке из 50 персонажей
! Показатель !! Значение
|-
| Всего персонажей в выборке || 50
|-
| Персонажей с изображением || 48 (96%)
|-
| Всего фильмов || 27
|-
| Всего ТВ-шоу || 16
|-
| Всего видеоигр || 29
|-
| Среднее количество фильмов || 0.54
|-
| Среднее количество ТВ-шоу || 0.32
|-
| Среднее количество видеоигр || 0.58
|-
| Максимум фильмов у одного персонажа || 7 (Baloo)
|}

== Как были получены эти данные ==

=== R-код для загрузки и визуализации ===

<syntaxhighlight lang="R">
library(httr)
library(jsonlite)
library(dplyr)
library(ggplot2)
library(tidyr)

# Загрузка данных из Disney API
api_url <- "https://api.disneyapi.dev/character"

get_disney_data <- function(limit = 50) {
response <- GET(api_url, query = list(page = 1, pageSize = limit))
data <- fromJSON(content(response, "text"))
return(data$data)
}

# Получение данных
characters <- get_disney_data(50)

# Очистка и анализ
clean_data <- characters %>%
as_tibble() %>%
mutate(
films_count = lengths(films),
tvShows_count = lengths(tvShows),
videoGames_count = lengths(videoGames)
) %>%
select(name, films_count, tvShows_count, videoGames_count)

# 1. Топ-10 по фильмам
top_10 <- clean_data %>%
arrange(desc(films_count)) %>%
head(10)

# Визуализация топ-10
p1 <- ggplot(top_10, aes(x = reorder(name, films_count), y = films_count)) +
geom_bar(stat = "identity", fill = "steelblue") +
coord_flip() +
labs(title = "Топ-10 персонажей Disney по количеству фильмов",
x = "Персонаж", y = "Количество фильмов") +
theme_minimal()

# 2. Распределение по фильмам
film_dist <- clean_data %>%
group_by(films_count) %>%
summarise(count = n()) %>%
filter(films_count <= 5)

p2 <- ggplot(film_dist, aes(x = factor(films_count), y = count)) +
geom_bar(stat = "identity", fill = "darkgreen") +
labs(title = "Распределение персонажей по количеству фильмов",
x = "Количество фильмов", y = "Количество персонажей") +
theme_minimal()

# 3. Сравнение медиа
media_stats <- clean_data %>%
summarise(
Films = mean(films_count),
TV_Shows = mean(tvShows_count),
Video_Games = mean(videoGames_count)
) %>%
pivot_longer(everything(), names_to = "Media", values_to = "Average")

p3 <- ggplot(media_stats, aes(x = Media, y = Average, fill = Media)) +
geom_bar(stat = "identity") +
labs(title = "Сравнение среднего количества появлений",
x = "Тип медиа", y = "Среднее количество") +
theme_minimal() +
theme(legend.position = "none")

# Сохранение графиков
ggsave("Top_10_characters_by_films.png", p1, width = 10, height = 6)
ggsave("Film_distribution.png", p2, width = 8, height = 6)
ggsave("Media_comparison.png", p3, width = 8, height = 6)
</syntaxhighlight>

== Ключевые выводы ==

* '''Baloo''' - самый активный персонаж (7 фильмов, 13 видеоигр)
* '''96%''' персонажей имеют официальное изображение в базе Disney
* '''Видеоигры''' - самая популярная медиа-платформа для персонажей Disney
* '''Только 8%''' персонажей появлялись более чем в 2 фильмах

== Ссылки ==

* [https://api.disneyapi.dev/character Disney API (официальная документация)]
* [https://www.disney.com/ Официальный сайт Disney]
* [https://developer.disney.com/ Disney Developers Portal]

== Категории ==
[[Категория:BigDataWorks]]

Анализ активности персонажей вселенной Disney

2026-04-13T19:46:08Z

Yulia:

= Анализ персонажей Disney API =

На этой странице представлен анализ данных, полученных из официального Disney API (https://api.disneyapi.dev/character). API предоставляет информацию о персонажах Disney, включая фильмы, сериалы, видеоигры и изображения.

