Od extrému do extrému

Předposlední a současně také předvánoční Digital Humanities jsme se dostali k jedné z prvních věcí, které mě ještě coby nestudenta StuNoMe právě k tomuhle oboru nalákaly. Sice jsem jen tak napůl tušila, k čemu všemu se tahle hračka dá použít, ale podívat se na celý film – tenkrát tuším Nolanova The Dark Knight – v jediném obrázku bylo samo o sobě cool enough. Tenkrát se mi ovšem ShotDetect stahoval podezřele dlouho, až jsem na něj zapomněla, načež se můj notebook odporoučel do věčných lovišť a ShotDetect zůstal na dlouho zapomenut.

ShotDetect zjednodušeně řečeno vychytává začátky a konce záběrů v obrazovém materiálu, který do něj nasypete. Potíž je v tom, že pokud nemáte Linux nebo Mac, máte zaděláno na veselé chvilky s francouzštinou. Pro Windows je program pouze ve francouzské mutaci a tudíž jsem využila toho, že naše spolužačka Klapi už přeložila základní výrazy, se kterými se tu potkáte. Nicméně mě potěšilo, že mi přece jen něco z té francouzštiny od gymplu v hlavě zůstalo. Slavné to pravda není.

Mám tu, samozřejmě pouze pro studijní účely, nejnovější (a jednu z nejlepších) bondovku Skyfall, tudíž jsem ShotDetectem prohnala právě tu. Co vypadlo, to jsem prohnala prográmkem ImageJ. Nejtmavší záběry vlevo dole, od extrému do extrému, nejsvětlejší vpravo dole. Ten světlý extrém jsou převážně záběry explozí, kterých zrovna tady bylo docela požehnaně. Když si ten obrázek rozkliknete, jsou tam ty záběry aspoň trochu vidět, kam vlastně který patří. 

ShotDetect je tak trochu zlá mrcha. Zkoušela jsem udělat stejný graf i podle časové osy, aby bylo vidět kde se vyskytují extrémně světlé nebo tmavé záběry, ale ShotDetect je v tomhle směru trochu pomatenej a řadí mi to ne podle času, ale stylem obrázek číslo 89, 9, 91, 92 a tak dál, takže ImageJ místo hezkého grafu z toho dělá nepřehledný zmatek. Navíc mi ShotDetect některé filmy vůbec nechce nahrát, jiné sice nahraje, ale odmítá s nimi dál pracovat. Tvrdí, že analýza proběhla (což vyhodí asi po vteřině rozmýšlení) jen složka pro screeny zůstane prázdná. Takže třeba k Avengers se mi ho přemluvit nepodařilo.

Pro porovnání k akčnímu Bondovi jsem zkusila do ShotDetectu nasypat taky můj nejoblíbenější feel-good film, Beginners (pro dlouhé zimní večery směle doporučuji). Na delší povídání by to asi i bylo, jen nejdřív musím tuhle zlomyslnou věc donutit, aby ty záběry řadila hezky podle času a ne jak se jí zrovna zlíbí.

Edit (21.12.) Už jsem se radovala, že se mi podařilo donutit záludný ImageJ, aby řadil záběry za sebe v pořadí, v jakém jdou ve filmu. Na asi stopadesátý pokus se zadařilo překonat okamžik, kdy se program vždycky zasekne a bez zádrhelu to celé doběhlo do zdárného konce. Beginners vlevo jsou seřazený víceméně podle času, krom těch posledních obrázků, které do toho filmu zaboha nemůžu zařadit (a mám dojem, že některý tam ani nebyly…). To vpravo je podle stejnýho vzoru generovanej „graf“ Skyfall, přičemž se mi ImageJ pomstil za předchozí relativně povedené Beginners a seřadil mi to od půlky filmu do konce, a od začátku do půlky. Tudíž už radost z vítězství nad technikou nemám a budu muset dál koumat, jak ho donutit řadit to správně.

   

Advertisement

The world ended. Didn’t you get the memo?

