SALAMI: Implementierungsphase ist zu Ende

Seit meinem letzten Beitrag hier ist einiges passiert:
Viele der geforderter Features sind implementiert worden. Das Meiste und Wichtigste funktioniert soweit.
Bei manchen Punkten gab/gibt es unerwartete Probleme mit dem Zusammenspiel von AJAX, POST und GET, aber ich glaube das bekomme ich noch in den Griff.

Vor ein paar Wochen habe ich mir den Masterarbeitvortrag  über den Twapperlyzer angehört und gute Ideen und Quellen sammeln können.
Leider kann vieles aus Zeitmangel nicht mehr in meine BA „SALAMI“  einfließen, denn laut Zeitplan ist die Implementierungsphase bereits beendet und es muss noch einige geschrieben werden für die Arbeit selber.

Im Gegensatz zur längeren Implementierung wird die Evaluation viel kleiner als geplant durchgeführt werden müssen.
Dies resultiert aus mangelnder Aktivität im Social Media Monitoring Seminar an der Uni Augsburg – schade :-(

In den nächsten fünf Wochen heißt es nun Recherchieren, Schreiben, Schreiben und Schreiben.

Auf Los gehts los.

Schon mal ein frohes Fest allen Mitlesern! :) 

Artefakte überall

Überall Artefakte, ich sehe überall Artefakte.
Was sind Artefakte? Nun ja, in meinem BA-Projekt SALAMI werden die gesammelten Tweets, Blogposts und Delicious-Bookmarks gemeinsam Artefakte genannt.
In den letzten Tagen und Wochen hat sich einiges im Bezug auf den Social Learning Analytics Monitor getan.
So steht die komplette Benutzer-, Gruppen- und Affiliationverwaltung, Benutzer können anderen Stichworte (Tags) zuordnen und selber eben solche Tags zugeordnet bekommen.

Stimmungsgraphen

Zusätzlich kann jeder Benutzer für jede Gruppe, in der er mitwirkt, pro Kalenderwoche eine grobe Stimmung über einen Lickert abgeben. Hat er dies für die laufende Woche noch nicht gemacht, so wird er dazu auf der Gruppenseite aufgefordert. Diese Stimmungen werden dann in verschiedenen farbigen Graphen (siehe Bild rechts ) für jede Gruppe und jeden Benutzer dargestellt.
Diese Graphen  werden dynamisch mit der Google Chart API erstellt (sehr schöne und einfache API!).

Social Media Monitoring Seminar 2011

Meine liebste Kollegin Nina Grabowski (früher mal Nina Heinze, mancher erinnert sich vielleicht) macht dieses Semester ein Seminar zum Thema Social Media – Zeitvertreib und Stalking Tool an der Uni Augsburg und hat mich als Unterhalter Berater für ihre Studis eingeladen. Da im Rahmen des Seminars aber vor allem über Social Media Monitoring gesprochen und gearbeitet wird, empfehle ich dringend dem Hashtag #smms11 auf Twitter und Co. zu folgen (die Twapperlyzer-Analyse ist hier) . Ich erwarte mir da sehr hilfreiche und interessante Links und Ergebnisse, die auch für den manch einen hier interessant sein dürften. Nina hat die Folien vom ersten Treffen online gestellt. Schaut mal rein. Cool wäre es, wenn ihr Content, der für die Augsburger Studis relevant sind auch mit #smms11 taggen könntet.

Abkehr von der einen Seite aka. client side templating

Bis jetzt habe ich bei Twapperlyzer das Modell verfolgt das der Nutzer nur ein Archiv zur selben Zeit analysiert und es daher nur eine Seite für die Analyse  gibt. Das werde ich nun ändern und für jedes Archiv eine eigene Analyse Seite generieren. Die Gründe werde ich im folgenden kurz darlegen:

Für das ein Seiten Modell spricht das es weniger platz im DOM braucht und deswegen geeigneter scheint für Mobile Endgeräte und das Nutzer Mobiler Endgeräte (noch? ) nicht dazu neigen eine Viel zahl von Tabs zu öffnen. Das sind im Prinzip auch die einzigen Vorteile. Wenn ich für jedes analysierte Archiv in der Datenabank eine eigene Seite erzeuge verspreche ich mir das ich einfacher einen Permalink angeben kann. Die interne Datenhaltung ordentlicher und sauberer getrennt wird und dadurch es weniger Bugs entstehen.

