| Tip izvora | Broj objava | Udio |
|---|---|---|
| Ostalo / nerazvrstano | 338.316 | 47,6 % |
| Konfesionalni / crkveni | 195.499 | 27,5 % |
| Sekularni / mainstream (identificirani) | 154.274 | 21,7 % |
| Zajednice i forumi | 22.218 | 3,1 % |
Baza podataka — opis korpusa katoličkoga digitalnog medijskog prostora
Što korpus sadrži, kako je prikupljen i filtriran te tko su izvori — preko 710.000 objava (2021.–2026.)
Korpus
Metodologija
Otvoreni podaci
Što je ovaj korpus
DigiKat je strukturirani korpus od 710.307 medijskih objava (2021.–2026.) koje govore o katoličkim i religijskim temama u hrvatskom digitalnom medijskom prostoru. Jedinica promatranja je jedna objava, bilo da je riječ o članku na portalu, objavi na društvenoj mreži, videozapisu ili komentaru. Svaki redak baze jedna je objava.
Ključno je razumjeti da je korpus prikupljen prema sadržaju, a ne prema unaprijed odabranom popisu medija. Objava ulazi u korpus jer govori o katoličkim temama, bez obzira na to objavljuje li je konfesionalni (katolički) ili sekularni (mainstream) medij. Zato korpus obuhvaća i jedne i druge, od crkvenih portala i župnih Facebook-stranica do najčitanijih općih news-portala.
Korpus je empirijska osnova za četiri analitičke razine projekta: Mapu ekosustava, Tematske struje, Atmosferu diskursa i Fokus na događaje.
Baza je javno dostupna na Kaggleu kao Hrvatski katolički digitalni medijski prostor 2021.–2026..
Ključni pokazatelji
710.307
Medijskih objava
2021.–2026.
Razdoblje (2026. nepotpuna)
9
Platformi i izvora
≥2 / 95
Prag uključivanja (religijskih pojmova)
Web-sadržaj čini 73,8 % korpusa. Ostatak dolazi s društvenih platformi i foruma. Presjek korpusa opisan na ovoj stranici zaključno je s datumom 11. lipnja 2026..
Što korpus NIJE
Prije daljnjeg čitanja korpus treba jasno razgraničiti od onoga što nije. Korpus nije kurirani popis katoličkih medija, jer hvata teme, a ne institucije. On nije ni reprezentativan, vjerojatnosni uzorak svih hrvatskih medija, nego velik opservacijski korpus omeđen dosegom servisa za monitoring i pravilom uključivanja. Korpus nije, naposljetku, mjera religioznosti stanovništva ni stavova javnosti, nego jest tematski zahvat objava koje govore o katoličkim temama u razdoblju 2021.–2026.
Kako je korpus definiran
Članstvo u korpusu određuje jedno pravilo. Tekst svake objave prevede se u mala slova i pretraži popisom od 95 hrvatskih religijskih pojmova (biskup, misa, euharistija, hodočašće, enciklika, Sveta stolica…), zapisanih kao regularni izrazi koji pokrivaju padeže i množine. Objava ulazi u korpus samo ako pogodi najmanje dva različita pojma (R/religious_terms.R).
Sastav i tipologija izvora
Budući da je okvir tematski, korpus doslovno miješa konfesionalne i sekularne izvore. Najveći pojedinačni izvor jest konfesionalni hkm.hr (Hrvatska katolička mreža), no odmah uz njega stoje najčitaniji opći portali. Prema indikativnoj klasifikaciji izvora (opisanoj niže), iz jasno konfesionalnih / crkvenih medija dolazi najmanje 27,5 % objava. Ostatak nose sekularni, mainstream i lokalni news-mediji, uz manji udio zajednica i foruma.
Sastav se bitno razlikuje po platformi — dok je web izvorno mješovit, društvene su platforme uporišta glasa Crkve, a forumi i Reddit gotovo su isključivo sekularni prostori zajednice.
| Platforma | Udio konfesionalnih |
|---|---|
| web | 25,6 % |
| 37,1 % | |
| youtube | 42,4 % |
| 3,5 % |
Note
Napomena o klasifikaciji. Razvrstavanje izvora je indikativno — ručno je označen skup najčešćih izvora (uz obrasce za crkvene domene poput biskupija, župa, franjev), čime je razvrstano oko 52 % objava. Preostalo („Ostalo / nerazvrstano”) uglavnom su sekularne lokalne vijesti. Tipologija je analitički presjek, a ne prirodna kategorija, pa navedene udjele treba čitati kao red veličine, a ne kao točne mjere.
