AAU Studenterprojekter er ikke tilgængelig fra 15. juni kl. 12.30 til 17. juni kl. 12.30 pga. planlagt systemarbejde. Projekterne kan ikke downloades i perioden.
AAU Studenterprojekter - besøg Aalborg Universitets studenterprojektportal
Et kandidatspeciale fra Aalborg Universitet
Book cover


Hookets Anatomi: En undersøgelse og ontologisk moddellering af opmærksomhedsskabende elementer i reklamefilm

Oversat titel

The anatomy of the Hook: Reaseach and ontological modelling of attention-creating elements in advertisement

Forfattere

;

Semester

4. semester

Udgivelsesår

2026

Afleveret

Resumé

Specialet undersøger, hvordan den voksende mængde kortformat-video på sociale medier skaber en flaskehals i postproduktionen, hvor editorer bruger meget tid på manuelt at gennemgå og indeksere råmateriale for at finde de første sekunder, der fanger seerens opmærksomhed (hooks). Eksisterende AI-værktøjer er primært tekst- og lydbaserede og overser den visuelle og filmiske kontekst, hvilket forstærker den semantiske kløft, samtidig med at editorers tavse viden er svær at formaliseres. Specialet formulerer derfor problemet: Hvordan kan en editors tavse viden og praksis formaliseres i en domænespecifik ontologi, så en AI kan identificere og indeksere potentielle hooks, mens den kreative kontrol bevares hos editoren? Med en pragmatisk Design Science Research-tilgang og et multimethodisk kvalitativt design (ekspertinterview, videoetnografi hos Final Film og refleksiv tematisk analyse af 17 reklamer) forankres arbejdet i AIDA-modellens Attention-fase, nedbrudt i tre mekanismer: Cognitive Disruption, Seamless Transition to Interest og Trust and Expectation. Disse indsigter danner grundlag for en proof-of-concept-ontologi udviklet efter Ontology Development 101 i Protégé. Ontologien anvender en dobbelt hierarkisk arkitektur, der kobler maskinlæsbare multimodale AIPercepts til abstrakte marketingbegreber (HookThemes), og integrerer LLM-prompter som annotations-egenskaber for at gøre systemets begrundelser gennemsigtige og undgå black box-oplevelser. Bidraget er et struktureret, logisk og forklarbart fundament for AI-assisteret videoindeksering, der oversætter kvalitative klippepraksisser til maskinlæsbar logik og viser potentiale til at reducere manuel sortering og frigøre tid til kreativt arbejde; fuld implementering og test ligger uden for projektets scope.

This thesis addresses a post-production bottleneck in short-form social video, where editors spend substantial time manually reviewing and indexing raw footage to find the opening seconds that capture attention (hooks). Current AI tools are largely text- and audio-driven and miss visual and cinematic context, widening the semantic gap, while editors' tacit knowledge is hard to codify. The study asks how an editor's tacit knowledge and practice can be formalized in a domain-specific ontology so that AI can identify and index potential hooks while preserving editorial control. Using a pragmatic Design Science Research approach and a multimethod qualitative design (expert interview, video ethnography at Final Film, and reflexive thematic analysis of 17 commercials), the work is grounded in the AIDA model's Attention phase, decomposed into three mechanisms: Cognitive Disruption, Seamless Transition to Interest, and Trust and Expectation. These insights inform a proof-of-concept ontology developed with Ontology Development 101 in Protégé. The ontology employs a dual hierarchy linking machine-readable multimodal AIPercepts to abstract marketing concepts (HookThemes), and embeds Large Language Model prompts as annotation properties to make system rationales transparent and avoid black box behavior. The contribution is a structured, logical, and explainable foundation for AI-assisted video indexing that translates qualitative editing practices into machine-readable logic and shows potential to reduce manual sorting and support more focused creative work; full implementation and testing are outside the project's scope.

[Dette resumé er genereret med hjælp fra AI direkte fra projektet fuldtekst]