CC BY
3
Язык и культура. 2024. № 67. С. 8—31 /Language and Culture. 2024;67: 8-31
ФИЛОЛОГИЯ
Научная статья
УДК 81'44
doi: 10.17223/19996195/67/1
Коннотативно-прагматическое описание цифровой лексики в виртуальном пространстве: метод семантического дифференциала (на примере социально-политической кампании Black Lives Matter)
Александр Владимирович Алексеев1, Анна Викторовна Ленец2
1 Московский государственный институт международных отношений (университет) Министерства иностранных дел Российской Федерации, Москва, Россия, [email protected] 2 Южный федеральный университет, Ростов-на-Дону, Россия, annalenets@sfedu. ru
Аннотация. Исследуются коннотативные значения цифровых лексических единиц, составляющих тематическую группу общественного протестного движения Black Lives Matter, созданного с целью отстаивания позиции афроамериканцев в США по противоборству этнической дискриминации. Актуальность исследования обусловлена цифровизацией коммуникативного взаимодействия, унификацией понятий, а также возрастающей ролью социально-политических протестных движений в последние десятилетия. Новизна работы заключается в сопоставлении результатов контекстуального анализа и результатов, полученных машинными алгоритмами. Новым является раскрытие коммуникативно-прагматического потенциала цифровых лексических единиц, проявляющегося на семантическом и стилистическом уровнях, а также обоснование взаимосвязи между содержанием цифровых лексических единиц и возможностью манипулятивного воздействия в период социальной напряженности.
Объясняются причины интереса ученых к исследованию цифровых лексических единиц в социальных сетях виртуального пространства в период социальной напряженности. Рассматривается потенциал моделирования взаимоотношений семантических и стилистических элементов, входящих в структуру значения цифровой лексической единицы, подверженной процессу языковой компрессии. Обосновывается понятие цифровой лексической единицы, включающей в себя различные медиафайлы (фото, изображения, аудио, видеоряд, гипертекстовые ссылки и т.п.) и активно функционирующей в современной виртуальной коммуникации. Верификация и последующая корреляция исследуемых цифровых лексических единиц, подверженных процессу языковой компрессии, с микротекстами осуществляются на примере хештегов #BlackLivesMatter, #blm, #racism, #TCantBreathe, которые являются элементами ядра и периферии лексико-семан-тического поля движения Black Lives Matter. Общий объем исследуемого материала составил 503 контекста с указанными хештегами, отобранных на социальных платформах. Представлен детальный анализ указанных хештегированных единиц.
© А.В. Алексеев, А.В. Ленец, 2024
В качестве методов применялись наблюдение, контекстуальный анализ, сопоставительный анализ, которые способствовали выявлению коннотативного значения рассматриваемых цифровых лексических единиц. Контекстуальный анализ позволяет продемонстрировать нюансы коннотативных значений исследуемых цифровых лексических единиц, зафиксированных в современной виртуальной коммуникации. Метод семантического дифференциала позволяет смоделировать градацию коннотативных значений тематического поля групповой социальной напряженности. Для определения нюансов функционирования цифровых лексических единиц в период социальной напряженности использовались также методы машинных алгоритмов сети Интернет Social Searcher и Onemilliontweetmap, метод количественного и статистического подсчета. Демонстрируется возможность интеграции машинных алгоритмов для определения коннотативного значения цифровых лексических единиц на социальных платформах. Особый интерес представляет манифестируемое несовпадение оценок коннотативных значений посредством данного контекстуального анализа и предлагаемых машинных алгоритмов. Конвергенция предложенных подходов к анализу коннотативного значения цифровых лексем позволила зафиксировать отсутствие прямой корреляции между их коннотативными значениями и контекстами, степень доверительной вероятности исследования с погрешностью выборки, которая равна 4,37%. Техническая градация коннотации лексических единиц подвергается сомнению, что является важным для последующих научных изысканий.