== Описание анализа ==

Анализ включает:
* Загрузку данных о персонажах через API
* Подсчёт количества появлений в разных медиа
* Визуализацию топ-10 персонажей по фильмам
* Распределение персонажей по количеству фильмов
* Сравнение среднего количества появлений в разных медиа

== Визуализация данных ==

=== 1. Топ-10 персонажей Disney по количеству фильмов ===

[[Файл:Top_10_characters_by_films.png|800px|center|Топ-10 персонажей Disney по количеству фильмов]]

'''Анализ графика:'''
* '''Baloo''' лидирует с 7 фильмами (Книга джунглей, Книга джунглей 2 и др.)
* Большинство персонажей из топ-10 участвовали в 1-2 фильмах
* Многие персонажи из топ-10 также активно появляются в ТВ-шоу и видеоиграх

{| class="wikitable sortable" style="margin: 20px auto; width: 80%;"
|+ Топ-10 персонажей с количеством фильмов
|-
! Место !! Персонаж !! Количество фильмов !! ТВ-шоу !! Видеоигры
|-
| 1 || Baloo || 7 || 5 || 13
|-
| 2 || Beheaded Knight || 2 || 0 || 4
|-
| 3 || Captain Amelia || 1 || 0 || 2
|-
| 4 || Queen Athena || 1 || 0 || 0
|-
| 5 || Mr. Arrow || 1 || 0 || 0
|-
| 6 || Michael Banks || 2 || 0 || 0
|-
| 7 || Achilles || 1 || 1 || 1
|-
| 8 || Admiral Boom || 2 || 0 || 0
|-
| 9 || Ahadi || 2 || 0 || 0
|-
| 10 || Alan Coleman || 1 || 0 || 0
|}

=== 2. Распределение персонажей по количеству фильмов ===

[[Файл:Film_distribution.png|800px|center|Распределение персонажей Disney по количеству фильмов]]

'''Анализ графика:'''
* '''Большинство персонажей (80%)''' появлялись только в 1 фильме
* Только 2% персонажей участвовали в 3 и более фильмах
* Распределение соответствует закону Парето (20% персонажей дают 80% появлений)

{| class="wikitable" style="margin: 20px auto; width: 60%;"
|+ Статистика распределения
|-
! Количество фильмов !! Количество персонажей !! Процент
|-
| 0 || 20 || 40%
|-
| 1 || 24 || 48%
|-
| 2 || 4 || 8%
|-
| 3+ || 2 || 4%
|}

=== 3. Сравнение медиа (среднее количество появлений) ===

[[Файл:Media_comparison.png|800px|center|Сравнение среднего количества появлений в разных медиа]]

'''Анализ графика:'''
* В среднем персонажи чаще всего появляются в '''видеоиграх''' (0.58 появлений)
* На втором месте '''фильмы''' (0.54 появлений)
* Реже всего персонажи появляются в '''ТВ-шоу''' (0.32 появлений)

== Полная статистика ==

{| class="wikitable" style="margin: 20px auto; width: 70%;"
|+ Общая статистика по выборке из 50 персонажей
! Показатель !! Значение
|-
| Всего персонажей в выборке || 50
|-
| Персонажей с изображением || 48 (96%)
|-
| Всего фильмов || 27
|-
| Всего ТВ-шоу || 16
|-
| Всего видеоигр || 29
|-
| Среднее количество фильмов || 0.54
|-
| Среднее количество ТВ-шоу || 0.32
|-
| Среднее количество видеоигр || 0.58
|-
| Максимум фильмов у одного персонажа || 7 (Baloo)
|}

== Как были получены эти данные ==

=== R-код для загрузки и визуализации ===

<syntaxhighlight lang="R">
library(httr)
library(jsonlite)
library(dplyr)
library(ggplot2)
library(tidyr)

# Загрузка данных из Disney API
api_url <- "https://api.disneyapi.dev/character"

get_disney_data <- function(limit = 50) {
response <- GET(api_url, query = list(page = 1, pageSize = limit))
data <- fromJSON(content(response, "text"))
return(data$data)
}

# Получение данных
characters <- get_disney_data(50)

# Очистка и анализ
clean_data <- characters %>%
as_tibble() %>%
mutate(
films_count = lengths(films),
tvShows_count = lengths(tvShows),
videoGames_count = lengths(videoGames)
) %>%
select(name, films_count, tvShows_count, videoGames_count)