Pojedinačni izvori: katalog i mreža
Iza zbirnih brojki stoje konkretni akteri. Uz sastav po tipu izvora, korpus se može razgledati i izvor po izvor. Katalog izvora okuplja profile pojedinačnih medijskih aktera zastupljenih u korpusu: za svaki donosi volumen, angažman i doseg te pripadnost tipologiji (Divovi, Graditelji zajednica, Megafoni, Specijalizirani akteri), izračunatoj jednako kao u Mapi ekosustava. Profili su razvrstani po platformama i međusobno povezani, pa se od jednog izvora lako prijeđe na srodne.
Isti se katalog može sagledati i kao mreža izvora: interaktivni graf u kojem je svaki izvor jedan čvor, obojen prema platformi i skaliran prema volumenu objava. Poveznice među čvorovima su strukturne — pripadnost izvora svojoj platformi te zajednički brend ili osoba prisutna na više platformi (primjerice Laudato ili Index). Struktura kataloga, inače vidljiva tek listanjem pojedinačnih stranica, tako se vidi odjednom i istražuje mišem.
Warning
Mreža prikazuje strukturu kataloga, a ne izmjerene odnose među akterima. Poveznice ne znače zajedničku publiku, tematsko preklapanje ni utjecaj: riječ je isključivo o pripadnosti platformi i zajedničkom brendu. Katalog je radna verzija — uređivačke oznake (konfesionalni/sekularni izvor) prijedlozi su koje potvrđuje voditelj projekta, a brojke su indikativne.
Kako je prikupljen
Podaci su izvezeni iz komercijalnog servisa za medijski monitoring (koji objave prikuplja web scrapingom i platformskim API-jima) u obliku .xlsx tablica, koje su potom spojene i filtrirane u jedinstveni korpus.
Korpus je sastavljen iz dvaju uzastopnih, a ne usporednih tokova prikupljanja — ne preklapaju se u vremenu, nego jedan nastavlja na drugi. Do 2024. objave dolaze iz tekućeg monitoring-upita (269.583 objava, razdoblje 2021.–2024.). Od 2024. taj je upit zamijenjen religijski filtriranim prikupljanjem (440.724 objava, razdoblje 2024.–2026.) koje primjenjuje pravilo ≥2 pojma opisano gore. Riječ je, dakle, o promjeni metode prikupljanja oko 2024., što je važno imati na umu pri svakoj usporedbi volumena kroz vrijeme (vidi Vremenska pokrivenost niže).
Deduplikacija se provodi isključivo po URL-u. Ona ne uklanja ?utm_ i slične tracking-parametre, pa isti članak s različitim parametrima može ostati kao zaseban redak. Zbog toga je URL tek de facto ključ objave, a ukupan broj objava treba čitati kao gornju granicu. Pokrivenost je omeđena dosegom servisa za monitoring — riječ je o velikom opservacijskom, a ne vjerojatnosnom uzorku.
Opseg korpusa
Vremenska pokrivenost
| Godina | Broj objava |
|---|---|
| 2021 | 90.388 |
| 2022 | 84.535 |
| 2023 | 83.836 |
| 2024 | 114.231 |
| 2025 | 236.166 |
| 2026 | 101.151 |
Broj objava raste prema kraju razdoblja, ali taj se rast ne smije čitati kao puki porast medijske pažnje. Skok u 2025. (236.166 objava) poklapa se s prelaskom na obuhvatniji način prikupljanja (religijski filtrirani backfill) i s uključivanjem novih platformi (Instagram i TikTok tek od 2024.). Godina 2026. je nepotpuna (do lipnja), pa je njezin manji broj artefakt presjeka, a ne pad. Usporedbe volumena kroz godine stoga su pouzdane samo unutar iste platforme i istoga toka prikupljanja.
