For the last forty-two years, 纽约的时钟一到午夜，世界各地的人们就把电视机换成了美国全国广播公司. 他们希望能在这里看到自己喜欢的名人, musicians, 崭露头角的喜剧演员们戴着假发，穿着戏服，互相开玩笑. 1975年10月的第一个晚上之后, 《皇冠体育官网》一直是创造喜剧经典的重头戏. Whether it was the coneheads, two wild and crazy guys, 或者克里斯托弗·沃肯的发烧，那只能靠再加点牛铃来缓解, 《皇冠体育官网》是一个充满笑声的大锅. 除了它本身的直接公众吸引力之外, 这部剧成为了一代又一代演员的起点. 威尔·法瑞尔的事业带来的集体娱乐, Amy Poehler, Chevy Chase, Mike Myers, 以及其他数百名在8H演播室开始职业生涯的人，证明了该节目在娱乐媒体界的巨大影响力. Clearly, 这部剧对流行文化产生了巨大的影响, but more recently, 《皇冠体育官网》一直处于一个批判性的镜头下，以确定它可能影响当代生活的其他方面.
这部剧一直依赖于对时事的恶搞和讽刺，作为喜剧的丰富来源. However, 在什么情况下，喜剧表现成为表达和批评政治思想的精确工具? 喜剧节目能在塑造国家对个人和思想的看法方面发挥重要作用吗? 这些是凯瑟琳·布朗内尔在她的文章《皇冠体育》中调查的一些问题, Saturday Night Live, 以及首席艺人的发展.她讨论了总统们是如何在她所谓的“表演政治”中利用这部剧的,利用娱乐媒体来塑造公众情绪以及对政治进程和政府的看法. 演出的第二年就开始了, 人们已经认识到它作为政治表达和交流工具的潜力. 该节目的收视率和呈现方式为政治家与选民沟通提供了一个更非正式、因此更值得信赖的渠道. 虽然这对杰拉尔德·福特有利, 它意外地将《皇冠体育官网》打造成了一股政治评论的力量.
这使电视在社会中的角色变得复杂, 有时候，观众很难判断这个节目在政治新闻方面是否真实, 当它是严格的喜剧, 当它作为新闻和喜剧的融合. 近年来，随着政客们变得更加引人注目，这一点变得尤为明显, 名人的通常以与名人相似的身份服务的. 这使他们成为讽刺和批评的对象, 而且他们在多大程度上得到了公平的代表并不总是很清楚. 在过去的几年里，一个特别受欢迎的政治模仿者是莎拉·佩林. Her opinions, public statements, 以及与该剧资深演员蒂娜·菲在视觉上的相似性，为该剧的编剧提供了很多素材. Jason Peifer在她的文章“佩林”中强调了这种模糊的政治代表可能产生的潜在影响, Saturday Night Live, 框架:政治戏仿的动态分析.她指出，这些模仿在“创造政治现实”方面发挥了重要作用.“这部剧已经从简单地反映当前的事态发展成为塑造政治现实的一股动态力量.
As previously mentioned, however, 值得注意的是，这部剧塑造的现实并不总是客观的, representative, or equally degrading. While initially, 杰拉尔德·福特有意用它作为媒体来塑造人们对他的看法, 现在，它在未经公众允许的情况下定义公众人物，而且往往是负面的. Nickie Wild in “Dumb vs. 《皇冠体育》指出，该节目可以成为选民的信息来源, 尽管它可能永远不会与它所代表的人交流. Under the guise of comedy, 《皇冠体育官网》能够有选择地、主观地教育人们了解他们的政治家和政治文化. 随着它对这个国家政治意识的影响力不断增强, 似乎比以往任何时候都更重要的是，对其生产者和消费者进行批判性和分析性的调查.
研究问题和一般论文¶
正是这种选择性教育的潜力激发了我对研究这部剧的兴趣. 显然，它有很大的潜力影响政治气候. 这导致了两种截然不同的探索性分析方法. 第一种方法围绕单个参与者, 考虑到他们代表政治人物的能力, culture, 以及他们在塑造节目方向上的作用, 我很好奇谁是参与《皇冠体育官网》的最多产、最重要的人物. 《皇冠体育官网》的文化对几位有影响力的创始人来说是真实的吗, 还是说随着时间的推移，最近的演员对这部剧的影响更大? 其次，随着时间的推移，这部剧的整体接受度发生了怎样的变化. 这部剧什么时候反响好，什么时候反响差? As we have seen, 近年来，政治恶搞有所增加, 观众对这种增长的看法是积极的还是消极的, 这说明了近年来人们对政治表现的看法?