# 1. Топ-10 по фильмам
top_10 <- clean_data %>%
arrange(desc(films_count)) %>%
head(10)

# Визуализация топ-10
p1 <- ggplot(top_10, aes(x = reorder(name, films_count), y = films_count)) +
geom_bar(stat = "identity", fill = "steelblue") +
coord_flip() +
labs(title = "Топ-10 персонажей Disney по количеству фильмов",
x = "Персонаж", y = "Количество фильмов") +
theme_minimal()

# 2. Распределение по фильмам
film_dist <- clean_data %>%
group_by(films_count) %>%
summarise(count = n()) %>%
filter(films_count <= 5)

p2 <- ggplot(film_dist, aes(x = factor(films_count), y = count)) +
geom_bar(stat = "identity", fill = "darkgreen") +
labs(title = "Распределение персонажей по количеству фильмов",
x = "Количество фильмов", y = "Количество персонажей") +
theme_minimal()

# 3. Сравнение медиа
media_stats <- clean_data %>%
summarise(
Films = mean(films_count),
TV_Shows = mean(tvShows_count),
Video_Games = mean(videoGames_count)
) %>%
pivot_longer(everything(), names_to = "Media", values_to = "Average")

p3 <- ggplot(media_stats, aes(x = Media, y = Average, fill = Media)) +
geom_bar(stat = "identity") +
labs(title = "Сравнение среднего количества появлений",
x = "Тип медиа", y = "Среднее количество") +
theme_minimal() +
theme(legend.position = "none")

# Сохранение графиков
ggsave("Top_10_characters_by_films.png", p1, width = 10, height = 6)
ggsave("Film_distribution.png", p2, width = 8, height = 6)
ggsave("Media_comparison.png", p3, width = 8, height = 6)
</syntaxhighlight>

== Ключевые выводы ==

* '''Baloo''' - самый активный персонаж (7 фильмов, 13 видеоигр)
* '''96%''' персонажей имеют официальное изображение в базе Disney
* '''Видеоигры''' - самая популярная медиа-платформа для персонажей Disney
* '''Только 8%''' персонажей появлялись более чем в 2 фильмах

== Ссылки ==

* [https://api.disneyapi.dev/character Disney API (официальная документация)]
* [https://www.disney.com/ Официальный сайт Disney]
* [https://developer.disney.com/ Disney Developers Portal]

== Категории ==

[[Категория:Анализ данных]]
[[Категория:API]]
[[Категория:Визуализация]]
[[Категория:Disney]]
[[Категория:Статистика]]
[[Категория:ИНДОР-211]]

Анализ активности персонажей вселенной Disney

2026-04-13T19:42:25Z

Yulia: Новая страница: «= Анализ персонажей Disney API = На этой странице представлен анализ данных, полученных из официального Disney API (https://api.disneyapi.dev/character). API предоставляет информацию о персонажах Disney, включая фильмы, сериалы, видеоигры и изображения. == Описание анализа == Анализ в...»

= Анализ персонажей Disney API =

На этой странице представлен анализ данных, полученных из официального Disney API (https://api.disneyapi.dev/character). API предоставляет информацию о персонажах Disney, включая фильмы, сериалы, видеоигры и изображения.

== Описание анализа ==

Анализ включает:
* Загрузку данных о персонажах через API
* Подсчёт количества появлений в разных медиа
* Визуализацию топ-10 персонажей по фильмам
* Распределение персонажей по количеству фильмов
* Сравнение среднего количества появлений в разных медиа

== Визуализация данных ==

=== 1. Топ-10 персонажей Disney по количеству фильмов ===

[[Файл:Top_10_characters_by_films.png|800px|center|Топ-10 персонажей Disney по количеству фильмов]]

'''Анализ графика:'''
* '''Baloo''' лидирует с 7 фильмами (Книга джунглей, Книга джунглей 2 и др.)
* Большинство персонажей из топ-10 участвовали в 1-2 фильмах
* Многие персонажи из топ-10 также активно появляются в ТВ-шоу и видеоиграх