Um clientseitig Seiten zu generieren ist es hilfreich ein Templatesystem zu verwenden. Ich hab mir  mustache.js angesehen. Es scheint recht weit verbreitet zu sein, daraus schließe ich einen gewissen Reifegrad. Außerdem ist mustache in diversen sprechen implementiert worden so das eine gewisse wieder Verwendbarkeit der Templates gegeben sein sollte. Um den Umgang mit mustache noch ein wenig zu erleichtern und den Code lesbar und strukturiert zu halten habe ich noch einen Blick auf ICanHaz.js geworfen. Anschließend habe ich mich noch mit handlebarsjs beschäftigt. Es erweitert die Syntax von mustache  um if, unless und ein paar weitere Elemente so das der Leitspruch von mustache „logic-less-templates“ nicht mehr gilt. Außerdem ist die Datei größer. Dafür ist rendert handlebarsjs schnell. Und das hat letztendlich den Ausschlag gegeben das ich handlebars verwende. Wem der ICanHaz.js gefallen hat, sollte sich vielleicht die Implementation für Handlebars ansehen, ICanHandlebarz.js.

Masterarbeit: Twapperlyzer

Twapperlyzer entsteht im Rahmen einer Masterarbeit und wird ein Analyse Werkzeug um Hashtag Communities zu untersuchen. Dazu werden Archive von twapperkeeper ausgewertet, bzw. da twapperkeeper vor kurzem ihre API abschalten mussten werden die Archive einer YourTwapperKeeper Instanz ausgewertet. Die zu verwende Instanz ist konfigurierbar momentan teste ich mit der upb Instanz. Twapperlyzer ist als Webanwendung für Mobile Endgeräte ausgelegt, ich setzte dabei auf JavaScript sowohl auf der Client Seite mit Jquery Mobile als auch Server seitig mit node.js und express.js. Um die beiden Seiten zu verbinden setzte ich NowJS (basierend auf Socket.io) ein. Um die Analyse Daten zu speichern soll CouchDB eingesetzt werden. Das Projekt ist also gewissermaßen auch als Technologieprobe um um diese vergleichsweise jungen Projekte in der Praxis zu testen.

Der erste Prototyp hat noch keinerlei Analysefunktionen und bildet lediglich YourTwapperKeeper in einer für mobile Endgeräte angepassten Umgebung ab.  Darüber hinaus liefert er mir aber die Möglichkeit jetzt Stück für Stück auf diese Basis Analysemodule aufzusetzen, da bereits Archive in beliebiger Größe für die spätere Analyse herunter geladen werden können.Geplant sind die folgenden Analysemodule:

•  Quantitative Angaben über die Hashtag Communities
1. Anzahl der ’Mitglieder’, der Nachrichten, der Tags
2. Reichweite der Hashtag Communitie
3. Das Verhältnis von weitergeleiteten zu neuen Nachrichten
4. Link Anzahl
5. Besondere Mitglieder, Diskusionen und Nachrichten (ihnen wird häufig geantwortet bzw. Nachrichten weiterge-
   leitet)
6. Das Wachstum Quantitativer Angaben im zeitlichen Ver-
   lauf (im besonderen nach bestimmten Fixpunkten)
• Qualitative Angaben über die Hashtag Communities
• Geographische Analyse

• Export Möglichkeit
• Einbettbarer HTML Code
• Visualisierung der Hashtag Community in
  einem Graphen
• Weitere Visualisierungen der Daten

Der gesamte Code wird unter einer freien Lizenz veröffentlicht und ist über GitHub einsehbar. Momentan warte ich noch darauf das ich den Prototyp online stellen kann. Wenn das soweit ist werde ich den Link hier ergänzen.