Характер взаимодействия коммуникантов в социальной сети определяется уровнем их знания коннотативного значения цифровых лексических единиц про-тестного движения и их коммуникативными интенциями. Выявлено, что в большей части контекстов с исследуемыми цифровыми лексическими единицами заявленный протест не транслируется. Делается вывод о том, что данный выбор обусловлен коммуникативным опытом участников общения, знанием обстоятельств речевой ситуации. Продемонстрированное свободное функционирование протестного настроения в виртуальном пространстве позволяет инфлюенсерам такой социально-политической повестки не только сформировать, но и манипулировать общественным сознанием. Потенциал предлагаемой модели исследования заключается в возможности объяснения, каким образом осуществляется выбор коммуникантом исходного коннотативного значения актуализированной цифровой лексической единицы, а также в раскрытии механизмов социальной инженерии с позиции лингвистики. Предлагаемая модель приложима и к другим протестным движениям, которые получили широкое распространение в современном виртуальном пространстве.
Ключевые слова: коннотативное значение, цифровая лексическая единица, хештег, семантический дифференциал, социальные сети, #BlackLivesMatter, про-тестные движения, машинные алгоритмы
Для цитирования Алексеев А.В., Ленец А.В. Коннотативно-прагматическое описание цифровой лексики в виртуальном пространстве: метод семантического дифференциала (на примере социально-политической кампании Black Lives Matter) // Язык и культура. 2024. № 67. С. 8-31. doi: 10.17223/19996195/67/1
Original article
doi: 10.17223/19996195/67/1
Connotative pragmatic description of digital vocabulary in virtual space: semantic differential method (in terms of the social-political campaign Black Lives Matter)
Alexander V. Alekseev1, Anna V. Lenets2
1 Moscow State Institute of International Relations (University) of the Ministry of Foreign Affairs of the Russian Federation, Moscow, Russia, alexander1990alekseev@gmail. com 2 Southern Federal University, Rostov-on-Don, Russia, [email protected]
Abstract. The article is devoted to the investigation of the gradation of connotative meanings of digital lexical units that make up the thematic group of the public protest movement Black Lives Matter, created to defend African Americans' position in combating ethnic discrimination in the United States. The relevance of the study is due to the digitalization of communicative interaction, the unification of concepts, as well as the growing role of sociopolitical protest movements in recent decades. The novelty of the study is in the comparison of the results of contextual analysis and the results obtained by machine algorithms. The novelty of this work is the disclosure of the communicative and pragmatic potential of digital lexical units, manifested at the semantic and stylistic levels, as well as the substantiation of the relationship between the content of digital lexical units and the possibility of manipulative influence in times of social tension.
The article explains the reasons for the scientists' interest in the study of digital lexical units on social networks of the Internet space throughout the period of social tension. The potential of modeling the correlation between semantic and stylistic elements included in the structure of the meaning of a digital lexical unit subject to the process of language compression is considered. The concept of a digital lexical unit is substantiated. This unit includes various media files (photos, images, audio, video, hypertext links, etc.) and actively functions in the modern virtual communication. Verification and subsequent correlation of the studied digital lexical units subject to the process of language compression with microtexts is carried out using the example of the hashtags #BlackLivesMatter, #blm, #racism, #ICan'tBreathe which are elements of the core and periphery of the lexical-semantic field of the Black Lives Matter movement. The total number of the studied material was 503 contexts with the specified hashtags, selected on social platforms. A detailed analysis of these hashtagged units is presented.
The methods that were used contain observation, contextual analysis, and comparative analysis, which helped to identify the connotative meaning of the digital lexical units under consideration. Contextual analysis allows demonstrating the nuances of the connotative meanings of the studied digital lexical units recorded in modern virtual communication. The semantic differential method allows modelingl the gradation of connotative meanings of the thematic field of group social tension. Methods of computer algorithms on the Internet Social Searcher and Onemilliontweetmap, a method of quantitative and statistical calculation were also used too determine the nuances of the digital lexical units functioning throughout periods of social tension. The possibility of integrating machine algorithms to determine the connotative meaning of digital lexical units on social platforms is demonstrated. Particular emphasis is put on the manifest discrepancy between the estimates of connotative meanings through this contextual analysis and the proposed machine algorithms. The convergence of the proposed approaches to the analysis of the connotative meaning of digital lexemes made it possible to record the absence of a direct connection between their connotative meanings and
contexts. There is a confidence figure of the study with a sampling error of 4.37%. The technical gradation of connotation of lexical units is questioned, which is important for subsequent scientific research.