Protože hrabání se v seriálech, filmech a knížkách není nikdy dost, minula nás na Digital Humanities projednou hodina strávená trápením se s eRkem a tentokrát jsme se (už hromadně) věnovali, v duchu text-miningu, šikovnému nástroji Voyant-tools. Což je ta pěkná věc, ze které vypadly všechny ty hezké grafy v minulých postech.

Voyant-tools je jednoduše nástroj, do kterého nasypete hromadu textu – v minulých postech komplet LOTR, Hunger games, Harry Potter, ale prohnala jsem tím i Jo Nesba, Avengers, Nolanovy Batmany nebo legendární The Room (nelze se nepodělit o wordcloud) – a voyant-tools to chvíli bude chroupat a pak vám vyhodí spoustu barevně podtrhaných slov, tabulek, wordcloud, nějaké grafy a spoustu klikatých čar. Co s tím?

Pohodlně se usaďte, asi to bude trochu delší povídání. V duchu (ne)trpělivého vyčkávání na devátý únor a s ním příchozí druhou část čtvrté řady Walking dead (Lumpík odpustí moje nadávání na World War Z, aneb oblíbila jsem si zombíky), jsem do voyant-tools nasypala anglické titulky prvních tří sérií. První problém byl stopwords. Prográmek v sobě sice už nějaké má, ale na různá it’s, i’ve, we’d to poněkud nestačí. Tudíž jsem věnovala dobrou hodinku či dvě probírání nejčastějších anglických stopwords. Pokud jde o titulky, kde vadí ještě časování, stopwords se dají použít i na tohle, pokud tedy nechcete časování odstraňovat v eRku či nedejbože ručně (a nebo taky naopak…). Kamarád Excel během chvilky vypotí řadu čísel od 001 až po 999 a ty stačí nakopírovat mezi stopwords. Není to elegantní řešení, ale funguje to rychle a celkem obstojně.

První výrazná povšimnutelná věc je wordcloud. Po aplikování stop-words se i z něj vyhází čísla a vypadá celkem k světu. Do infografik a na různé blbiny trochu použitelnější wordcloud bude, když si z voyant-tools necháme vypsat četnost výskytu jednotlivých slov a ty nasypeme to nástroje Tagul. Pak už stačí jen vybrat dostatečně jednoduchý obrázek k tématu (v minulém postu batman, avengers, hunger games, skyfall a nový, neuvěřitelně tragický man of steel). Podstatně líp to funguje, když je logo v vektor a ne bitmapa, respektive když tam nejsou žádné barevné přechody, a vůbec nejlíp to funguje, když je logo jednoduchý dvojbarevný symbol (viz právě batman nebo hunger games). U Walking dead aspoň nějak takhle: cloud z Tagulu, původní obrázek, a nakonec když se do toho vloží kámoš Photoshop.

 

Voyant-tools v hezky jednoduché a přehledné tabulce vypisuje četnost výskytu jednotlivých slov v každém nahraném dokumentu, respektive specifická slova pro daný dokument. Stejně tak vypisuje počet dokumentů v corpusu, počet slov a počet unikátních slov – v corpusu walking dead je těch unikátních 13,207. Najde nejdelší dokument – podle počtu slov (nejukecanější je překvapivě s02e01 s 8,899 slovy), najde nejfrekventovanější slova a slova, která mají obzvlášť specifický graf výskytu. Zkoušela jsem tak zjistit, jak často se ve kterém díle vyskytují hlavní postavy, což je hezky vidět právě na grafu frekvence výskytu slov.

Docela pěkně je tak vidět, kdo nepřežije první sérii, koho v druhé sérii sežerou zombíci a kdo naopak do seriálu postupem času přibude (a kdo taky záhy zase odpadne). Pokud se na seriál teprv chystáte, využijte grafu, ať víte koho si oblíbit, abyste pak nebyli smutní, že ho v druhém dílu sežerou. Obdobně (a trochu složitěji, protože se musí přepínat mezi dokumenty) se pomocí Words in document dá porovnat četnost slov v jednotlivých dílech. Na ukázku jen obrázek, o čem si tak nejvíc povídají v prvních dílech každé série. První série vlevo, druhá uprostřed, třetí vpravo.

