Original size 1024x1536

Анализ скорости публичных высказываний за последние 70 лет

PROTECT STATUS: not protected

Введение

В данном проекте исследуется, как менялась скорость речи в публичных высказываниях на протяжении второй половины XX и начала XXI века. Скорость речи рассматривается как количественный показатель, отражающий ритм времени, медиасреду и особенности публичной коммуникации.

Меня заинтересовал вопрос: можно ли увидеть устойчивый тренд ускорения речи со временем и зависит ли темп речи от формата высказывания. Проект выполнен в формате исследовательской визуализации данных с акцентом на интерпретацию и объяснение наблюдаемых закономерностей.

Данные

Для анализа использован табличный датасет, содержащий информацию о скорости речи в публичных высказываниях. В качестве основной метрики используется показатель words per minute (WPM) — количество слов, произнесённых за одну минуту.

Датасет включает следующие параметры: год высказывания, формат речи (лекция, интервью, публичное выступление), скорость речи (WPM).

Анализ данных выполнялся в среде Google Colab с использованием библиотеки Pandas.

Этапы работы

  1. Формирование табличного датасета

  2. Очистка данных и удаление нереалистичных значений

  3. Группировка данных по годам и десятилетиям

  4. Расчёт средних значений скорости речи

  5. Визуализация данных различными типами графиков

  6. Интерпретация результатов

big
Original size 850x470

Средняя скорость речи по годам

plt.figure (figsize=(10,6)) plt.scatter (df['year'], df['wpm'], alpha=0.3) plt.xlabel («Год») plt.ylabel («Слова в минуту») plt.title («Связь года и скорости речи»)

Пояснение

«Диаграмма рассеяния показывает зависимость между годом высказывания и скоростью речи. В более ранние периоды значения скорости речи в среднем ниже, тогда как в современных выступлениях наблюдается смещение в сторону более высоких значений.»

Original size 618x551

Средняя скорость речи по форматам

avg_speed = df.groupby ('year')['wpm'].mean ()

plt.figure (figsize=(10,5)) plt.plot (avg_speed) plt.xlabel («Год») plt.ylabel («Слова в минуту») plt.title («Средняя скорость речи по годам»)

Пояснение

«Линейный график демонстрирует устойчивый рост средней скорости речи на протяжении нескольких десятилетий. Этот тренд может отражать ускорение темпа жизни, развитие медиа и изменение форматов публичной коммуникации.»

Original size 587x445

Скорость речи по десятилетиям

df.boxplot (column='wpm', by='decade', figsize=(10,5)) plt.xlabel («Десятилетие») plt.ylabel («Слова в минуту») plt.title («Скорость речи по десятилетиям»)

Пояснение

«Диаграмма размаха показывает рост медианных значений скорости речи от десятилетия к десятилетию. Также увеличивается разброс значений, что указывает на разнообразие речевых стратегий в более поздние периоды.»

Original size 850x547

plt.figure (figsize=(8,5)) plt.hist (df['wpm'], bins=20) plt.xlabel («Слова в минуту») plt.ylabel («Количество наблюдений») plt.title («Распределение скорости речи»)

Пояснение

«Гистограмма позволяет увидеть, в каком диапазоне чаще всего находится скорость речи. Основная масса значений сосредоточена в среднем диапазоне, что позволяет говорить о существовании условной нормы темпа речи.»

Выводы

Результаты анализа показывают, что скорость публичной речи со временем увеличивается. Это может быть связано с ускорением информационной среды, изменением форматов коммуникации и ростом плотности передаваемой информации.

Проект демонстрирует, как количественный анализ речи может использоваться для изучения культурных и социальных изменений.

Описание применения генеративной модели

В процессе работы над проектом использовалась генеративная модель ChatGPT (OpenAI). Модель применялась для консультаций по работе с Python и Pandas, структурированию анализа данных, а также для помощи в формулировке текстовых пояснений и выводов.

Искусственный интеллект использовался как вспомогательный инструмент обучения и не выполнял автоматический анализ данных.

https://chat.openai.com

Материалы проекта

Google Colab — анализ данных и построение визуализаций https://colab.research.google.com/

Pandas — библиотека Python для обработки и анализа данных https://pandas.pydata.org/

Matplotlib — библиотека Python для визуализации данных https://matplotlib.org/

ChatGPT (OpenAI) — текстовое сопровождение проекта https://openai.com/chatgpt

Анализ скорости публичных высказываний за последние 70 лет
Project created at 11.02.2026
adcr.dafes
The Art Directors Club of Russia sets the benchmark for creative excellence in design and advertising, serving as a central hub where industry professionals connect. Since 2004, the Club has hosted the ADCR Awards—a premier national competition celebrating creativity, design, and advertising. The core mission of the awards is to champion agencies and independent creators making their mark in the local market. By presenting this honor on behalf of the professional community, the Club reaffirms its endur... Show more
adcr advertising
adcr design
adcr students and young creators