The nature of interaction between communicants on a social network is determined by their level of knowledge of the connotative meaning of digital lexical units of the protest movement and their communicative intentions. It was revealed that in most contexts with the studied digital lexical units the declared protest is not transmitted. It is concluded that this choice is determined by the participants' communicative experience in communication and knowledge of the circumstances of the speech situation. The demonstrated free functioning of the protest mood in the virtual space allows influenc-ers of such a socio-political agenda not only to shape, but also to manipulate public consciousness. The potential of the proposed research model is in the possibility of explaining how the communicant chooses the initial connotative meaning of an updated digital lexical unit, as well as in revealing the mechanisms of social engineering from the perspective of linguistics. The proposed model is also applicable to other protest movements that have become widespread in the modern virtual space.
Keywords: connotative meaning, digital lexical unit, hashtag, semantic differential, social networks, #BlackLivesMatter, protest movements, machine algorithms
For citation: Alekseev A.V., Lenets A.V. Connotative pragmatic description of digital vocabulary in virtual space: semantic differential method (in terms of the social-political campaign Black Lives Matter). Language and Culture, 2024, 67, рр. 8-31. doi: 10.17223/19996195/67/1
Введение
Современная мобильная связь и многочисленные социальные сети обеспечивают не только стремительное распространение информации, но и приводят к эскалации политической нестабильности и социальной напряженности. Содержание социальной напряженности изучалось в социальной, политической, психологической и лингвистической литературе. Исследователями отмечается, что социальные сети становятся при этом транслятором общественных настроений в различных сферах деятельности человека, среди которых политика [1. С. 12; 2. С. 646], культура [3. С. 24; 4. С. 473], экономика [5. С. 569; 6. С. 26], затрагивают интересы большинства участников коммуникативного процесса. В виртуальной коммуникации социальная напряженность выражается в виде речевой агрессии, кибербуллинга, манипуляции и протестных движений [7].
Протестные движения как проявление социальной напряженности отражают негативное состояние общественного сознания. В связи с данным фактом в сети Интернет все чаще начинают формироваться определенные протестные кампании, целью которых становится трансформация общества посредством изменения политики государств [8; 9. С. 665]. Протестные движения имеют как конструктивный характер, выражая мнение общества относительно сложных политических изменений, так и деструктивный, когда основным инструментом становится продвижение интересов конкретной группы.
Все эти особенности современного общения находят отражение в модификациях дискурсивных практик коммуникации, которые проявляются на уровне лексического состава языка [10. С. 63]. С лингвистической точки зрения, современные протестные движения подвергаются процессу экономии речевых усилий, выраженных в социальных сетях с помощью хештегов. Основные принципы экономии речевых усилий в языке и речи были описаны в середине прошлого века А. Мартине [11. С. 366]. Результатом данного процесса становится на сегодняшний момент использование цифровых лексических единиц, выраженных по форме хештегами. Под цифровой лексической единицей (ЦЛЕ) понимается лексическая единица, включающая в себя различные медиафайлы (фото, изображения, аудио, видеоряд, гипертекстовые ссылки и т.п.) и активно функционирующая в виртуальной коммуникации. Обладая гипертекстуальностью, данные лексемы достаточно быстро распространяются на социальных платформах, предоставляя коммуникантам широкий пласт не только текстовой информации, но и обилие данных, охватывающих аудиофайлы сети, видеоматериалы, фото, изображения и др. Все вышесказанное подтверждает актуальность исследования, которая обусловлена также и тем, что социальные сети и платформы стали неотъемлемой частью жизни современного социума, и тексты, написанные в данных сетях, представляют большой эмпирический материал для лингвистических исследований.
Новизна исследования заключается в том, что тексты тематической группы общественного протестного движения Black Lives Matter («Жизни черных имеют значение») исследуются в контексте метода семантического дифференциала впервые. Принцип данного метода базируется на измерении субъективной оценки объекта с помощью биполярной шкалы посредством построения групповых семантических пространств. Новым является раскрытие функционального потенциала цифровых лексических единиц, проявляющегося на семантическом и стилистическом уровнях, а также обоснование взаимосвязи между содержанием ЦЛЕ и возможностью манипулятивного воздействия.