Úplně stejně jako frekvence funguje i TermsRadio (kliknout! super věc!) které sice nepřináší žádný nový poznatek, zato se na ně pěkně kouká (a přijde mi, že je v tom líp vidět, kde se jaká slova vyskytují). Jednoduše si nakliknete jednu, nebo klidně všechny postavy v grafu a vlevo dole můžete zvolit forward. Plynule si tak přehrajete, v kterých dílech se kdo nejvíc vyskytuje (případně na které díly vůbec nestojí za to koukat).

To samé, jen trochu jinak (a otázka je, jestli přehledněji, každopádně je to barevné, je to graf, je to cool!) zobrazuje Bubblelines. Jednotlivé bubliny jsou frekvence výskytu slova, respektive tady spíš hlavních postav, v jednotlivých dokumentech – dílech – celého corpusu. Velikost bubliny pak udává četnost výskytu – čím častěji, tím je bublina větší.

Links by měly představovat síť propojených slov a výrazů skrz corpus. Jednotlivá slova se liší velikostí podle frekvence jejich výskytu. Jednoduše jde o cosi jako síť přátel na Facebooku generovanou přes Gephi. Velikost slov je jednoduše betweeness, hlavní postavy jsou nejdůležitější a propojují ostatní slova – jsou tedy betweeners. Každá postava má pak kolem sebe skupinu slov, které se ve spojení s nimi nejčastěji vyskytují.

Další docela zajímavý nástroj, který mě celkem překvapil přesností, je RezoViz, který zobrazuje vztahy mezi lidmi, místy a organizacemi skrze všechny dokumenty v corpusu. Spojení tvoří mezi každým párem lidí, míst nebo organizací, které najde ve stejném dokumentu.

Visualcolocator jednoduše zobrazuje propojení a síť nějak spolu svázaných slov. Tloušťka spojnice mezi slovy pravděpodobně udává jak často se na sebe konkrétní slova vážou.

Další funkce FeatureClusters vizualizuje vztahy mezi slovy na základě společných prvků setů slov, ve kterých se dané slovo vyskytuje. Jednotlivé nody se spojí, když mají společné stejné sety slov, které se kolem nich vyskytují. To by měla být ta menší kolečka kolem, ale je to beta verze a asi to nefunguje úplně správně, nebo mám cosi špatně s corpusem, protože mi místo společných slov zobrazuje pořád jen nesmyslné řady písmen.

Teď k trochu obskurnějším záležitostem. Naprosto nemám tušení, co má být tohle. Funkce Knots má alespoň podle voant-tools reprezentovat corpus jako shluk zakřivených čar. To by zatím odpovídalo. Každá linka představuje jedno vybrané slovo z corpusu skrze všechny dokumenty, které v corpusu jsou. Rozsah, ve kterém linie překrývají označuje úroveň korespondence nebo propojení jednotlivých slov. Hádám, a to jen velmi matně, že některé postavy (resp. slova) se vyskytují samostatněji, mají víc vlastních scén a nepečou s ostatními postavami – a tím pak vytvoří úplně mimo odbíhající čáru. Použití v tom moc nevidim, ale budiž. Je to docela hezkej barevnej zmatek.

Poslední a úplně nejobskurnější záležitostí je Flowerbed, což by měl být „jednoduchý vizualizační nástroj pro porovnávání dvou dokumentů“. Dokument je prezetován jako záhon, kde každé slovo je květina. Výška květiny určuje relativní četnost slova v dokumentu, okvětní lístky pak vlastnosti se slovem spojené. Údajně se tím dají dokumenty porovnávat, ale žádné kytky mi z toho nerostly a to jsem poctivě prozkoušela všech pětatřicet dílů navzájem. Inu, asi ta betaverze.