由于我对学术工作的调查, 以及我自己看这部剧的经历, 我的理论是，《皇冠体育官网》和以往一样，是今天最重要的节目. 随着喜剧和讽刺在政治进程中扮演越来越重要的角色, 我相信近几年的评级会反映出这一点, especially among young people, 他们成长在一个数字无障碍的时代，使得SNL小品很容易找到, and political dissatisfaction. 考虑到大量的剧集和小品, however, 我不确定扮演过政治角色的演员是否对这部剧最有影响力. 我认为，对演员的分析将证明，最近的演员将是最相关的, 与现任演员互动, 年长一些的人会回来做主人.
Loading Packages and Data¶
刚开始的时候，我不确定我到底要使用什么数据包. 我知道我很可能需要ggplot2, 用于生成更精细的图形的软件包, as well as igraph, 用于从数据创建网络的包. 为可视化提供更多的功能和选项永远不会有坏处.
library(HistData)
library(reshape)
library(RColorBrewer)
library(ggplot2)
library(rgdal)
library(sp)
library(rgeos)
library(maptools)
library(igraph)
library(rgexf)
library(gridExtra)
我从一个叫Kaggle的网站上下载了数据, 一个举办数字模特比赛的网站, 用户可以在哪里发布和下载任意数量的不同数据集. 原始数据存放在六个不同的文件中，因此每个文件都必须单独读取, 因此有六个不同的命令和六个不同的数据帧.
actor_type <- read.csv(file="snl_actor_title.csv", as.is=TRUE)
actor <- read.csv(file="snl_actor.csv", as.is=TRUE)
episode <- read.csv(file="snl_episode.csv", as.is=TRUE)
season <- read.csv(file="snl_season.csv", as.is=TRUE)
rating <- read.csv(file="snl_rating.csv", as.is=TRUE)
title <- read.csv(file="snl_title.csv", as.is=TRUE)
head(actor_type)
head(actor)
head(season)
head(episode)
head(rating)
head(title)
接下来的步骤看起来有点多余，因为我需要将单独的数据帧合并为一个. This became a problem, 因为数据框架的不同元素要么是必需的，要么是我使用的最终可视化和论证的障碍. For my network analysis, 我想知道每一集里每个演员的名字, 导致出现在多集中的演员重复. 而对于网络来说是必要的, 当我回过头来查看剧集和季节时，我需要进一步使用不同的数据迭代.
Luckily, however, 我下载的数据是预先清理过的, 没有丢失的值和NAs, 所以我不需要自己做任何NA移除或数据清理.
我想用这些数据做的第一件事是对参与《皇冠体育官网》的所有不同演员进行网络探索. 为此，我需要结合“情节”、“演员类型”和“评级”数据帧. 我想要一个数据帧，其中每一行代表一个特定剧集中的一个演员, 这样我就可以建立一个由一起主演剧集的人组成的网络. As a part of the visualization, 我想潜在地包括特定剧集的评级, 以及什么样的演员(主持人), cast members, 音乐嘉宾对演出来说更重要. 每一个新的“总数”都是一个额外数据帧的引入, 按季和剧集合并, 大多数数据框架中的公共列.
Finally, 我决定包含“演员”数据框架, 因为“actor_type”包含了我想要的大部分信息, such as episodes and seasons, 它用演员名字的缩写来表示他们, less helpful for visualizing. 然后我对数据进行细分，按时间顺序按季和剧集排序.