Platforme
| Platforma | Broj objava | Udio |
|---|---|---|
| web | 524.393 | 73,8 % |
| 89.328 | 12,6 % | |
| youtube | 65.521 | 9,2 % |
| 9.791 | 1,4 % | |
| 7.052 | 1,0 % | |
| forum | 6.410 | 0,9 % |
| 3.825 | 0,5 % | |
| comment | 3.649 | 0,5 % |
| tiktok | 338 | 0,0 % |
Dominacija web-sadržaja (73,8 %) nije samo brojčana. Ona odražava ulogu tradicionalnih medija kao čuvara vijesti u hrvatskom digitalnom prostoru. Društvene platforme (Facebook, YouTube) nose manji, ali sadržajno osobit dio korpusa u kojem, kako je pokazano, prevladava glas Crkve.
Jezik i geografija
Jezik i geografija strojno su detektirani i višeoznačni (jedna objava može nositi više oznaka). Hrvatski dominira — 542.779 objava nosi isključivo oznaku hr. Korpus ipak sadrži i znatan regionalni južnoslavenski sadržaj (bosanski, srpski, slovenski) — oko 164.810 objava ima barem jednu takvu oznaku. Geografski je težište Hrvatska (605.822 objava označeno je samo kao HR), uz prelijev prema Bosni i Hercegovini te ostatku regije. Filtriranje na LANGUAGES == "hr" stoga tiho izbacuje regionalni sadržaj. S time treba računati pri ponovnom korištenju.
Struktura podataka
Korpus ima 47 varijabli, koje se grupiraju u šest funkcionalnih skupina: vremenske (DATE, TIME, year), sadržaj i tekst (TITLE, FULL_TEXT, MENTION_SNIPPET, URL, URL_PHOTO), izvor i akter (FROM, AUTHOR, SOURCE_TYPE), monitoring i podudaranje (GROUP_NAME, KEYWORD_NAME, FOUND_KEYWORDS, LANGUAGES, LOCATIONS, data_source), sentiment (AUTO_SENTIMENT, MANUAL_SENTIMENT) te angažman i doseg (REACH, ENGAGEMENT_RATE, INTERACTIONS, VIEW_COUNT, reakcije, INFLUENCE_SCORE i dr.). Potpuni popis s pripadajućom skupinom nalazi se u referentnoj tablici na dnu stranice.
Puni tekst objave (FULL_TEXT) nije dio javne distribucije zbog autorskih prava. Javno se dijele metapodaci i isječci, a puni tekst dostupan je na zahtjev za istraživačke svrhe. Kontrolirane kategorije imaju zatvoren skup vrijednosti: SOURCE_TYPE ima 9 razina, AUTO_SENTIMENT četiri (uključujući undefined), a INFLUENCE_SCORE 10 razina. Polje FOUND_KEYWORDS dolazi iz servisa za monitoring i šumovito je (najčešća vrijednost je veznik „i”), pa ga ne treba tumačiti kao dokaz religijskog filtra.
Podrijetlo signala i mjera
| Sentiment | Broj objava | Udio |
|---|---|---|
| positive | 334.968 | 47,2 % |
| negative | 204.761 | 28,8 % |
| neutral | 170.497 | 24,0 % |
| undefined | 81 | 0,0 % |
Varijabla AUTO_SENTIMENT je vendorska — izračunava je servis za monitoring nepoznatom metodom i gruba je (tri razine + undefined). Ona je distinktna od projektnoga leksičkog tonaliteta koji se računa u sloju Atmosfera diskursa i ne treba je s njime miješati. Ručno kodirani tonalitet (MANUAL_SENTIMENT) u ovom je izdanju prazan po dizajnu (100 % nedostaje).
Mjere angažmana (REACH, VIRALITY, ENGAGEMENT_RATE, INFLUENCE_SCORE) također računa vendor pri zahvatu. Formule su neprozirne, nisu usporedive među platformama i ne osvježavaju se kako objava stari. Doseg je izrazito asimetričan (medijan je 516, a maksimum više milijuna), pa prosjek dosega lako zavara. INFLUENCE_SCORE je ordinalna ljestvica od 10 razina i ne treba je prosjekovati.