Bohužel je teď vánoční seriálová pauza, která je po obzvlášť napínavém mid-season finale čtvrté řady Walking dead snad za trest, tak se do dalších podobných srandiček k celé čtvrté řadě pustím až za dva měsíce… nemohl by už být únor?

Homeworks…

Popravdě mě tyhle domácí úkoly zatím dost baví. S eRkem sice úplně nejlepší kamarádi nejsme, ale zato se přátelím se spoustou dalších užitečných (to je sice diskutabilní, ale zase z toho lezou docela hezký věci) nástrojů, díky kterým si můžete dle libosti vytvářet hromadu rozmanitě barevných a tvarovaných wordcloudů. Koupě dalšího externího disku mi tak hrozí čím dál tím víc. Prosila bych jiný domácí úkol.

Musím něco, jsem jedi, mistře Anakine!

Další digital humanities s eRkem naprosto jasně věští katastrofu, tím spíš po minulém debaklu s wordcloudy, protože se mi pořád ještě nedaří úplně bez problému generovat cloud svého facebooku, natož cloud čehokoliv jiného.  Tentokrát mě ovšem nezrazuje ani internet, ani počítač, nelze se tedy vymlouvat na nic jiného než na vlastní neschopnost. Inu s chutí do toho.

Nejdřív si text mining zkoušíme na Havlových a Klausových projevech,  je asi vhodné zmínit, že pomalou učící křivku eRka se mi stále nepodařilo překousnout a většinu času jen tak matně tuším, co že to vlastně po tom programu chci. Nicméně daří se, krom posledního kroku, jako na potvoru se zase nedaří dostat z eRka wordcloud. Na zkoušku dávám dohromady kompletního Pána prstenů a zkouším si text mining na něčem příjemnějším, než jsou politické projevy. Přes lítý boj s diakritikou se nakonec daří a slavný dlouho očekávaný wordcloud je na světě. Z cloudu jsem tak nadšená, že si zapomínám nechat spočítat nejčastější shluky slov…

Přes voyant-tools se dá k podobným výsledkům dostat podstatně snáz a rychleji (pokud ovšem máte připravené seznamy českých stop-words, což jsem neměla, takže jsem si je musela nakonec napsat sama). Obzvlášť milé jsou grafy frekvence výskytu určitých slov v importovaném dokumentu, k LOTRovi vypadají frekvence výskytu postav asi nějak takhle, vlevo svislá osa četnost výskytu a spodní vodorovná osa vyznačuje tři jednotlivé knihy trilogie – průsečík pak četnost výskytu jména dané postavy v konkrétní knize.

Začíná mě to bavit, takže odněkud z hlubin disku vyhrabávám titulky ke Star Wars, nechávám eRko vyhodit nejčastější shluky slov a samozřejmě taky wordcloud. Ten může posloužit jako podklad pro další StarWarsMaraton, až se budou vymýšlet slova pro „společenské“ hry. Trochu zklamáním je fakt, že „Ať vás provází síla“ je ve všech šesti dílech jen čtyřikrát.

Podobně zkouším analyzovat i Hunger Games, když je teď ta dvojka v kinech (mimochodem od prvního dílu je to obrovský rozdíl, a pozitivní!). Shluky slov typu „I don’t know“, „but I don’t know“, „I don’t know how“, „I don’t know why“ mi vnukají nápad tímhle pro jistotu projíždět každou svojí budoucí práci a likvidovat tak slovní parazity. Minimálně autorům, kteří jsou schopní do jedné knihy nacpat osmnáctkrát „I don’t know what“ by zrovna tahle funkce eRka mohla být celkem ku prospěchu.

Přes voyant-tools ještě pro Hunger Games zkouším wordcloud a taky jak často se která postava v knize vyskytuje. Svislá osa opět značí četnost výskytu jména postavy v textu (vybrala jsem jen ty, které se vyskytují nejčastěji), na vodorovné ose jsou vyznačené jednotlivé kapitoly a průsečíky pak udávají četnost výskytu jména v dané kapitole. 

