U ovoj disertaciji istražuju se multimodalne diskurzivne strategije u devet prvih videoblogdnevnika popularnih hispanoameričkih videoblogera objavljenih na internetskoj platformi YouTube. Na spojnici između sociosemiotičke teorije komunikacije i multimodalne interakcijske analize diskursa s jedne strane, i teorijskih spoznaja digitalne humanistike i računalno posredovanog diskursa s druge strane, u radu se ustanovljuje i analizira djelovanje: (i) intermodalnosti temeljnih komunikacijskih modusa – verbalnoga, vizualno-kinetičkoga, montažnoga i digitalnoga – i visokokontekstualiziranih multimodalnih radnji u uvodnim i završnim tekstnim sekvencama, te (ii) njihov uzajaman i neprekidan odnos sa semiotičkim potencijalima digitalne platforme YouTube. Pristupom analizi iz mikro- i makroperspektive sagledavaju se kohezivne spone između najnižih interakcijskih dimenzija – komunikacijskih modusa i radnji koje videoblogeri koriste – i semiotičkih potencijala platforme koji uvjetuju mogućnosti djelovanja interaktivnih radnji. Promatranjem videoblogera kao društvenih aktera i komunikacijskih modusa kao kulturnih/društvenih alata (prema Norris, 2004) kojima se koriste, u radu se detektiraju i opisuju ključni trenuci za ostvarivanje interpersonalnih odnosa i uključivanje gledatelja u interakcijski proces. Rad je rezultat nekoliko etapa istraživačkoga djelovanja te je upravo na takav način i strukturiran njegov središnji dio: U drugome poglavlju donosimo pregled ishodišta multimodalnosti, temeljnih pretpostavki te sistematiziramo pristupe multimodalnim artefaktima kroz opsežan popis literature. Zatim se usmjeravamo na sociosemiotiku, sistemsku funkcionalnu multimodalnu analizu diskursa (SFMAD) i interakcijsku multimodalnu analizu (IMA) na čijim zasadama gradimo vlastito shvaćanje višedimenzionalnosti multimodalnosti i razgranatosti multimodalnih projekata. Stoga se temeljna postignuća u ovome poglavlju tiču sistematizacije širokoga polja multimodalnih teorija komunikacije, njihovih zajedničkih i različitih pristupa istraživanjima jezika i ljudske semioze (prema Adami, 2016; Jewitt, 2009; Jewitt et al., 2016; Lim, 2011; O'Halloran, 2011; O'Halloran i Smith, 2011; i dr.). Treći dio rada obuhvaća opsežnu raspravu o kontekstu i procesu videoblogiranja, što uključuje predstavljanje temeljnih osobina novomedijske interakcije i tekstova. Polazeći primarno iz perspektive sociosemiotičkih dimenzija i tehnološko-interakcijskih afordansi, osnovni doprinos ovoga poglavlja ogledava se u sistematizaciji rasprava o osobitostima digitalnih tekstova i interakcija, strukturnim i funkcionalnim obilježjima platforme YouTube i videoblogova. Temeljna pitanja koja se obrađuju tiču se rekonfiguriranja modela tekstova i interakcijskih praksi (Adami, 2009a; Baldry i Thibault, 2006; Benson, 2017; Jewitt, 2012; Lemke, 2002 i dr.), stupnjevanja, nelinearnosti i modularnosti pisanih, vizualnih, grafičkih i audiovizualnih reprezentacija (Adami, 2009a; Benson, 2017; Domingo et al., 2014; Lemke, 2002; Jewitt, 2012; Martinec i van Leeuwen, 2009; i dr.), razumijevanja i definiranja žanra videoblog-dnevnika. Četvrti dio rada posvećen je, prije svega, općim pitanjima o istraživanjima digitalnog (audiovizualnog) teksta, multimodalnim transkriptima i metodološkim koracima i kriterijima. Dizajn analitičke faze sastoji se od predstavljanja praćenja videoblogerskih praksi i osvrta na pilot-projekte, zatim predstavljanja alata i koncepata kojima se gradi kvalitativno multimodalno istraživanje, konačne selekcije korpusa i prikaza korpusa u multimodalnom transkriptu. Ovo poglavlje doprinos je studijama i raspravama o aktualnom pitanju e-metodologija (digitalnih metodologija), o oblicima multimodalnih transkripata i kvalitativnih istraživanja multimodalnih fenomena. Peto poglavlje disertacije obuhvaća analizu multimodalnih strategija na korpusu devet videoblogdnevnika. Kvalitativnim istraživanjem interakcije razotkrili su se načini na koje videoblogeri manipuliraju interakcijskim digitalnim praksama i privlačenjem pozornosti publike. U analizi su primijenjeni koncepti intermodalnost modusa, visoko