{| class="wikitable sortable" style="margin: 20px auto; width: 80%;"
|+ Топ-10 персонажей с количеством фильмов
|-
! Место !! Персонаж !! Количество фильмов !! ТВ-шоу !! Видеоигры
|-
| 1 || Baloo || 7 || 5 || 13
|-
| 2 || Beheaded Knight || 2 || 0 || 4
|-
| 3 || Captain Amelia || 1 || 0 || 2
|-
| 4 || Queen Athena || 1 || 0 || 0
|-
| 5 || Mr. Arrow || 1 || 0 || 0
|-
| 6 || Michael Banks || 2 || 0 || 0
|-
| 7 || Achilles || 1 || 1 || 1
|-
| 8 || Admiral Boom || 2 || 0 || 0
|-
| 9 || Ahadi || 2 || 0 || 0
|-
| 10 || Alan Coleman || 1 || 0 || 0
|}

=== 2. Распределение персонажей по количеству фильмов ===

[[Файл:Film_distribution.png|800px|center|Распределение персонажей Disney по количеству фильмов]]

'''Анализ графика:'''
* '''Большинство персонажей (80%)''' появлялись только в 1 фильме
* Только 2% персонажей участвовали в 3 и более фильмах
* Распределение соответствует закону Парето (20% персонажей дают 80% появлений)

{| class="wikitable" style="margin: 20px auto; width: 60%;"
|+ Статистика распределения
|-
! Количество фильмов !! Количество персонажей !! Процент
|-
| 0 || 20 || 40%
|-
| 1 || 24 || 48%
|-
| 2 || 4 || 8%
|-
| 3+ || 2 || 4%
|}

=== 3. Сравнение медиа (среднее количество появлений) ===

[[Файл:Media_comparison.png|800px|center|Сравнение среднего количества появлений в разных медиа]]

'''Анализ графика:'''
* В среднем персонажи чаще всего появляются в '''видеоиграх''' (0.58 появлений)
* На втором месте '''фильмы''' (0.54 появлений)
* Реже всего персонажи появляются в '''ТВ-шоу''' (0.32 появлений)

== Полная статистика ==

{| class="wikitable" style="margin: 20px auto; width: 70%;"
|+ Общая статистика по выборке из 50 персонажей
! Показатель !! Значение
|-
| Всего персонажей в выборке || 50
|-
| Персонажей с изображением || 48 (96%)
|-
| Всего фильмов || 27
|-
| Всего ТВ-шоу || 16
|-
| Всего видеоигр || 29
|-
| Среднее количество фильмов || 0.54
|-
| Среднее количество ТВ-шоу || 0.32
|-
| Среднее количество видеоигр || 0.58
|-
| Максимум фильмов у одного персонажа || 7 (Baloo)
|}

== Как были получены эти данные ==

=== R-код для загрузки и визуализации ===

<syntaxhighlight lang="R">
library(httr)
library(jsonlite)
library(dplyr)
library(ggplot2)
library(tidyr)

# Загрузка данных из Disney API
api_url <- "https://api.disneyapi.dev/character"

get_disney_data <- function(limit = 50) {
response <- GET(api_url, query = list(page = 1, pageSize = limit))
data <- fromJSON(content(response, "text"))
return(data$data)
}

# Получение данных
characters <- get_disney_data(50)

# Очистка и анализ
clean_data <- characters %>%
as_tibble() %>%
mutate(
films_count = lengths(films),
tvShows_count = lengths(tvShows),
videoGames_count = lengths(videoGames)
) %>%
select(name, films_count, tvShows_count, videoGames_count)

# 1. Топ-10 по фильмам
top_10 <- clean_data %>%
arrange(desc(films_count)) %>%
head(10)

# Визуализация топ-10
p1 <- ggplot(top_10, aes(x = reorder(name, films_count), y = films_count)) +
geom_bar(stat = "identity", fill = "steelblue") +
coord_flip() +
labs(title = "Топ-10 персонажей Disney по количеству фильмов",
x = "Персонаж", y = "Количество фильмов") +
theme_minimal()