Edit: Nakonec ze zvědavosti ještě třetí díl Hunger Games, pro porovnání jak se změní výskyt postav. 

Katniss by sice logicky jako hlavní postava, která příběh vypráví, měla být v grafu nejvýš, protože se jí v celé knize ani na minutu nezbavíme, takže v tomhle graf trochu zkresluje. A pro slečny, které si stěžovaly, že někteří pánové neměli v druhém dílu dost prostoru – nebojte, ve trojce budou víc – viz. wordcloud pro třetí díl.

Čistě ze zvědavosti (a značně inspirována více než šedesáti „i don’t know“ v jedné knize) vykutávám ze starých školních složek svojí bakalářku a s tichým přáním, ať to není o moc horší než Catching fire si nechávám vygenerovat ještě wordcloud a četnost výskytu slov ve svojí bakalářce.  Na grafu je hezky vidět jak se v určitých kapitolách drží hlavní pojmy hezky pohromadě, což byla hlavně teoretická část, v úvodu jsem se evidentně hodně věnovala médiím a praktická část je rozpadlá v nejrůznějších tématech – podle konkrétní části výzkumu.

A příště zase něco o televizních zprávách.

Heslo: Přežít!

V pátek přežít filmový maraton se svými studenty, v sobotu a v noci na neděli přežít #SNM Star Wars maraton, v neděli vytasit pravítko, sadu zvýrazňovačů a s chutí do práce! Díky úkolu na Srovnávací mediální studia si sice celý týden můžu připadat hrozně cool, že čtu papírový noviny (hipster!), ale když mám po celém pokoji po podlaze rozložené pražské deníky, lezu tu po čtyřech s pravítkem a zuřivě přeměřuju reklamy, počítám četku a vypisuju si zahraniční zprávy, připadám si spíš poněkud hloupě. Tím spíš, že každý, kdo se náhodou vyskytne poblíž, si ťuká na čelo a kouká na mě značně nechápavě.

 Na pondělní hodině se pak utvrdím v tom, že Pražský deník je prapodivný plátek. V tabulce vlevo  najdete změřenou plochu četky, plochu Babiše a plochu reklamy. Ceník reklamy pro jistotu  dodávám také, ať je obraz úplný. S plochou reklamy se ze všech sledovaných plátků – Práva, Lidovek, Blesku, MF Dnes a Hospodářek stal Pražský deník smutným rekordmanem (na čemž má velký podíl Penny market, zdravíme). 

Po téhle hodině jsme se skupinově rovnou vrhli ještě na úkol na následující hodinu, zatím je to pouze #inprogress, ale aspoň nástin toho, jak si vede zahraniční rubrika Pražského deníku. Hezky přehledně, s pomocí krásné mapy – čím tmavší barva, tím víc zpráv z konkrétní země jsme za ty dva týdny zachytili. Mapa sice ještě není kompletní, nemáme hotové všechny dny, ale rýsuje se to přinejmenším zajímavě.

Na Digital humanities začíná další epická bitva s eRkem, kterou část třídy prohrává už na začátku, část odpadá v průběhu bitvy a já odpadám pět minut před koncem hodiny, protože se mi nechce nainstalovat RColorBrewer a nějaká další důležitá záležitost, takže k vygenerování wordcloudu se nakonec do hodinové dřině vůbec nedostanu. I sednu nad to doma znovu, pustím si Youtube tutorial, vyzbrojím se vším možným i nemožným (krom historie z hodiny, která se neuložila, že #gratulki). Nakonec s eRkem bojuju celkem úspěšně, dobojujeme se až k poslednímu kroku – a ve chvíli, kdy zbývá poslední řádek, mi vypíše eRko chybu a wordcloud se už podruhé nekoná. Takže jako náplast si generuju dva jiné v nezměrně primitivnějších a uživatelsky přátelštějších nástrojích.

