GDELT

GDELT (Global Database of Events, Language, and Tone) to otwarty projekt badawczy monitorujący światowe media drukowane, internetowe i nadawcze w ponad 100 językach. Jego celem nie jest stworzenie kolejnego archiwum artykułów, lecz automatyczne przekształcanie przekazu medialnego w dane nadające się do analizy ilościowej. GDELT identyfikuje m.in. wydarzenia, osoby, organizacje, miejsca, tematy, cytaty, obrazy i emocje występujące w wiadomościach.

Podstawowe zasoby obejmują GDELT Event Database, rejestrującą ponad 300 kategorii wydarzeń, oraz Global Knowledge Graph (GKG), który opisuje osoby, instytucje, miejsca, tematy i nastroje występujące w przekazie medialnym. Historyczny zasób Event Database sięga 1 stycznia 1979 roku, a GDELT 2.0 aktualizuje dane co 15 minut.

Najlepsze do:

• analizowania, jak często dane wydarzenie, państwo, osoba lub organizacja pojawiają się w światowych mediach,
• badania zmian zainteresowania medialnego w czasie,
• tworzenia szeregów czasowych dotyczących wydarzeń politycznych, społecznych, gospodarczych i konfliktów,
• identyfikowania protestów, konfliktów, negocjacji, spotkań dyplomatycznych i innych typów zdarzeń,
• porównywania sposobu relacjonowania wydarzeń w różnych państwach i językach,
• badania globalnego dyskursu medialnego na dużych zbiorach danych,
• analizy osób, organizacji, miejsc i tematów współwystępujących w wiadomościach,
• analizowania tonu i kategorii emocjonalnych przekazu; GDELT 2.0 wykorzystuje tysiące kategorii tematycznych i emocjonalnych,
• wyszukiwania artykułów w wielu językach przy użyciu angielskich zapytań dzięki warstwie automatycznego tłumaczenia GDELT Translingual, obejmującej 65 języków,
• mapowania miejsc wspominanych w mediach i badania geograficznego rozkładu przekazu,
• analizowania powiązań między wydarzeniami a sposobem ich przedstawiania przez media,
• badań ilościowych w medioznawstwie, politologii, socjologii, stosunkach międzynarodowych i digital humanities,
• pracy z bardzo dużymi zbiorami danych przez Google BigQuery,
• pobierania surowych danych GDELT jako plików CSV i dalszej analizy we własnym środowisku,
• korzystania z API do budowania własnych wyszukiwarek, map i wizualizacji; DOC 2.0 API może zwracać m.in. listy artykułów i dane JSON,
• znajdowania podobnych relacji medialnych w różnych językach za pomocą Global Similarity Graph,
• prowadzenia szerszej kwerendy razem z Media Cloud, Factiva, Nexis Uni, Global Newsstream, NewsBank Access World News i Europresse. GDELT najlepiej sprawdza się przy analizie danych i trendów medialnych, natomiast klasyczne bazy prasowe są lepsze do czytania pełnych tekstów artykułów.

Na co uważać?

• GDELT nie jest archiwum pełnych tekstów prasy. Udostępnia przede wszystkim dane wyprowadzone z artykułów oraz linki do materiałów źródłowych,
• pełny tekst może być analizowany wewnętrznie przez system, ale nie jest przekazywany użytkownikowi jako część otwartego datasetu,
• jeżeli artykuł zostanie usunięty ze strony wydawcy lub trafi za paywall, link zapisany przez GDELT może już nie prowadzić do dostępnego tekstu,
• GDELT nie monitoruje całego internetu i nie gwarantuje kompletnego pokrycia wszystkich mediów,
• intensywność monitorowania poszczególnych państw, języków i źródeł może być różna,
• automatyczne rozpoznawanie wydarzeń, nazw, lokalizacji, tematów i emocji może generować błędy,
• dane nie są kodowane ręcznie. Wynik klasyfikacji trzeba traktować jako rezultat automatycznej analizy tekstu, a nie zweryfikowaną interpretację wydarzenia,
• rekord „wydarzenia” w Event Database oznacza wydarzenie opisane przez media, a nie niezależnie potwierdzony fakt,
• jedno rzeczywiste wydarzenie może być opisane przez wiele artykułów i wygenerować wiele powiązanych rekordów lub mentions,
• przy analizie ilościowej trzeba kontrolować zmiany w liczbie źródeł, językach i technologii przetwarzania w czasie,
• automatyczne tłumaczenie pozwala porównywać wiele języków, ale może zmieniać znaczenie nazw, idiomów i kontekstu,
• wskaźniki tonu i emocji nie powinny być interpretowane jako obiektywna miara nastrojów całych społeczeństw; opisują przede wszystkim język materiałów medialnych,
• różne komponenty GDELT mają różny zakres chronologiczny. GDELT 2.0 działa od lutego 2015 roku, podczas gdy starsza Event Database umożliwia analizę od 1979 roku.
• GDELT jest w 2026 roku w trakcie dużej przebudowy infrastruktury związanej z przygotowywanym GDELT 5 i migracją usług wyszukiwawczych do Google Spanner. Niektóre interfejsy i API mogą więc zmieniać sposób działania lub być przebudowywane.
• przy bardzo dużych analizach korzystanie z BigQuery może generować koszty po stronie Google Cloud, mimo że same dane GDELT są otwarte.