Kvaliteta i ograničenja
| Platforma | REACH | ENGAGEMENT_RATE | VIEW_COUNT | REAKCIJE | FOLLOWERS |
|---|---|---|---|---|---|
| web | 100 | 63 | 0 | 100 | 0 |
| 100 | 89 | 0 | 100 | 99 | |
| youtube | 89 | 71 | 100 | 99 | 12 |
| 0 | 0 | 0 | 3 | 0 | |
| 95 | 58 | 7 | 15 | 68 | |
| forum | 0 | 0 | 0 | 0 | 0 |
| 100 | 0 | 100 | 100 | 100 | |
| comment | 0 | 0 | 0 | 0 | 0 |
| tiktok | 100 | 0 | 0 | 100 | 0 |
Metrike angažmana nisu popunjene za sve platforme — REACH i reakcije postoje uglavnom za web i Facebook, VIEW_COUNT samo za video (YouTube, Instagram), a forumi, Reddit i komentari nose malo metrika. Zato prosjek preko platformi spaja strukturne praznine i vodi u pogrešan zaključak.
Nedostajuće vrijednosti dolaze u tri vrste. Prva je prazno po dizajnu — MANUAL_SENTIMENT, TAGS, TWEET_COUNT i COUNT u potpunosti nedostaju u ovom izdanju. Druga je platformski uvjetovana — VIEW_COUNT, Facebook-reakcije i REDDIT_SCORE postoje samo na svojoj matičnoj platformi. Treća je stvarno nedostajanje, poput autora objave (AUTHOR), koji nedostaje u 38 % slučajeva.
Note
Sigurni i nesigurni zaključci. Iz korpusa je pouzdano čitati relativni tematski volumen kroz vrijeme unutar iste platforme i toka, distribuciju tonaliteta (uz vendorsku ogradu) i broj objava po izvoru. Nije pouzdano usporediti angažman ili doseg među platformama, čitati porast u 2025. ili pad u 2026. kao stvaran trend, niti prosjekovati REACH ili INFLUENCE_SCORE.
Kako se korpus koristi
Referentna primjena korpusa jesu četiri analitičke razine projekta, koje iz istih podataka izvode volumen, teme, tonalitet i događaje. Mapa ekosustava prikazuje volumen, doseg i angažman te tipologiju aktera. Tematske struje raspoređuju objave u 16 tematskih kategorija. Atmosfera diskursa mjeri tonalitet i osam emocija, a Fokus na događaje prati pomake oko konkretnih događaja i kampanja.
Pristup, licencija i citiranje
Korpus je otvoren pod licencijom CC BY 4.0. Baza podataka dostupna je na Kaggleu kao Hrvatski katolički digitalni medijski prostor 2021.–2026., a sav kod, uključujući filtar R/religious_terms.R, objavljen je na GitHubu na github.com/lusiki/DigiKat.
Kako je korpus nastao (reproducibilnost). Sirove .xlsx izvoze → prijevod teksta u mala slova → 95-pojmovni regex-filtar → zadrži objave s ≥2 različita podudaranja → merged_comprehensive.rds. Master (oko 1,2 GB) nije u repozitoriju jer sadrži puni tekst. Javna distribucija sadrži metapodatke i isječke.
Osobni podaci. Korpus sadrži javno dostupne metapodatke o izvorima i računima (npr. FROM, AUTHOR, nazivi javnih stranica, FOLLOWERS_COUNT). Redistribucija je ograničena na javne objave javnih računa. Puni tekst je izuzet iz javne distribucije.
Preporučeni oblik citiranja:
Šikić, L. / Hrvatsko katoličko sveučilište (2026). DigiKat: korpus katoličkoga digitalnog medijskog prostora u Hrvatskoj (2021.–2026.) [skup podataka]. Presjek: 11. lipnja 2026. (710.307 objava). CC BY 4.0.