Ten kruhový je vygenerovaný přes facebookovou aplikaci (která hned po tom, co jsem si wordcloud uložila, přestala fungovat a už třetí den hlásí fatální chybu, pročež se začínám bát, abych za to se svým štěstím ještě nemohla já) a druhý wordcloud je vygenerovaný přes Wolfram alpha, který se od našeho posledního setkání naučil analyzovat facebook a během minuty vám vyhodí veškerá data, která se týkají vaší  FB stránky, včetně krásných grafů, se kterými jsme se mořili minulou hodinu. Nutno dodat, že naše grafy jsou podstatně hezčí než ty, které generuje Wolfram.

Oba wordcloudy by měly shrnovat nejčastěji používaná slova na mém FB profilu (takže data, respektive slova, která do cloudu šla, by měla být stejná), přičemž čím větší slovo v cloudu je, tím častěji bych ho měla používat a tím větší by mělo mít důležitost. Tak tolik k tomu, jak moc jsou wordcloudy spolehlivé. Teď ještě nějak vybojovat bitvu s eRkem, abych k těmhle cloudům mohla přidat ještě třetí, svůj vlastní, který předpokládám, bude zase vypadat úplně jinak.

Máte Facebook? A můžu ho vidět?

Ještě před pár roky by mě za to, že o víkendech od rána prohlašuju cosi o tom, že už by konečně mohlo bejt pondělí, abych mohla do školy, zavřeli někam do sklepa, abych neohrožovala společnost takovou jistě prudce nakažlivou a velmi nebezpečnou, ne-li dokonce smrtelnou chorobou. Když na SNM je těžký se do školy netěšit. Jednak se tu vyskytuje správná krevní skupina, která je ochotná místo dopoledního spánku vyrazit do muzea Lega a spolu s pětiletými dětmi tam jásat nad obří lego Hvězdou smrti a Millenium Falconem (odkud se vzala ta kostička lega, na kterou jsem pak doma šlápla, je mi dosud záhadou), jednak je tu jistota, že se na přednáškách bude vždycky rozebírat něco zajímavýho. 

Po úvodních Digital Humanities, které se pak rovnaly stále nekončícímu boji s mediány, průměry a především s eRkem, které vůbec není user-friendly a tu jeho údajnou pomalou učící křivku můžu jen potvrdit,  konečně tvoříme ty krásný barevný zamotaný grafy, co se mi tak líbily ještě než jsem se na Stunome vůbec dostala. A z facebookových grafů jsem nadšená natolik, že si ráno o hodinu přivstanu, abych si mohla ještě předtím, než vyrazím do práce, pohrát s grafy a zjistit, kteří z přátel jsou ústředními body celé mojí sítě na Facebooku, kdo se s kým zná, jaké stránky kdo lajkuje a tak dál a tak dál a do práce jsem nakonec stejně přišla pozdě. Kdo by rád zjistil, kde se v síti mých přátel nachází, jste vítáni, prosím jen dále tudy.

Jste-li spolužáci z GJK, najdete se vpravo nahoře ve velké červené skupině. Nalevo od gymnázia jsou spolužáci z druhého stupně základky, nalevo od nich světlejší modrou jsou kolegové z AIESEC. Pod nimi se nachází růžová skupina spolužáků z prvního stupně základky. Pod nimi se najdou kolegové ze ZOO ve fialové skupině. Zelená skupina nahoře uprostřed obsahuje spolužáky z FHS, která směrem dolů přechází do skupiny kolegů z UniPrepu. Světle zelenou úplně dole jsou vyznačeni kolegové z redakce. V tmavě modré skupině napravo se najde Stunome crowd, ve vedlejší fialové kolegové horolezci. Ve světle modré úplně napravo sídlí rodina. Velký žlutý chumel nalevo dole jsou spolužáci z Itálie a Camerina. Pár osamělých barevných teček jsou pak moji „unikáti“, tedy přátelé, které s nikým nesdílím.

Další graf jsem vyzkoušela pro vizualizaci propojení facebookových stránek Film Aréna, Comingsoon.net, Červený koberec, filmový festival Karlovy Vary a stránku Morgana Freemana. Tenhle pavouk jednoduše zobrazuje, jaké stránky se navzájem lajkují.

