ENHANCING STATE POLICY EFFECTIVENESS IN CINEMA THROUGH MACHINE LEARNING / Повышение эффективности государственной политики в сфере кинематографа с помощью машинного обучения

2024

Наука телевидения, Vol 20, Iss 2, Pp 55-84 (2024)

A study was conducted on the distribution data of a range of Russian national films from 2004 to September 2023 using machine learning methods, with successful and unsuccessful films and patriotic projects considered separately. The study utilized the ensemble machine learning model HistGradientBoostingClassifier and a sequential fully connected three-layer neural network based on the TensorFlow library, along with basic methods of natural language processing. It was found that patriotic films exhibit distribution characteristics lower than the market average and significantly lag behind successful Russian cinema projects at the box office. The study demonstrated the possibility of accurately predicting film box office receipts, distribution characteristics, as well as selecting project parameters and the composition of its creative team to enhance distribution results and increase the reach of target audiences. The study also illustrated the use of language models, specifically through film annotations, to create effective film content. A conclusion was drawn regarding the need for a set of measures to implement state policy in the field of education, information technology, culture, and art, focusing on the creation of unified media franchises and umbrella brands encompassing films, TV series, computer and online games, music, and other products. The implementation of the research results will enhance the effectiveness of public policy and the return on public and private- public investments in the creative industries sector, positioning cinema and the creative industry as self-sustaining and income-generating sectors of the economy. Leveraging rental data from other markets will facilitate the creation of content with higher demand globally, serving as a soft power and cultural influence tool. The results of the study can aid in project selection and film project development by the Russian Cinema Fund, the Ministry of Culture of the Russian Federation, private Russian investors and film studios, as well as authorities and organizations responsible for distributing Russian film content abroad. Проведено исследование массива прокатных данных российских национальных кинофильмов с февраля 2004 по сентябрь 2023 года с применением методов машинного обучения: отдельно рассмотрены успешные и неуспешные в прокате фильмы, проекты патриотической направленности. В исследовании использована ансамблевая модель машинного обучения HistGradientBoostingClassifier и последовательная полносвязная трехслойная нейросеть на основе библиотеки TensorFlow, базовые методы обработки естественного языка. Установлено, что патриотические фильмы имеют прокатные характеристики ниже, чем в среднем по рынку, и существенно отстают от успешных в прокате проектов российского кинематографа. Доказана возможность точного прогнозирования киносборов, прокатных характеристик, а также подбора параметров проекта и состава его творческой группы для улучшения результатов проката и увеличения охвата целевых аудиторий. Показано направление использования языковых моделей (на примере аннотаций кинофильмов) для создания эффективного киноконтента. Сделан вывод о необходимости комплекса мер по реализации государственной политики в сфере образования, информационных технологий, культуры и искусства, которая должна быть основана на создании единых медиафраншиз и «зонтичных брендов», включающих кинофильмы, сериалы, компьютерные, онлайн и настольные игры, музыкальную и иную продукцию. Внедрение результатов исследования повысит эффективность государственной политики, отдачу от государственных и частно-государственных инвестиций в сфере креативных индустрий. Кинематограф и креативная индустрия станут самоокупаемыми и приносящими доход секторами экономики. Использование данных проката других рынков позволит создавать более востребованный за рубежом контент как элемент «мягкой силы» и культурного влияния. Результаты исследования могут использоваться во время отбора и разработки кинопроектов «Фондом кино», Министерством культуры Российской Федерации, частными российскими инвесторами и киностудиями, органами власти и организациями, ответственными за распространение российского киноконтента за рубежом.

article

English
Russian

GITR Film & Television School, 2024.

state policy, national cinema, natural language processing, language model, machine learning, artificial intelligence, neural network, soft power, cultural policy, cinema foundation of russia, ministry of culture of the russian federation, rossotrudnichestvo, roscongress foundation, государственная политика, национальный кинематограф, обработка естественного языка, языковая модель, машинное обучение, искусственный интеллект, нейросеть, «мягкая сила», политика в сфере культуры, фонд кино, министерство культуры российской федерации, россотрудничество, росконгресс, Visual arts, N1-9211