stupnjevana i niže stupnjevana radnja, fokus u interakciji i interakcijska percepcija preuzeti iz IMA-e (Norris, 2004) u kombinaciji s diskursno-pragmatičkim rutiniranim strukturama u uvodnim i završnim sekvencama videoblogdnevnika. Među ostalim spoznajama, analiza je ukazala na strukturna i funkcionalna obilježja verbalnih, paraverbalnih, vizualnih, vizualno-kinetičkih i montažnih sredstava pri strukturiranju multimodalne radnje i videoblogerovom (pre)usmjeravanju interakcijskog fokusa. Ustanovljeno je da se manipulacija multimodalnim mehanizmima uvelike temelji na: (i) eksplicitnim i implicitnim strategijama verbovizualnog upućivanja na kontekst, sudionike i interakcijske procese, što uključuje i raznolike oblike humorističnog pozicioniranja, te na (ii) strategijama ponavljanja i intenziviranja multimodalnih radnji unutar istoga videobloga – multimodalne redundancije. Donosilo se zaključke o (pre)usmjeravanju fokusa u audiovizualnom hipertekstu na temelju kompleksnosti i intenziviranja multimodalnih radnji, taktičkog odnosa prema fizičkom i digitalnom prostoru i vremenu pri ostvarivanju upućivačkih radnji, realiziranja metajezičnosti i metavizualnosti itd. Rad ima za cilj doprinijeti teorijskim i analitičkim spoznajama multimodalnih studija, naročito onim aspektima koji se tiču multimodalnih prikaza i dizajna analize intermodalnih odnosa, primjene kombinirane multimodalne metodologije i koncepata IMA-e na videoblog-dnevnike. Osim toga, pitanja kojih se dotičemo važna su za šire područje digitalne humanistike, kiberpragmatike, ali i obrazovanja. Naime, u radu se polazilo i od stajališta da je razumijevanje suodnosa komunikacijskih resursa i djelovanja multimodalne retorike zastupljene u audiovizualnim hipertekstovima od temeljnog značaja u kontekstu osvještavanja važnosti multimodalne pismenosti i njezine implementacije (prema Cope i Kalantzis, 2000a), kao i raspoznavanja obrazaca i kritičkog sagledavanja digitalnih tekstova i praksi. This thesis explores multimodal discourse strategies in nine video blog diaries by popular Hispanic video bloggers published on the YouTube Internet platform as their first video blog entries. It combines perspectives of Social Semiotic theory of communication and Multimodal (Inter)actional Analysis, on one side, and theoretical findings of digital humanities and computer mediated discourse, on the other side. The paper is aimed at detecting and analyzing the functioning of: (i) the intermodality of primary communicative modes – verbal, visual, kinetic, graphic and digital – and highly contextualized multimodal actions in the opening and closing textual sequences; and (ii) their mutual and continuous relation with semiotic potentials of the YouTube platform. This basic research paradigm assumes observing the cohesive ties between low-level interactional dimensions – i.e. communicative modes that video bloggers use – and semiotic potentials of the platform which determine the possibilities of the multimodal actions. Viewing the video bloggers as social actors and communicative modes as cultural and social tools used by vloggers (cf. Norris, 2004), this work analyzes key events for establishing interpersonal relations and involvement of viewers in the interactional process. The work is a result of several research stages which, in effect, shaped the structure of its main body: The second part of the text represents the overview of multimodality foundations, basic assumptions, systematizations of approaches towards multimodal artefacts through extensive literature review. Afterwards, the focus shifts to Social Semiotics, Systemic Functional Multimodal Discourse Analysis (SF-MDA) and Interactional Multimodal Analysis (IMA). On the basis of these theories, we are developing our understanding of complexity of multimodality and diversity of multimodal research. Therefore, the primary achievements of this chapter are related to the classification of a wide array of multimodal theories of communication, as well as their common and distinctive approaches to exploring human languages and semiosis (see Adami, 