Třetí tentokrát twitterový graf se pak řídí heslem „čím tučnější, tím jsme si blíž“.

Inspirováni aférou Putna, Zeman a profesura (respektive spíš aférou kolem plakátu o katolických buznách), která byla mimo jiné hlavní příčinou toho, že se studenti z FHS během května a června báli zkoušek z historie ještě více než obvykle,  jsme byli na hodině Srovnávacích mediálních studií pověřeni sledováním dění kolem Haška, Sobotky a Babiše v tištěných médiích, od úterý do pátku. Naší skupině byl přidělen Pražský deník (děkuji Pražskému deníku, že díky němu znám téměř všechny trafiky v Praze).

Minulé úterý jsem tedy vyrazila do školy o chvíli dřív, abych stihla ještě zaběhnout do trafiky a noviny koupit. „Jóó, slečno, to my ale nevedem!“ Pomyslím si cosi o nedostatečném sortimentu zvolené trafiky, který mne donutí přejít přes nástupiště metra a vylézt schody na druhé straně, kde je další trafika. „Jóó, slečno…“  Trvá to ještě tři trafiky, než na Pražský deník v jednom zastrčeném a dost pochybném stánku narazím. Slečna za pultem se super otráveným výrazem vyhrabe z nějaké bedny jediný výtisk. Slavné vítězství (to ještě netuším, co mě čeká ve středu). Obdobným způsobem trávím následující dva dny hodinku denně, až v pátek už jdu coby znalec distribuční sítě Pražského deníku na jistotu, a  k zlosti pána za mnou (čímž se mu omlouvám) kupuji jediný výtisk. Jakou pak mám ve škole radost, když zjišťuju, že tohle kolečko obíhání trafik budu muset absolvovat ještě celý tenhle týden.

Expect the unexpected

Poprvé jsem se o Studiích nových médií dozvěděla víceméně náhodou ve druháku na bakaláři. V tu dobu to byla, vzhledem ke značně nejisté studentské existenci na FHS (tímto zdravím Evropské dějiny v kontextech), ještě velmi vzdálená budoucnost. Fajn, zajímavý obor, a stunome putovalo mezi záložky s oblíbenými stránkami a tím byla záležitost dalšího potenciálního studia vyřešena.

V prvním semestru třeťáku se, spolu se zlikvidováním posledních zkoušek (zdravím Společenské vědy v interdisciplinární perspektivě), černý mrak vykřičníků ohledně navazujícího studia nebezpečně přiblížil, což bylo hlavní příčinou několika večerů a nespočtu hrnků kafe strávených nad stránkami fakult a oborů, které by asi tak připadaly v úvahu. Tou dobou se stunome z kolonky „tohle by asi šlo“ přehouplo do kategorie „vysněná škola„. Přihlášky byly odeslány a úspěšně zaplaceny a mohla jsem se vrhnout na vysněnou novomediální bakalářku.

Přijímačky trochu naruší povodeň, nicméně spolu s kamarádem dorážíme včas a připravení se vrháme na test. Na druhé kolo dorážím po několika dnech s novomediálně zaměřenou literaturou už bez kamaráda, ale absolvuji pohovor a cestou domů už jen doufám, že to klapne. Dopisuju bakalářku, když dorazí dva úředně a tím pádem i trochu vyhlížející dopisy s razítky škol. Dvě rozhodnutí o přijetí, čímž stunome ztrácí dodatek „tak trochu nedosažitelná škola„, definitivně rozhodují, že se žádné prodlužování bakaláře „kdyby náhodou“ konat nebude a bakalářku ještě s mírným předstihem dokončuju a odevzdávám.

S úspěšným absolvováním bakaláře (zdravím všechny neplánovaně povinné státnice) a absolvováním zápisu, kdy poprvé vlastním vysokoškolský index se stunome z kategorie „vysněná škola“ přesouvá do kategorie „moje škola„. Zábava může začít.