Целью настоящего исследования является раскрытие значимой корреляции коннотативного значения ЦЛЕ, подверженных процессу языковой компрессии, составляющих тематическую группу общественного протестного движения Black Lives Matter. В процессе исследования решается ряд задач: 1) определение коннотативного значения элементов семантического поля, включающего ЦЛЕ; 2) анализ ЦЛЕ группы общественного протестного движения Black Lives Matter в виртуальной коммуникации с помощью ресурсов сети Интернет, предоставляющих машинные алгоритмы исследования; 3) интерпретация полученных показателей контекстуального анализа с результатами, предоставленными машинными алгоритмами различных интернет-ресурсов.
Методология исследования
Теоретической основой для данного изыскания послужили работы, в которых освещаются вопросы различных методик исследования коннотативного значения слова, где указывается «связь лексического значения с внеязыковыми факторами, наблюдаемыми в предметно-логической части семемы» [12. С. 78]. Положение коннотации как объекта систематического анализа в языкознании определилось в результате «коннотативной семиологии» датского лингвиста Л. Ельмслева [13. С. 436; 14. С. 83]. В языкознании толкование коннотации получает атрибутивное со-означение, когда указывают на соотношение коннотации с грамматическим понятием валентности, предполагающим в тексте наличие еще одной лексемы (так, предлог может свидетельствовать о падеже, в котором коммуниканты используют существительное) [15]. Разработка теории коннотации с позиций коммуникативно-прагматического подхода к языковым явлениям в цифровом виртуальном пространстве представляется актуальной, что обусловливает системность, целостность и новизну исследования.
В настоящем исследовании было проанализировано одно из наиболее важных протестных социально-политических движений XXI в., направленное против расизма и насилия в отношении чернокожих и сформированное в результате многочисленных случаев полицейского насилия в США. Протестное движение зародилось в США и затем распространилось в других странах мира в виде хештегированной лексической единицы #BlackLivesMatter в социальных сетях. Данное про-тестное движение стало набирать популярность в англоязычном сегменте Интернета, в американской социальной сети Instagram* и американском сервисе микроблогов Twitter (в настоящий момент Х из-за реб-рендинга), а в дальнейшем и во многих странах мира. Это послужило основанием для составления лингвистического корпуса примеров из указанных социальных сетей. Представленность данного протестного движения на других ресурсах Интернета (например, Facebook, YouTube и др.) является для исследования нерелевантным, так как в Facebook много закрытой текстовой информации, а в YouTube минимальное количество текстовых данных. Общее количество проанализированных примеров протестной социально-политической кампании Black Lives Matter в сформированном корпусе составляет 503 текстовых фрагмента первой половины 2023 г. В качестве ключевых ЦЛЕ для анализа были выбраны: #BlackLivesMatter, #blm (как ядро семантического поля протестного движения), а также единицы ближней: #racism и дальней периферии:
* Внесена Роскомнадзором в реестр сайтов, запрещенных на территории России.
#ICan'tBreathe. Исследование данной кампании обусловлено как ее широким распространением, так и дискретным характером (вспышки социально-политических протестов по данной тематике происходили в США в 2013, 2016 и 2020 гг.). Общее количество проанализированного материала отвечает требованиям, которые были обоснованы Х. Тахердустом [16. Р. 237].
Методика исследования включала следующие этапы: 1) отбор эмпирического материала (ЦЛЕ, относящиеся к социально-политической кампании Black Lives Matter). Выбор именно данных лексем обусловлен результатами исследования протестного движения афроамериканцев в США через денотативные и коннотативные значения хештегов (более подробно см. об этом: [17. С. 1210]) и последующее формирование корпуса ЦЛЕ; 2) классификация отобранного эмпирического материала в результате контекстуального анализа каждой ЦЛЕ в микротекстах для определения зависимости коннотативного значения ЦЛЕ от специфики контекста (которая впоследствии сопоставлялась с коннотацией, идентифицированной с помощью машинных алгоритмов упомянутых выше ресурсов); 3) статистический анализ ЦЛЕ с помощью машинных алгоритмов ресурсов сети Интернет Social Searcher (https://www.social-searcher.com/) и Onemilliontweetmap (https://oneminiontweetmap.com/) и интерпретация результатов.