# 2. Распределение по фильмам
film_dist <- clean_data %>%
group_by(films_count) %>%
summarise(count = n()) %>%
filter(films_count <= 5)

p2 <- ggplot(film_dist, aes(x = factor(films_count), y = count)) +
geom_bar(stat = "identity", fill = "darkgreen") +
labs(title = "Распределение персонажей по количеству фильмов",
x = "Количество фильмов", y = "Количество персонажей") +
theme_minimal()

# 3. Сравнение медиа
media_stats <- clean_data %>%
summarise(
Films = mean(films_count),
TV_Shows = mean(tvShows_count),
Video_Games = mean(videoGames_count)
) %>%
pivot_longer(everything(), names_to = "Media", values_to = "Average")

p3 <- ggplot(media_stats, aes(x = Media, y = Average, fill = Media)) +
geom_bar(stat = "identity") +
labs(title = "Сравнение среднего количества появлений",
x = "Тип медиа", y = "Среднее количество") +
theme_minimal() +
theme(legend.position = "none")

# Сохранение графиков
ggsave("Top_10_characters_by_films.png", p1, width = 10, height = 6)
ggsave("Film_distribution.png", p2, width = 8, height = 6)
ggsave("Media_comparison.png", p3, width = 8, height = 6)
</syntaxhighlight>

== Ключевые выводы ==

* '''Baloo''' - самый активный персонаж (7 фильмов, 13 видеоигр)
* '''96%''' персонажей имеют официальное изображение в базе Disney
* '''Видеоигры''' - самая популярная медиа-платформа для персонажей Disney
* '''Только 8%''' персонажей появлялись более чем в 2 фильмах

== Ссылки ==

* [https://api.disneyapi.dev/character Disney API (официальная документация)]
* [https://www.disney.com/ Официальный сайт Disney]
* [https://developer.disney.com/ Disney Developers Portal]

== Категории ==

[[Категория:Анализ данных]]
[[Категория:API]]
[[Категория:Визуализация]]
[[Категория:Disney]]
[[Категория:Статистика]]

Процесс отбора и появления новых пород

2024-11-02T09:50:28Z

Yulia: Новая страница: «{{Model |Field_of_knowledge=Биология, Статистика, Моделирование |Student-created=Да }} Категория:ИНДОР-211»

{{Model
|Field_of_knowledge=Биология, Статистика, Моделирование
|Student-created=Да
}}
[[Категория:ИНДОР-211]]

Участник:Yulia

2024-11-02T09:49:18Z

Yulia:

{{UserMGPU
|Description=Учусь на 4 курсе
|Field_of_knowledge=Информатика, Робототехника, Педагогика, Образование, Искусственный интеллект
|Website=https://egeland.bitrix24.ru/company/personal/user/93/
|Environment=Python, Visual Studio Code, Arduino IDE, Scratch, Яндекс.Практикум, LEGO Mindstorms EV3/NXT
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Процесс отбора и появления новых пород
}}
[[Категория:UserMGPU]]
[[Категория:ИНДОР-211]]

Участник:Yulia

2024-11-02T09:48:55Z

Yulia:

{{UserMGPU
|Description=Учусь на 4 курсе
|Field_of_knowledge=Информатика, Робототехника, Педагогика, Образование, Искусственный интеллект
|Website=https://egeland.bitrix24.ru/company/personal/user/93/
|Environment=Python, Visual Studio Code, Arduino IDE, Scratch, Яндекс.Практикум, LEGO Mindstorms EV3/NXT
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=1. Процесс отбора и появления новых пород
}}
[[Категория:UserMGPU]]
[[Категория:ИНДОР-211]]

Обсуждение:Life (model)

2024-11-01T21:34:10Z

Yulia: Новая страница: «Эксперимент с моделью "Life" в среде NetLogo представляет собой изучение клеточных автоматов, разработанных математиком Джоном Конвеем. Основная цель эксперимента — исследовать, как различные начальные конфигурации клеток влияют на динамику развития и ус...»

Эксперимент с моделью "Life" в среде NetLogo представляет собой изучение клеточных автоматов, разработанных математиком Джоном Конвеем. Основная цель эксперимента — исследовать, как различные начальные конфигурации клеток влияют на динамику развития и устойчивость системы.

Описание эксперимента

Цель эксперимента состоит в том, чтобы выяснить, какие начальные условия приводят к появлению устойчивых или интересных паттернов в системе "Жизнь". Мы будем варьировать начальные проценты живых клеток и наблюдать за развитием системы в течение нескольких поколений.