rating <- rating[order(rating$sid, rating$eid), ]
total <- merge(episode, rating, by=c("sid", "eid"))
total <- merge(total, actor_type, by=c("sid", "eid"))
total <- merge(total, actor, by= "aid")
total <- total[order(total$sid, total$eid), ]
head(total)
unique(total$actorType)
我们可以立即看到数据帧中的一些重复, 在第一季的第一集里有两排阿尔·弗兰肯. 这突出了我在为网络节点使用“total”数据帧时将要遇到的一个问题. 不仅小的错误会产生双重弗兰肯的错误, 但我之前没有意识到我会有很多重复节点. 我运行了唯一的函数来找出所有不同的“actorType”选项, cast, guest, music, filmed, host, cameo, and unknown. 重复表演的问题立即变得清晰起来. 贾斯汀·汀布莱克既是主持人又是音乐嘉宾. 有些演员是演员、工作人员、嘉宾和主持人. Because of these overlaps, 拥有参与者类型的节点属性会导致什么问题, 因为有些人有多个, I decided that for the network, 我只是想看看具体演员的名字, 因此，下面创建了一个新的字符向量，只有每个人的名字一次.
vertices <- unique(total[ ,c("name")])
head(vertices)
class(vertices)
在为节点创建数据帧之后，我现在需要为网络的边缘创建一个数据帧. 下面的代码是第一步, 取自霍尔教授用来为获得最佳影片提名的电影中的演员创建联合主演网络的代码. 起初，这似乎是不可能的, because unlike the movies, 剧集没有唯一的名称. 幸运的是，有些出乎意料的是，表示每一集播出日期的“播出”一栏有一个独特的字符表示，以一天的形式表示每一集, a month, and a year. Using this, and the unique names of actors, 我改变了for循环，以便在演员出现在新播出的剧集时产生轰动效应, 在每一个共同出演过一集的演员之间创造了一种优势.
trueEdges <- list()
actors <- unique(total$name)
episodes <- unique(total$aired)
for (i in 1:length(episodes)){
hits <- which(total$aired == episodes[i])
subsetnodes <- unique(total$name[hits])
rating <- unique(total$US.users_avg[hits])
newedges <- data.frame()
if (length(hits) > 1){
for (x in 1:length(subsetnodes)){
if (x != length(subsetnodes)){
miniset <- data.frame(S = subsetnodes[x], Target=subsetnodes[-c(1:x)], Episode=episodes[i], Rating=rating,
stringsAsFactors = FALSE)
newedges <- rbind(newedges, miniset)
}
}}
else{
newedges <- data.frame(S=total$name[hits], Target="", Episode=episodes[i], Rating=rating, stringsAsFactors = FALSE)
}
trueEdges[[i]] <- as.data.frame(newedges)
}
library(plyr)
edge_df <- rbind.fill(trueEdges)
一旦为节点和边缘创建了数据帧, 我用igraph包创建了SNL所有演员的网络. In the next section of code, I create the network, set a layout for the nodes, 并创造出过去42年《皇冠体育官网》贡献者的视觉表现.
g=graph_from_data_frame(edge_df, vertices, directed=FALSE)
g
set.seed(1)
lout <- layout.fruchterman.reingold(g)
plot.igraph(g, layout = lout, asp = 0, vertex.size = 5, vertex.label.cex = 0.5)
在运行上面的代码之后，这个步骤出现了一些问题. 首先是与网络有关的数字, there are 2,135 nodes connected by 165,259 edges, 需要绘制大量的信息. 因此，igraph和R在笔记本上花了大约20分钟来绘制网络. This created several problems. 从视觉上看，网络是无法读取的，它是集群的，看起来毫无意义. However, 清理可视化的过程包括对不同值和间距子集的尝试和错误, label and node size, edge thickness, etc. 我不能每次想要调整图形的视觉方面都等上20分钟. 鉴于此，在Hall教授的建议和帮助下，我决定将网络转换为a .gephi文件，这样我就可以在为处理网络而构建的软件中操作它. 尽管下面的代码实际上并没有用于将数据导出到Gephi可读的对象中, 下面的代码将完成这一任务.
g_gephi <- igraph.to.gexf(g, position=NULL)
f <- file("SNL.gexf")
writeLines(g_gephi$graph, con = f)
close(f)
Gephi是处理这种规模的网络的更有效的方法, 但我发现数据文件需要一些新属性，以便我可以创建特定的可视化. 为了证明《皇冠体育官网》经典节目的老卫士是否比与老成员有联系的新成员更有影响力, the data needed to be adjusted. 我需要根据边(情节)发生的时间添加一个额外的边属性. Additionally, Gephi的软件无法根据评级给边缘上色, 还需要加一栏颜色，以便基腓能看懂. Using the following code, provided by Professor Hall, 我能够使用这些新列来探索可视化.