В ходе исследования использовались методы семантического, контекстуального, сопоставительного анализа. При обработке полученных результатов применялись количественные методы (подсчет процентных и абсолютных величин), статистические методы верификации полученных результатов. Для количественных подсчетов использовались ресурсы сайта https://fdfgroup.ru/, ориентированного на точность статистического анализа. Доверительная вероятность достигла почти 95% (погрешность выборки составляла 4,37%). Методы квантитативной лингвистики [18], включающие количественные методы, позволили интерпретировать полученные результаты, начиная от элементарных процедур статистики до общего моделирования процесса протеста. Различия в определении коннотативного значения исследуемых ЦЛЕ были установлены с помощью сопоставительного анализа полученных результатов с помощью машинного алгоритма и контекстуального анализа.
Исследование и результаты
В XXI в. интерес исследователей привлекает именно цифровое пространство, создаются корпуса текстов, твитов, хештегов и т.п. (например, корпус хештегов «Hashtag Emotion Corpus» С. Мохаммада и С. Кириченко) [19]. Все это побуждает ученых к исследованию больших объемов текстов в виртуальном пространстве и интерпретации полученных данных с лингвопрагматической и коммуникативной позиций.
При этом учеными отмечается рост микроблогов, анализ языковых единиц которых с помощью различных методик позволяет установить лексическое значение, которое обращено к внеязыковой действительности и выражено с помощью эмотивных конструкций. Разработанный классификатор на основе аннотированного корпуса способен автоматически распознавать эмотивные конструкты в твитах [20. С. 3806]. Так, исследователи приходят к интересным выводам о взаимодействии коммуникантов не через их непосредственное общение, а взаимный обмен многочисленными эмотиконами и хештегами, используемыми в текстовом посте [21. С. 48]. Использование современных методик позволяет исследователям с помощью регрессионного анализа определить, какие функции выполняют те или иные эмотиконы, хештеги в тексте, каковы показатели их интенсивности, в чем их схожесть и различие, каковы их кон-нотативные значения [22].
Особый интерес здесь представляют исследования по измерению коннотативного значения лексических единиц, где особое положение занимает метод «семантического дифференциала» Ч. Осгуда [23]. Разработанная Ч. Осгудом трехступенчатая семибалльная шкала применялась для анализа проблемы постоянства факторного строения семантического пространства [24. С. 283], при изучении вербального и невербального аспекта семантических дифференциалов [25. С. 117], для разработки дифференциальной шкалы в сфере социометрии [26. С. 43], для анализа принципов восприятия обществом различных объектов и понятий [27. С. 209]. На сегодняшний день процесс исследования семантического дифференциала переходит на совершенно иной уровень, что объясняется целым рядом объективных, с точки зрения времени, причин. Во-первых, современная коммуникация существует преимущественно в цифровом пространстве социальных сетей, мессенджеров и др. Во-вторых, современный виртуальный дискурс представляет большой объем эмпирического материала, который возможно анализировать без временных затрат на поиск. В-третьих, актуальность изучения тематики повышается из-за количества коммуникантов, задействованных в данной сфере. Кроме того, определение коннотации имеет структурную бинарную модель, технически удобную для применения именно в цифровой среде, важную роль в которой сегодня играют хештеги или ЦЛЕ.
Одной из характеристик современного виртуального дискурса является активное использование единых ЦЛЕ, с помощью которых конструируется единое коммуникативное пространство. К этому феномену относится, например, социально-политическая кампания Black Lives Matter. В контексте ее семантического поля было отмечено, что многие посты, опубликованные коммуникантами в социальных сетях, и их градация в контексте коннотации в одном из секторов (по шкале отрицательная-нейтральная-положительная) не всегда совпадают с их истинной тональностью.
В связи с этим представляется целесообразным выявить, насколько инструментарий семантического дифференциала корректен для его использования в процессе исследования цифровых лексем и сочетаний.
Цифровизация коммуникации усилила тенденцию в обществе на выражение протеста в онлайн-форме. Так, изучая движение Fees Must Fall (Сборы должны снизиться), которое достигло широкого распространения в цифровых социальных сетях, исследователи отмечают возможность манипулирования коммуникантами посредством эмоционального настроя [28]. Эмотивный аспект в протестных движениях в социальных сетях отмечается и при анализе различных протестов в рамках требований политической и экономической справедливости при отсутствии какой бы то ни было политической мобилизации [29]. Протесты отражают просоциональное поведение умной толпы. Это еще раз подтверждает тот факт, что наличие эмоциональной окраски текстов в социальных сетях, обеспечивает широкий охват протестного движения [30. С. 17]. Однако, ученые приходят к выводу о трансформации протеста в инструмент снижения напряженности, когда протест выступает в роли политического инструмента, с помощью которого происходит смещение фокуса внимания социума с наиболее значимых событий на менее важные [31. С. 81].