2016; Jewitt, 2009; Jewitt et al., 2016; Lim, 2011; O'Halloran, 2011; O'Halloran and Smith, 2011; etc.). The third part of the work consists of a broad discussion on context and process of video blogging, and representation of the basic characteristics of digital interactions and texts. Starting from the perspective of social semiotic dimensions and techno-interactional affordances, the main contribution in this chapter is the systematization of discussions of characteristics found in digital texts and interactions, structural and functional features of the platform and video blogs. The key questions are related to: reconfigurations of texts and interactional practices (Adami, 2009a; Baldry and Thibault, 2006; Benson, 2017; Jewitt, 2012; Lemke, 2002; Sindoni, 2013 etc.), nonlinear and modular written, visual, graphic and audiovisual representations (Adami, 2009a; Benson, 2017; Domingo et al., 2014; Lemke, 2002; Jewitt, 2012; Martinec and van Leeuwen, 2009; etc), and the understanding and definition of videoblog-diary as a genre. The fourth part of the thesis deals with general questions on researching audiovisual digital texts, multimodal transcripts and methodological steps and criteria. The design of the analytical phase consists of presenting tools and concepts that make up the qualitative research, following videoblogging practices, assessment of different methodological approaches through pilot projects, final selection of the corpus and representation of the corpus in the multimodal transcript. This chapter contributes to the current discussion on the question of e-methodologies, multimodal transcripts and qualitative analyses of multimodal phenomena. The fifth part of the body of the thesis is the analysis of the multimodal strategies of the selected nine video blog-diaries. Qualitative research of the interaction demonstrated the tactics which are used by video bloggers to capture the viewer’s attention and manipulate digital interactive practices between them and the audience. The analysis utilizes concepts of intermodality of modes, high-and low-level actions, focus in interaction and interactional perception as defined within IMA framework (Norris, 2004), combined with ritualized discourse-pragmatic structures in the opening and closing sequences of video blog-diaries. Among other findings, the analysis showed the structural and functional features of verbal, paraverbal, visual, kinetic and digital/ graphic elements used to compose multimodal actions and guide the video blogger’s steering of interactional focus. It is determined that the manipulation of multimodal mechanisms is commonly based on: (i) explicit and implicit strategies of verbal and visual pointing to the context, participants and interactive processes, which includes elements of humor; and (ii) repetition strategies and emphasis of certain multimodal actions within the same video blog – multimodal redundancy. The conclusions on steering the focus in the text have been taken by following the complexity and intensity of multimodal actions taken by the vloggers, their tactical relations towards the physical and digital space and time while they are making choices on the use of deixis and referential structures, metalinguistic and metavisual strategies, etc. The objective of this thesis is to contribute to the theoretical and analytical findings of multimodal studies, especially to the aspects related to multimodal representations, design of multimodal relations, and the application of combined multimodal methodologies and IMA concepts to video blog-diaries. Moreover, the results presented here are relevant for digital humanities, cyberpragmatics and education. Specifically, in our work, the crucial perspective was that understanding the relation between communicative resources and the impact of multimodal rhetoric in audiovisual hypertexts is vital for increasing awareness of multimodal literacy and its implementation (Cope and Kalantzis, 2000a), as well as recognizing the patterns of digital interactions and a critical view towards digital texts and practices.