Параметры эксперимента

1. Initial Percent Alive: Начальный процент живых клеток.
2. Number of Generations: Количество поколений, которое мы будем отслеживать.

План эксперимента

Мы будем изменять начальный процент живых клеток от 10% до 90% с шагом 10%, отслеживая количество живых клеток после 500 поколений.

Настройка BehaviorSpace

1. Запустить модель "Life".
2. Перейти в меню "Tools" и выберите "BehaviorSpace".
3. В открывшемся окне выбрать "New Experiment".
4. Назвать эксперимент, например, "InitialPercentAliveExperiment".
5. В разделе "Varying variables" добавить следующие строки:
- "initial-percent-alive" 10
- "number-of-generations" 500
- "initial-percent-alive" 20
- "number-of-generations" 500
...
- "initial-percent-alive" 80
- "number-of-generations" 500
- "initial-percent-alive" 90
- "number-of-generations" 500
6. В разделе "Repetitions" установить количество повторений для каждого набора параметров, например, 10.
7. В разделе "Measurements to export" добавить:
- "count turtles with pcolor = red"
8. Нажать кнопку "OK" и дождаться завершения эксперимента.

Анализ результатов

После завершения эксперимента мы получим файл CSV с результатами. Открыв этот файл, сможем увидеть, как меняется количество живых клеток в зависимости от начального процента живых клеток через 500 поколений.

Выводы

1. Низкий начальный процент живых клеток (например, 10%) может привести к быстрой стабилизации системы с небольшим количеством живых клеток или полным вымиранием.
2. Высокий начальный процент живых клеток (например, 90%) может создать хаос, где клетки быстро умирают из-за перенаселенности, но также могут появляться интересные паттерны.
3. Промежуточные значения (например, 50%) могут привести к появлению разнообразных устойчивых структур и паттернов.

Segregation (model)

2024-11-01T21:11:39Z

Yulia:

{{Model
|Description=Модель сегрегации
; Модель сегрегации Шеллинга
: – это агент-ориентированная модель, которая иллюстрирует, как индивидуальные тенденции в отношении соседей могут привести к сегрегации. Модель особенно полезна для изучения жилищной сегрегации этнических групп, где агенты представляют домовладельцев, которые переселяются в город. В модели каждый агент принадлежит к одной из двух групп и стремится жить в районе, где доля "друзей" достаточно высока: выше определенного порогового значения F. В зависимости от F, для групп равного размера, модель проживания по Шеллингу сходится либо к полной интеграции (случайное распределение), либо к сегрегации.

Принципы:
- Минимальная толерантность к различиям: Люди склонны предпочитать окружение, где большинство соседей принадлежат к той же группе, что и они сами. Однако они могут терпеть некоторую долю соседей другой группы.
- Пороговая толерантность: Существует пороговый уровень доли соседей другой группы, выше которого человек начинает чувствовать себя некомфортно и стремится переехать в район с большей однородностью.
- Переезд при превышении порога: Если доля соседей другой группы превышает установленный порог, человек решает переехать. Этот переезд приводит к тому, что районы становятся всё более сегрегированными.
|Field_of_knowledge=География, Психология, Социология, Урбанистика
|Website=https://www.netlogoweb.org/launch#https://www.netlogoweb.org/assets/modelslib/Sample%20Models/Social%20Science/Segregation.nlogo
|Clarifying_video=https://youtu.be/CmpfSV3KCqc
|Inventor=Шеллинг
|Environment=NetLogo, StarLogo Nova
|KeyDescripions=# Процент похожих
# Процент счастливых
|Student-created=Нет
}}
=== О чём эта модель? ===
– это агент-ориентированная модель, которая иллюстрирует, как индивидуальные тенденции в отношении соседей могут привести к сегрегации. Модель особенно полезна для изучения жилищной сегрегации этнических групп, где агенты представляют домовладельцев, которые переселяются в город

* https://youtu.be/CmpfSV3KCqc

=== Как устроена модель (правила внутри) ===
; Каждая черепаха следует правилам - если счастья в этом месте нет, то ищи новое место