# Minimalno učitavanje (put prilagodite preuzetoj datoteci)
dta <- readRDS("merged_comprehensive.rds")Referenca: potpuni popis varijabli
| Varijabla | Skupina | Tip | N jedinstvenih | Nedostaje |
|---|---|---|---|---|
| DATE | Vremenske | character | 1.783 | 0,0 % |
| TIME | Vremenske | character | 77.241 | 0,0 % |
| TITLE | Sadržaj i tekst | character | 617.205 | 0,0 % |
| FROM | Izvor i akter | character | 18.346 | 0,0 % |
| AUTHOR | Izvor i akter | character | 23.839 | 38,2 % |
| URL | Sadržaj i tekst | character | 702.091 | 0,0 % |
| URL_PHOTO | Sadržaj i tekst | character | 515.797 | 2,7 % |
| SOURCE_TYPE | Izvor i akter | character | 9 | 0,0 % |
| GROUP_NAME | Monitoring i podudaranje | character | 2 | 0,0 % |
| KEYWORD_NAME | Monitoring i podudaranje | character | 2 | 0,0 % |
| FOUND_KEYWORDS | Monitoring i podudaranje | character | 224.659 | 0,0 % |
| LANGUAGES | Monitoring i podudaranje | character | 574 | 0,0 % |
| LOCATIONS | Monitoring i podudaranje | character | 270 | 0,0 % |
| TAGS | Monitoring i podudaranje | logical | 1 | 100,0 % |
| MANUAL_SENTIMENT | Sentiment | logical | 1 | 100,0 % |
| AUTO_SENTIMENT | Sentiment | character | 4 | 0,0 % |
| MENTION_SNIPPET | Sadržaj i tekst | character | 532.795 | 13,2 % |
| REACH | Angažman i doseg | numeric | 30.674 | 3,9 % |
| VIRALITY | Angažman i doseg | numeric | 74.910 | 26,2 % |
| ENGAGEMENT_RATE | Angažman i doseg | numeric | 152.080 | 35,1 % |
| INTERACTIONS | Angažman i doseg | numeric | 4.804 | 3,0 % |
| FOLLOWERS_COUNT | Angažman i doseg | numeric | 30.690 | 85,2 % |
| LIKE_COUNT | Angažman i doseg | numeric | 4.115 | 4,1 % |
| COMMENT_COUNT | Angažman i doseg | numeric | 1.799 | 5,0 % |
| SHARE_COUNT | Angažman i doseg | numeric | 800 | 13,6 % |
| TWEET_COUNT | Angažman i doseg | logical | 1 | 100,0 % |
| LOVE_COUNT | Angažman i doseg | numeric | 42 | 87,4 % |
| WOW_COUNT | Angažman i doseg | numeric | 13 | 87,4 % |
| HAHA_COUNT | Angažman i doseg | numeric | 40 | 87,4 % |
| SAD_COUNT | Angažman i doseg | numeric | 24 | 87,4 % |
| ANGRY_COUNT | Angažman i doseg | numeric | 32 | 87,4 % |
| TOTAL_REACTIONS_COUNT | Angažman i doseg | numeric | 4.780 | 3,7 % |
| FAVORITE_COUNT | Angažman i doseg | numeric | 200 | 99,0 % |
| RETWEET_COUNT | Angažman i doseg | numeric | 49 | 99,0 % |
| VIEW_COUNT | Angažman i doseg | numeric | 10.614 | 90,2 % |
| DISLIKE_COUNT | Angažman i doseg | numeric | 38 | 99,4 % |
| COUNT | Angažman i doseg | logical | 1 | 100,0 % |
| REPOST_COUNT | Angažman i doseg | numeric | 11 | 99,8 % |
| REDDIT_TYPE | Angažman i doseg | character | 3 | 98,6 % |
| REDDIT_SCORE | Angažman i doseg | numeric | 30 | 98,6 % |
| INFLUENCE_SCORE | Angažman i doseg | numeric | 11 | 10,4 % |
| TWEET_TYPE | Angažman i doseg | character | 4 | 99,0 % |
| TWEET_SOURCE_NAME | Angažman i doseg | character | 27 | 99,7 % |
| TWEET_SOURCE_URL | Angažman i doseg | character | 27 | 99,7 % |
| FULL_TEXT | Sadržaj i tekst | character | 686.087 | 0,0 % |
| year | Vremenske | numeric | 6 | 0,0 % |
| data_source | Monitoring i podudaranje | character | 2 | 0,0 % |
Kontakt: luka.sikic@unicath.hr · ORCID: 0009-0006-3519-0272