读入边缘数据帧后，导出为 .csv, 代码为不同的评级创建不同的箱(值范围), 在数据框架中创建一个名为“binID”的新列，并根据其评级值将每一行放入bin中. 然后，它创建了一个颜色向量，与R的“热度”相反.“颜色”托盘与颜色的每一个单独的bin. A new column, “color”被添加到数据帧中，其中每一行都被赋予基于其binId的颜色. 然后，代码查看数据框架中两个指定列的前十行，以验证它们是否匹配. 这部分代码将使Gephi更容易为边缘分配颜色, 通过已经运行代码来关联颜色和等级, 而不是依靠基腓来完成.
代码的下一部分是for循环，其中创建并定义了一个新属性:weight. In this case, 权重是根据剧集的日期来分配的, 更大的权重代表更近期的事件. 使用“episode”列中数据框架中的每个唯一剧集播出日期创建一个日期向量. The as.日期函数是R的一个属性，它可以读入字符向量作为日期, 然后在这个循环中分配一个权重值. The dashes are removed, 探讨了新的权重列, and then adjusted, 在这种情况下，除以一千万，使它更易于管理.
Finally, 代码指定边，因此网络是无向的, and the new data frame, 颜色列和权重列都导出为 .csv to be used by Gephi.
snlEdges <- read.csv("SNLEdges.csv", header = TRUE, stringsAsFactors = FALSE)
bins <- unique(quantile(snlEdges$Rating, seq(0,1, length.out = 10)))
snlEdges$binId <- findInterval(snlEdges$Rating, bins)
colSet <- rev(heat.colors(length(bins)))
colSet
snlEdges$color <- colSet[snlEdges$binId]
snlEdges[1:10, c("Rating", "color")]
write.csv("SNLEdgesColor.csv")
colnames(snlEdges)
dates <- unique(snlEdges$Episode)
snlEdges$weight <- 0
for (i in 1:length(dates)){
hits <- snlEdges$Episode == dates[i]
date_no <- as.Date(dates[i], "%d-%b-%y")
snlEdges$weight[hits] <- as.character(date_no)
}
snlEdges$weight[1:10]
snlEdges$weight <- gsub("-", "", snlEdges$weight)
snlEdges$weight[1:10]
class(snlEdges$weight[1])
snlEdges$weight <- as.numeric(snlEdges$weight)/10000000
snlEdges$weight[1:10]
snlEdges$Type <- "Undirected"
write.csv(snlEdges, "SNLEdgesColorWeight.csv", row.names = FALSE)
附件是一个pdf文件，其中包括在Gephi中生成的网络可视化, 以及详细说明视觉属性的标题, 以及为了达到目的而在吉腓所做的操纵. 下面我将包含更多的代码步骤，以及对代码和网络的总体解释, 谁是剧中最重要的演员.
下面的代码计算特征向量中心性, betweenness centrality, and degree of the network, and correlates them, 以演示如果网络可视化, 显示特征向量和度, 是不是错过了一个不同的中心性故事，因此，它的重要性将与中间中心性沟通.
eigenCent <- evcent(g)$vector
sort(eigenCent, decreasing = TRUE)[1:10]
sort(eigenCent, decreasing = FALSE)[1:10]
betweenCent <- betweenness(g)
sort(betweenCent, decreasing=TRUE)[1:10]
sort(betweenCent, decreasing=FALSE)[1:10]
deg <- degree(g, mode="all")
sort(deg, decreasing=TRUE)[1:10]
sort(deg, decreasing=FALSE)[1:10]
(cor(eigenCent, betweenCent))^2
(cor(deg, betweenCent))^2
(cor(eigenCent, deg))^2
As we can see, 在度和中间性中心性之间存在适度的相关性, 这表明，如果节点按间隔大小划分，网络看起来会非常相似. 特征向量和度之间有更强的相关性, 表明网络中最中心的节点是谁, 他们都是紧密相连的, 并且和很多其他有关系的人有联系. 这些节点在剧中有着巨大的影响力, 以及随后的政治现实，这部剧参与了创作. 最后要问的问题是:这些节点是谁?