К объяснению самого коннотативного значения обращаются в языковой действительности всякий раз, когда возникает такая необходимость и когда создаются тексты и взаимодействуют между собой коммуниканты и создаваемые ими тексты. В своем исследовании мы обратились к текстам, созданным в виртуальном пространстве на площадках социальных сетей. Для комплексного понимания проделанной нами работы мы начнем с некоторых примеров проанализированных контекстов с помощью метода семантического дифференциала машинным алгоритмом по шкале «отрицательная оценка - нейтральная оценка - положительная оценка» и нашим определением эмотивной составляющей текста. Следует подчеркнуть, что в процессе исследования нами рассматривался ряд цифровых лексем, являющихся частью семантического поля протестного движения Black Lives Matter для получения более точных результатов, чем в случае с одной цифровой лексемой. Такими лексемами стали не только элементы сематического ядра (#BlackLivesMatter и #blm), но и периферии (#racism и #KantBreathe). В результате нами были проанализированы отобранные методом сплошной выборки 503 контекста с ЦЛЕ на предмет коннотации, определена корректность работы алгоритмов по формированию эмотивной составляющей. Затем было проведено сравнение результатов сервиса Social Searcher с результатами нашего исследования. Кроме того, полученные результаты сравнивались с аналогичными показателями интернет-ресурса Onemilliontweetmap. У элементов семантической периферии (#racism и #KantBreathe) конно-тативное значение не определялось ввиду отсутствия примеров.
Обратимся к описанию ядра семантического поля протестного социально-политического движения Black Lives Matter, которое состоит из двух ЦЛЕ, выраженных хештегами #BlackLivesMatter и #BLM. В ходе предварительного анализа нами было отмечено, что в сети Instagram и других социальных сетях функционирует достаточно большое число контекстов, которые являются нейтральными, даже когда в их составе присутствуют цифровые лексемы, отображающие тематику протестных движений. Это происходит, когда коммуниканты пытаются реализовать свой товар посредством социальных сетей и публикуют популярные (часто протестные) хештеги для привлечения внимания; для увеличения популярности своего аккаунта, что приводит к его последующей монетизации и повышению влияния на аудиторию владельца. Следует отметить, что коммуниканты часто используют хештеги, противоречащие друг другу. Как следствие, теряется смысл основного сообщения. Так, в примере ниже намерение отправителя заключается в реализации товара. Содержание самого поста предполагает и латентную интенцию поддержки данного товара (рубашка с текстом #BlackLivesMatter), где отправитель указывает на важные события (designed during the 2020protests in response to the murders mistreatment and negative attitudes towards Black Americans), повлиявшие на надпись на рубашке, и тем самым призывает поддержать протестное движение (Wear a shirt and send a message):
The human shirt was designed during the 2020protests in response to the murders mistreatment and negative attitudes towards Black Americans. Wear a shirt and send a message. At the most basic level we are human too. (Дизайн рубашки был разработан в период протестов 2020 года как реакция на нарушение прав, убийства и негативное отношение к чернокожим американцам. Сделайте заявление, надев рубашку. На самом базовом уровне мы тоже являемся людьми).
Согласно данным алгоритмов платформы Social Searcher, этот пост идентифицирован как негативный по настроению (Sentiment - отношение, настроение). Однако очевидно, что он должен быть охарактеризован как положительный по отношению к исследуемому нами протестному движению в целом и в частности к цифровой лексеме #BlackLivesMatter, так каке весь текст сообщения одобряет Black Lives Matter или даже агитирует коммуникантов социальной сети стать его частью, надев рубашку с лозунгом движения. Задача исследователя нам видится в определении коннотативного значения именно с точки зрения его общей семантики, которая сводится либо к положительному отношению, либо к отрицательному, либо к отсутствию четко выраженной реакции не только по отношению к ЦЛЕ, выраженной по форме хештегом исследуемой тематики, но и по отношению к социально-политической кампании в целом. Данным принципом будем руководствоваться в процессе всего анализа элементов семантического поля движения Black Lives Matter.
