Как статистика может рассказать историю развития киноиндустрии?
ОПИСАНИЕ ПРОЕКТА
Работая над своим проектом, я решила сосредоточиться на теме, которая хорошо знакома практически каждому, кто интересуется кино, — премии Американской киноакадемии «Оскар». В качестве основы для анализа я использовала открытый датасет, размещённый на платформе Kaggle: (https://www.kaggle.com/datasets/unanimad/the-oscar-award). Он содержит информацию о победах актёров и актрис, фильмах-рекордсменах, а также данных по церемониям разных лет.
Меня заинтересовало, как сухая статистика может рассказать историю развития киноиндустрии. Я всегда с интересом следила за церемониями, обсуждала победителей и замечала, как со временем меняются вкусы, жанры и лица, получающие главную кинематографическую награду. Поэтому идея посмотреть на «Оскар» не с позиции зрителя, а через данные показалась мне особенно интересной.
Для исследования я выбрала несколько типов визуализаций, каждая из которых помогает взглянуть на данные под разным углом: горизонтальная столбчатая диаграмма, линейный график, lollipop chart и кольцевая диаграмма.
обложка была выполнена в нейросети recraft.ai promt: Oscar ceremony
ЦВЕТОВАЯ ПАЛИТРА И ТИПОГРАФИЯ
При создании визуального стиля проекта мне было важно сохранить атмосферу торжественности, с которой ассоциируется церемония вручения «Оскара». Поэтому в основе палитры лежит насыщенный бордовый цвет, напоминающий о театральных залах и красной дорожке, а золотистые оттенки используются как акценты, отсылающие к самой статуэтке.
Для подбора и систематизации цветов я использовала сервис Adobe Color (https://color.adobe.com/ru/). В проекте используются следующие цвета: #8C0000 #FAF3CD #CD8417 #FFC917 #050505
В качестве основного шрифта был выбран
Playfair Display
Он подчёркивает классический характер темы и хорошо сочетается с историческим контекстом кинопремии.
Цветовая палитра
В рамках своей специальности, мне стало интересно визуализировать иллюстрации к премии. Я сделала серию иллюстраций используя нейросеть recraft.ai.
Серия иллюстраций к премии Оскар глазами нейросети recraft.ai Promt: Oscar ceremony
График 1. Актёры с наибольшим числом побед
Для начала мне хотелось посмотреть на персональные достижения. На первом графике представлены актёры и актрисы, которые получали «Оскар» за актёрские роли более одного раза. Диаграмма сразу выделяет Кэтрин Хепбёрн как абсолютного рекордсмена, а также показывает, что большинство даже самых известных имён имеют всего две победы.
График хорошо иллюстрирует, насколько сложно закрепить успех на протяжении карьеры и как редко встречаются действительно выдающиеся рекорды.
График 1. Актёры с наибольшим числом побед
График 1. Код
График 2. Количество наград по годам
Затем я обратилась к общей динамике церемонии. Линейный график отражает, сколько наград вручалось каждый год. Хорошо заметен рост в первые десятилетия существования премии, после чего количество наград стабилизируется и колеблется в достаточно узком диапазоне.
Результат говорит о том, что структура «Оскара» со временем стала устойчивой, а изменения в количестве наград носят скорее эволюционный характер.
График 2. Количество наград по годам
График 2. Код
График 3. Самые награждённые фильмы
Чтобы разобраться, какие фильмы вошли в историю как рекордсмены, я использовала формат графика, который позволяет легко сравнить картины по количеству полученных наград. Лидером здесь выступает Титаник, за которым следуют Властелин Колец.
График наглядно показывает, что максимальные результаты чаще всего достигаются фильмами, которые доминировали в своём году сразу в нескольких ключевых номинациях.
График 3. Самые награждённые фильмы
График 3. Код
График 4. Распределение побед по полу (главные роли)
В завершение я решила посмотреть на гендерное распределение побед в главных актёрских категориях. Кольцевая диаграмма демонстрирует почти равный баланс между мужчинами и женщинами, с минимальным перевесом в сторону актрис.
График 4. Распределение побед по полу (главные роли)
График 4. Код
ЗАКЛЮЧЕНИЕ
В ходе анализа данных премии «Оскар» удалось выявить несколько важных тенденций. Участие женщин среди лауреатов постепенно увеличивалось, особенно начиная с второй половины XX века. Несмотря на долгий период доминирования мужчин, в последние десятилетия наблюдается почти равенство в главных ролях. Анализ показал, что премия чаще всего присуждается крупным фильмам, которые доминируют в нескольких ключевых категориях. Количество наград стабилизировалось со временем, что свидетельствует о зрелости премии. Гендерное распределение побед в главных ролях показывает заметный прогресс, хотя полное равенство ещё не достигнуто.
Подводя итоги можно заметить, что «Оскар» продолжает оставаться важным индикатором изменений в киноиндустрии и обществе на наши дни, отражая эволюцию как самого искусства, так и общественного восприятия.
Описание применения генеративной модели и вспомогательных инструментов
1. Kaggle — Платформа была использована для поиска и загрузки датасета.
2. Google Colab — Весь процесс работы: обработка данных и визуализация.
3. Цветовая палитра (Adobe Color)
4. Библиотеки Python kagglehub — для автоматического скачивания датасета matplotlib.font_manager — для подключения кастомного шрифта pandas — использовалась для загрузки датасета, очистки, преобразования и анализа табличных данных. matplotlib — основной инструмент для построения визуализаций в проекте.
5. ChatGPT — Нейросеть применялась для генерации и оптимизации кода, настройки визуального стиля графиков и корректировки функций анализа.
6. recraft.ai — Использовала для генерации обложки и иллюстраций.
7. tenor.ru — для GIF-файла