Unsurprisingly, 网络中有许多节点的特征向量中心性和度都很低, 以海小为代表, yellow dots. 这些是曾经在节目中出现过一次的主持人和音乐嘉宾, and are relatively unimportant. 图1所展示的最关键的故事与最具影响力的演员们出演剧集的日期有关. 考虑到左侧更大更暗的节点的集中, connected by dark green nodes, 这个网络告诉我们，最有影响力的演员是那些最近几年出现在节目中的演员. 这与《皇冠体育官网》是有史以来最重要的节目这一观念是一致的, 而参与其中的演员则更为现代, 更具政治讽刺意味的版本, 对它的运作更重要吗. 他们与最多、联系最紧密的其他参与者进行了互动, 前剧组成员将回归担任主持人, 因为他们都参与了政治模仿的蓬勃发展时代. 随着剧中越来越多的演员在塑造文化方面变得越来越强大, 一种越来越以政治代表为基础的方式, 关键是要从展览本身入手, 以及公众对节目的接受程度. 人们对最近几年和最近的演员有积极的反应吗? Or, 尽管他们在剧中的影响力越来越大, 在观众眼中，《皇冠体育官网》本身作为一个相关的媒体对象正在褪色吗? Conversely, 《皇冠体育官网》和它的新政治手法是否让新近演员的喜剧印象在塑造政治现实方面更有力量?
《皇冠体育官网》历年收视率回顾¶
经过网络属性的探究，谁一直是最具影响力的, 当他们上了节目, 我开始关注《皇冠体育官网》的收视率. 我想看看这些年来评级是如何变化的, 今天的政治讽刺风气是否让这部剧更受欢迎, 以及谁对《皇冠体育官网》的反应是否有人口统计学上的差异. “评级”数据框架的创建者表示，他使用IMDb统计数据来生成评级数据. IMDb网站对他们如何计算评分有一定程度的透明度(http://www.imdb.com/help/show_leaf?votestopfaq). Basically, 只有注册用户才能投票, 每个帐户对每个项目只能投一票, votes can be recast, 但是它们覆盖了之前的分数, 所以一个账户不可能有30个单独考虑的评级. However, 重要的是要注意，评级是使用加权平均值计算的, 但为了“避免让该计划被滥用”，他们不会告诉你具体的权重是如何计算的. Before using this data, 我想承认，这只是决定《皇冠体育官网》剧集收视率的一种方法, 这里有几个偏见需要注意. Because it is volunteer-based, 收视率并不能反映每一个看过这一集的人的观点. Additionally, 没有办法阻止一个用户注册多个帐户, 或者对他们没有真正看到的东西进行投票. 我没有理由认为这些数据有严重问题, 但在使用它之前，我认为有必要承认数据可能存在缺陷, 因此，从它得出的结论受到数据收集中存在的偏见的影响.
以下是来自IMDb网站的表格(http://getsatisfaction.com/imdb/topics/percentage-of-registered-users-by-gender)，它提供了截至两年前注册用户的年龄和分类. 很明显，男性用户占了很大的比重, and those aged 18-45, 前进的重要考虑. 在查看整体数据时，重要的是要记住，这些数据并非来自代表总体的用户样本, 而且有很大一部分用户的人口统计数据是未知的.
| All | Male | Female | Unknown | |
|---|---|---|---|---|
| Age | ||||
| All | 1,477,645 (100%) | 1,025,298 (69%) | 208,914 (14%) | 243,433 (16%) |
| Under 18 | 15,833 (1%) | 12,988 (1%) | 2,845 (0%) | 0 (0%) |
| 18-29 | 632,346 (43%) | 524,807 (36%) | 107,539 (7%) | 0 (0%) |
| 30-44 | 434,688 (29%) | 370,132 (25%) | 64,556 (4%) | 0 (0%) |
| 45+ | 88,809 (6%) | 72,190 (5%) | 16,619 (1%) | 0 (0%) |
| Unknown | 305,969 (21%) | 45,181 (3%) | 17,355 (1%) | 243,433 (16%) |
首先，我看了一份简单的《皇冠体育》播出以来每一集和每一季的收视率表. 这需要再次引入评级数据, because as mentioned above, 当我为网络合并数据时, 因为很多演员都参与其中，所以我最终重复了几集, 我现在很好奇，想要退后一步，看看剧集和季节, rather than individual actors.