Следующий текст алгоритм Social Searcher идентифицирует как нейтральный по коннотации. На наш взгляд, отправитель ассоциирует историю афроамериканцев с частью истории Америки, что подтверждает ярко выраженную положительную коннотацию по отношению к движению Black Lives Matter:
Black history is American history. ALL YEAR LONG! #blackhistory #blacklivesmatter #blackhistorymonth #blackhistory365 #blackhistoryevery-day #americanhistory #blackhistoryisamericanhistory (Черная история является американской историей... КРУГЛЫЙ ГОД! #чернаяистория #черныежтзниимеютзначение #месяцчернойистории #чернаяисто-рия365 #чернаяисториякаждыйдень #американскаяистория #чер-наяисторияамериканскаяистория).
Следующий пример, содержащий цифровую лексему #BlackLivesMatter, который мы разберем в социальной сети Instagram, будет относиться к нейтральной тематике, где коммуникант описывает свой воскресный день. Алгоритм Social Searcher определяет данный текст как положительный. Данный факт объясняется тем, что аналитический механизм оценивает первое словосочетание (Happy Sunday!) и автоматически определяет весь текст положительно. Однако текст содержит мало информации об исследуемом нами движении (упоминается в конце публикации), что указывает, на наш взгляд, на нейтральное отношение:
Happy Sunday! What's your go-to drink on a warm day? «- It's hard for us to decide between our Kefir and our Kombucha! Find a store near you! Link in bio. #olykraut #womenowned #supportlocal #shoplocal #olympiawa #sauerkraut #kombucha #lgbtq #lgbtqrights #womensrights #blm #black-livesmatter (Счастливого воскресенья! Что вы предпочитаете пить в теплый день? «-Нам сложно выбрать между нашим Кефиром и Ком-бучей! Найдите магазин неподалеку! Ссылка в био. #olykraut [магазин органики] #womenowned [организация по поддержке бизнеса женщин] # поддерживайтеместноепроизводство #местныймагазин #ОлимпияВа-шингтон #кислаякапуста #комбуча #лгбтк #правалгбтк #праваженщин #blm #blacklivesmatter...).
Обратимся к примерам из социальной сети Twitter. Пост посвящен теме противостояния двух протестных движений, семантика которых была изучена ранее [17. С. 1210]:
#BlueLivesMatter #BlackLivesMatter A little perspective on what is more dangerous. (#BlueLivesMatter и #BlackLivesMatter Небольшой взгляд на то, что более опасно).
Аналитический сервис характеризует данное сообщение как негативное. В то же время мы понимаем, что в тексте содержится риторическое высказывание, которое по предложенной нам шкале «положительно-нейтрально-отрицательно» мы относим к нейтральной оценке,
так как оно приглашает получателя сообщения к размышлению. Также в публикации нет других хештегов, которые могли бы внести большую ясность в семантику.
В качестве нейтрального хештега машинный алгоритм рассматривает текст, где адресант не только высказывается в отношении дискриминации чернокожего населения Америки, но и выступает с призывами и лозунгами. Данный текст мы определили как сообщение с положительной коннотацией по отношению к рассматриваемому движению:
African Americans Black Americans African Diaspora Black Diaspora Africans. It's time for us to liberate ourselves seize our destiny and BUILD OUR MODERN SOCIETIES! #BlackPantherWakandaForever #BlackPanther #BlackPeople #BLM #BlackLivesMatter #TheDecade (Афро-американцы, черные американцы, Африканская диаспора, черная диаспора и Африканцы! Настало время нам освободить себя, взять судьбу в свои руки и ВОЗДВИГНУТЬ НАШИ СОВРЕМЕННЫЕ ОБЩЕСТВА! #ЧернаяПантераВакандаНавсегда (Ваканда является вымышленной страной в комиксах о Черной Пантере) #ЧернаяПантера #ЧерныеЛюди #BLM#BlackLivesMatter #Декада).