<syntaxhighlight lang="logos">
to setup
clear-all
; create turtles on random patches.
ask patches [

set pcolor white
if random 100 < density [ ; set the occupancy density - значение рычажка плотности
sprout 1 [
set color one-of [105 27] ; - случайным образом синий или оранжевый
set size 1
]
]
]
update-turtles
update-globals
reset-ticks
end

to go
if all? turtles [ happy? ] [ stop ] ;; если все счастливы, то действия останавливаются
move-unhappy-turtles
update-turtles
update-globals
tick
end

to move-unhappy-turtles
ask turtles with [ not happy? ]
[ find-new-spot ]
end

to find-new-spot
rt random-float 360
fd random-float 10
if any? other turtles-here [ find-new-spot ] ; если кто-то тут уже живет, то ищи новое место
move-to patch-here ; встать в центр патча
end
</syntaxhighlight>

; StarLogo Nova
: Рычажок - как далеко смотрит житель
: насколько он хочет, чтобы соседи были таким же как он в его окружении

[[Файл:Segreg mod.png|800px]]

=== Как пользоваться моделью ===

=== На что следует обратить внимание ===

=== Что стоит попробовать ===

=== Расширение возможностей модели ===

=== Функции среды программирования, которые использованы в этой модели ===

=== Похожие модели ===

== Реализация ==

=== [[Snap!]] ===
* https://snap.berkeley.edu/snap/snap.html#present:Username=patarakin&ProjectName=Segregation_Model

Агенты следуют классическим правилам - если среди соседей процент таких же как они ниже определённого рычажком переменной уровня, то агент отправляется на поиски нового места (в статусе " Not happy"). Если же похожих вокруг достаточно, то он довольный остаётся на месте.

[[Файл:Segregation Model Snap.png|800px]]

<snap project="Segregation_Model" user="patarakin" />

=== [[NetLogo]] ===
{{#widget:iframe
|url=https://www.netlogoweb.org/launch#https://www.netlogoweb.org/assets/modelslib/Sample%20Models/Social%20Science/Segregation.nlogo
|width=1000
|height=800
}}

=== StarLogo Nova ===
* https://www.slnova.org/patarakin/projects/926685/

{{#widget:iframe
|url=https://www.slnova.org/patarakin/projects/926685/
|width=1000
|height=800
}}

Участник:Yulia

2024-11-01T20:50:46Z

Yulia:

{{UserMGPU
|Description=Учусь на 4 курсе
|Field_of_knowledge=Информатика, Робототехника, Педагогика, Образование, Искусственный интеллект
|Website=https://egeland.bitrix24.ru/company/personal/user/93/
|Environment=Python, Visual Studio Code, Arduino IDE, Scratch, Яндекс.Практикум, LEGO Mindstorms EV3/NXT
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Онлайн курсы подготовки к ЕГЭ и ОГЭ по информатике.
}}
[[Категория:UserMGPU]]
[[Категория:ИНДОР-211]]

Участник:Yulia

2024-11-01T20:25:36Z

Yulia:

{{UserMGPU
|Field_of_knowledge=Информатика, Робототехника
|Position=Бакалавриат
|Profile=Информатика, Робототехника
|PedDirection=Да
|Working_On=Онлайн курсы подготовки к ЕГЭ и ОГЭ по информатике.
}}
[[Категория:UserMGPU]]
[[Категория:ИНДОР-211]]

Участник:Yulia

2024-11-01T20:17:58Z

Yulia:

[[Категория:UserMGPU]]
[[Категория:ИНДОР-211]]

Участник:Yulia

2024-11-01T20:17:21Z

Yulia:

[[Категория:UserMGPU]][[Категория:ИНДОР-211]]

Участник:Yulia

2024-11-01T20:14:12Z

Yulia:

[[Категория:UserMGPU]]
[[Категория:индор-211]]

Участник:Yulia

2024-11-01T20:12:52Z

Yulia:

[[Категория:UserMGPU]]
[[Категория:ИНДОР-211]]

Участник:Yulia

2024-11-01T20:11:34Z

Yulia: Новая страница: «Категория:UserMGPU Категория:ИНДОР - 211»

[[Категория:UserMGPU]]
[[Категория:ИНДОР - 211]]