rating2 <- read.csv(file="snl_rating.csv", as.is=TRUE)
head(rating2)
在决定我想使用什么评级类别来查看整体评级时, 我决定看看美国用户的平均水平. 如下所示，每个评级系统的摘要.users has a more precise range, 尽管原始用户评分和平均值都相当集中, 在四分位数范围内分布不大. 我决定用6的范围来处理数据会更容易.3, rather than 166. 为了帮助可视化那些被评价为相对较好或较差的剧集，而不是客观地根据IMDb在所有媒体上的评分, 我把收视率分成了十个不同的类别, bin“10”是收视率最高的剧集, 《皇冠体育官网》是收视率最低的剧集.
summary(rating2$US.users)
summary(rating2$US.users_avg)
allbins <- unique(quantile(rating2$US.users, seq(0,1, length.out= 11)))
allvals <- cut(rating2$US.users, allbins, labels=FALSE, include.lowest=TRUE)
blues <- RColorBrewer :: brewer.pal(10, "BrBG")
ggplot(rating2, aes(factor(sid))) + geom_bar(aes(fill = factor(allvals)), position = "fill") +
#scale_y_continuous(""， break = NULL) +
scale_fill_manual(values=blues) +
labs(x = "Season", y ="Percentage of Episodes", color = "Rating") + theme(axis.text.x = element_text(angle = 90, hjust = 1))
这张图表展示了《皇冠体育官网》每一季的收视率. 每个柱状图代表一个单一的季节，用收视率来表示颜色. Because there is variability, 每一季有好有坏, 我决定看看哪一季的剧集得到的评价最多，要么是正面的，要么是负面的，这样更能说明问题. As mentioned above, 颜色箱是这样的，这样我们就可以看到《皇冠体育官网》的剧集和季节是如何相互评价的, 而不是客观上不那么受欢迎, 因为它们还没有被评为非常受欢迎的动作, for example. 每个条形图(季)的颜色都是由属于每个评级桶的剧集百分比表示的. 箱子的颜色标注在左边的图例上, 深色的是最好的, 深棕色是最糟糕的.
一直到图的左边, 我们看到观众对第一季的反应很好, 所有剧集的评分都比较高. 随后，收视率持续下降，直到第13季, 收视率普遍不佳的地方, 有几季的评价都比较正面. 第17季、第19季和第26季的收视率出现了短暂的上升. Around season 30 however, 我们看到负面评论开始稳步减少, 取而代之的是更积极的. 这与学术界对《皇冠体育官网》的反思不期而遇，尤其是在最近几年. 收视率大约在十年前开始上升, in 2007-2008, right when Sarah Palin, 这位至今不为人知的古怪阿拉斯加州州长被共和党领跑者约翰·麦凯恩选为2008年总统大选的副总统候选人. 几年来收视率最高的季节, 难怪这个节目开始把政治小品作为节目的常规元素. 收视率最高的年份是总统选举之前或之后的年份, 因为这部剧注入了新的角色印象. The highest rated season ever, the most recent, 在2016年大选后，该网站发表了大量的政治评论. Alec Baldwin's Donald Trump, Melissa McCarthy's Sean Spicer, Kate McKinnon's Betsy DeVos, Jeff Sessions, 和凯莉安·康威做到了这一点, in season 42, 超过四分之三的剧集被评为收视率最高的十分之一. 这个时间线支持了最近的政治模仿使这部剧越来越受欢迎的观点, 赋予它更多的权力来塑造政府成员的政治印象.
然而，只看整体数据可能会淡化其他更有趣的趋势. 在下一节的代码中，我将按性别对评级进行分解，看看是什么, if any, 这些变量之间存在联系，如果某些群体更倾向于喜欢新事物, 政治上更活跃的《周六夜现场.
Reactions of Men and Women¶
为了得到另一个皇冠体育收视率变化的故事, 我关注的是男性和女性对这部剧的接受程度的差异. 我预计这两种评级的变化会有很强的相关性, 因为这个国家的男人和女人生活在同样的政治气候中, 我希望他们对政治恶搞的增加也能做出同样积极的反应. 因为这部剧更直接地融入了其他领域，而不是纯粹的喜剧, 我希望男性和女性都觉得它更相关，因此对它的评价更积极.
men <- qplot(sid, Males_avg, data = rating2, main="Male", xlab="Season", ylab="Rating", ylim=c(2,11), color = I("darkblue")) + geom_smooth()
women <- qplot(sid, Females_avg, data = rating2, main="Female", xlab="Season", ylab="Rating", ylim=c(2,11), color = I("darkred")) + geom_smooth()
grid.arrange(men, women, ncol=2)
summary(rating2$Males_avg)
summary(rating2$Females_avg)
r <- cor(rating2$Males_avg, rating2$Females_avg)
r^2
在这张图表中，我探索了男性和女性用户多年来对SNL剧集评分的不同方式. Every single dot represents an individual episode; they are arranged vertically according to which season they fall in. 以上是男性和女性评分图的五个数字总结. 这些都是为了突出趋势和更具可比性的数据. 在这两张图表中，很明显季节有可能有相当大的变化. 两者的geom_smooth线条呈现出最有趣的趋势. 无论男女，一开始似乎都对这部剧评价很高, 但男性似乎一开始对女性失去兴趣的速度要慢一些, 相比之下，女性的收视率在前十季下降得更快. 男性对该剧的评价越来越低，直到第27季，这是男性收视率最低的一季. 然后，男性对它的评价开始稳步上升, 与此同时，整体评分也略有提高, around season thirty-four, 当政治恶搞变得更加普遍. 女性收视率的波动稍微大一些, 在第15季左右达到最低, 在第32或33季左右达到顶峰, 最近开始减少, 这部剧的政治色彩更加浓厚. It is important to note, however, 传统上，女性对这部剧的评价高于男性, 对于女性来说，五个数字的总结在所有方面都更高, 直到最近几季，男人们才对这部剧有了更高的评价.
这说明了这个节目，和/或在这个数据集中用来评价它的系统是什么? Initially, 重要的是要提请注意这样一个事实，即男性接受的模式在趋势上与总体数据更为相似, 反映了上表中显示的评分用户的性别构成. 除了男性情节的镜像之外, 有趣的是，有这么小的相关性(r平方值为0).10)男性和女性对剧集的评价方式. 事实上，男人们更容易接受《皇冠体育官网》了, as scholars have noted, 他们开始模仿政治, 也许是一般男性幽默的表现, 以及它对这些潜在的欺诈性和攻击性描述的反应. The low correlation, 女性支持率的下降表明，《皇冠体育官网》最近的结构和内容在男性中很受欢迎, but is less appealing to women.
结论:政治批评兴起中的性别幽默¶
虽然一开始我想对年龄差异做更多的分析, 我觉得这太不确定了. 在这个特定的数据集中，年龄作为一个变量有点太模糊了, 由于观看日期的年龄和分级日期的年龄可能不同, 甚至分为不同的年龄类别. 考虑到观众一生中可能经历的波动, 很难从一个变量中得出任何结论，因为它不能代表每个数据点的相同情况.
根据我对演员网络和收视率变化的调查, 很明显，当代的《皇冠体育官网》是有史以来最有影响力的. 带着我自己的主观观点进入这个项目, confirmed by research, 在一个充斥着有时可笑的政治名人的时代，我也预料到了这一点, 像《皇冠体育官网》这样以印象为基础的节目会比以往任何时候都做得更好.
我的网络分析证实，《皇冠体育官网》的新演员更有能力塑造《皇冠体育官网》的遗产, 也因此增加了塑造政治现实的权力，而这正是这部剧现在所涉及的. Similarly, 看看男性观众的总体趋势, 自从他们开始更多地利用政治恶搞以来，这部剧的收视率有了明显的上升. The most unexpected, 可能最重要的发现是，这部剧在新政治时代的女性支持率在下降.
一个可能的解释是，掌权的女性往往会受到政治上的批评. In a New York Times article, 苏珊·奇拉(Susan Chira)报道了对女性政治人物的批评中经常出现的肤浅和性别歧视的语气. 《皇冠体育官网》的拙劣模仿往往会突出节目主体的个人缺陷, 有可能，男性对这种批评的深远影响的险恶本质更敏感. Men may see the recent, 多年来充斥着政治色彩的《皇冠体育官网》只是充斥着他们在新闻中听到和看到的人的幽默印象, 然而，女性观众已经开始对这部剧失去兴趣，因为传统上对女性掌权的批评是简化和危险的一般化.
最近一季的学术调查证实了这一点, 这部电影虽然收视率最高，但女性对它的总体评价却是17年来最低的. 在他们的文章《恐同的男性气质和脆弱的女性气质:《皇冠体育官网》对特朗普和克林顿的描绘》中,Weinhold和Bodkin探讨了男性和女性政治批评的差异. 两性在他们的形象中都被弱化了, 但是，刻板印象中的男性具有被夸大为喜剧的理想品质, 而不是负面的女性印象. 虽然晒得很黑，剪裁也很差, 亚历克·鲍德温(Alec Baldwin)饰演的笨拙的特朗普充满活力, social, and over-confident. The portrayals of women, however, 利用性别对女性的刻板印象，将其视为脆弱、有时甚至顺从的代名词, 从凯特·麦金农(Kate McKinnon)对无能为力的凯莉安·康威(Kellyanne Conway)和希拉里·克林顿(Hillary Clinton)的刻画中可以看出这一点. 基于他们的表现和举止, 这些批评将女性政治家贬低为这些肤浅的，往往更消极的属性，而忽略了任何皇冠体育优点或信仰的讨论. The representations of genders, although equally comedic, 还能被理解为对女人比对男人更有辱人格吗. 这可能与男性和女性对这部剧的接受程度的差异几乎没有关系, but it is a possible factor. 除此之外，这是一个有趣的例子，说明媒体和信息呈现系统可能赋予男性特权.
As noted, 这种性别差异在娱乐媒体领域并不完全孤立, 像《皇冠体育官网》这样的节目正在塑造观众的政治观念. 这个节目已经被证明可以改变人们对乔迪·鲍姆加特纳的看法, Morris, 和沃斯称之为“菲效应”.曝光蒂娜·菲对莎拉·佩林的印象, 以Weinhold和Bodkin讨论的性别术语呈现, 对选民对佩林及其政治角色的态度有什么影响. 如果《皇冠体育官网》能塑造人们对政客个人的看法, 那么，它也能够证明女性政治家与顺从之间的联系，这似乎是合理的, 即使是这个国家最有权势的女性，在传统的领导素质方面也仍然落后于男性.
这是对这部剧越来越受欢迎的一个更切题的分析, 这是未来研究政治幽默和娱乐/新闻媒体融合的一个值得思考的问题. 特别是如果他们在未来继续获得更高的评价，特别是只有一个性别. 但我在分析中发现的结果支持了当前的学术研究, 这种政治批评正在上升, 它在现实生活中影响了观众的政治和性别态度. 《皇冠体育官网》被杰拉尔德·福特(Geralf Ford)等“首席娱乐人”(Entertainers in Chief)赋予权力，成为政治事实的来源, 开辟了一些渠道，性别化的言论开始更容易传播. 在更广泛的社会和政治的性别态度背景下，这是非常重要的, 像《皇冠体育官网》这样的节目可能有助于再现和加强这种态度.
Works Cited¶
Baumgartner, Jody C., Jonathan S. Morris, and Natasha L. Walth. 2012. "The Fey Effect.《皇冠体育官网》第76期. 1: 95-104. 学术搜索完成，EBSCOhost.
Brownell, Kathryn Cramer. 《皇冠体育》第46期，第2期. 4 (December 2016): 925-942. 学术搜索完成，EBSCOhost.
Chira, Susan. 性别歧视的政治批评找到了新的目标:凯莉安·康威.《皇冠体育》，2017年3月5日. http://www.nytimes.com/2017/03/05/us/kellyanne-conway-sexist-political-criticism.html?_r=0.
Michaud Wild, Nickie. 2015. "Dumb vs. 假:布什和佩林在周六夜现场的表现及其对新闻公共领域的影响." Journal Of Broadcasting & Electronic Media 59, no. 3: 494-508. 学术搜索完成，EBSCOhost.
Peifer, Jason T. 2013. 佩林，周六夜现场，和框架:检查政治恶搞的动态." Communication Review 16, no. 3: 155-177. 学术搜索完成，EBSCOhost.
Weinhold, Wendy M., and Alison Fisher Bodkin. 2017. 恐同的男性气质和脆弱的女性气质:《皇冠体育官网》对特朗普和克林顿的描绘.《皇冠体育官网》第17期，不. 3: 520-523. 学术搜索完成，EBSCOhost.