На следующем этапе нашего анализа мы рассмотрим цифровую лексему #BlacklivesMatter посредством ресурса, который на карте отражает появление хештегов в режиме реального времени. В связи с этим исследование искомых элементов семантического поля будет ограничено данным критерием и временем. Кроме того, следует принимать во внимание, что данный ресурс не обладает обширными данными относительно выявления коннотативных значений. Так цифровая лексема #BlackLivesMatter встречалась всего два раза, учитывая отображение материала в реальном времени. #BLMотображалась 30 раз, #Racism - шесть, #ICan'tBreathe выявлено не было. Результатов по негативной коннотации сервис Onemilliontweetmap не обнаружил. Распределение позитивных и негативных, соответственно, равно 50% на 50%.
Обратимся к анализу следующей ЦЛЕ - #BLM. Пример, приводимый ниже, описывает ситуацию о пожарной станции, в составе которой были только афроамериканцы:
Almost 80 years ago #gordonparks photo-documented the first all-black fire company at #dcfirehouse4 and helped pave the way for #desegregation and #blackrights #blm photo credit: (Почти 80 лет назад #gordonparks задокументировал на фотографиях первую черную пожарную компанию, состоящую полностью из афроамериканцев в #dcfirehouse4 (пожарная часть № 4 в г. Вашингтон (Округ Колумбия)) и этим самым открыл дорогу к #де-сегрегации и #правам чернокожих #blm фото).
Машинный алгоритм системы в Интернете маркирует данное сообщение как негативное, хотя по общей семантике текста и по отноше-
нию автора к вопросу дискриминации темнокожего населения США очевидно, что автор положительно относится к движению за права афроаме-риканцев (first all-black; helped pave the way for). Следующий пример, который мы зафиксировали в лингвистическом корпусе, затрагивает риторический вопрос о борьбе между полицейскими и темнокожим населением. Данный пример машинный алгоритм определяет как нейтральный, хотя, судя по тематике и риторическим вопросам в сообщении, явно выражающих эмотивную составляющую, становится понятно, что автор публикации выступает в поддержку протестного движения, распространяемого в социальных сетях благодаря ЦЛЕ #blm:
Again? Are black bodies merely target practice for police on the job training!? #BlackLivesMatter #blacklivesmatter #blm #blmcampaign #blmmovement blackhistorymonth2021 #blackhistory #blackhistorymonth #blackhistoryisa... (Опять? Являются ли черные тела просто целью для полицейской практики на тренировке! blm #blmcampaign #blmmovement blackhistorymonth2021 #blackhistory #blackhistorymonth #blackhistoryisa...).
Рассматривая примеры сообщений с коннотацией, определяемой машинным алгоритмом как положительная, важно упомянуть о знаках для привлечения отправителем внимания пользователей без трансляции определенной тематики. Данный пример является нейтральным по отношению к #blm, а компьютерный алгоритм маркировал его как положительно оценочный из-за знака-лайк «сердечко», который присутствует в тексте:
Don't skip without dropping a comment ЩР. Save share and repost your favorite slide #explore #explorepage #exploremore #fyp #viral #blm #trend (Не пролистывайте ленту, не оставив комментарий V. Сохраняйте, делитесь и размещайте свой любимый слайд #исследуйте # страница исследования #исследуйтебольше #страницадлявас #популяр-ный #blm #тренд).
Похожую ситуацию в рамках определения коннотативных значений цифровой лексемы #blm можно наблюдать и в социальной сети Twitter. Пример указанная выше система определяет как негативный. В тексте сообщения присутствует информация об искусстве темнокожего художника. Текст однозначно предоставляет позитивную коннотацию, так как публикация отражает творческое начало всех темнокожих в лице одного заключенного М. Салмана, а также пост находится на странице поддержки протестных движений в XXI в.
Neo Jim Crow Art on Instagram: "Fake Justice" is a work by Rialto prisoner artist. Arnold Citizen aka Musafir. It's an homage to 21st century Protest movements; #blm #ados #justice #blackartist #jimcrow #art #prison #prisonart (Искусство Нео Джима Кроу «Фальшивое правосудие» в Instagram: является работой заключенного художника из Риальто. Ар-
нольд Ситизен, также известный как Мусафир, таким образом выражает уважение протестным движениям 21 века; #blm #ados (American Descendants of Slavery - американские потомки рабства) #правосудие #темнокожийхудожник #джимкроу #искусство #тюрьма #искус-ствовтюрьме).
Следующий лаконичный пост в Twitter затрагивает тематику про-тестных движений. В данном случае следует отметить, что автор говорит о слактивизме (пассивном протестном движении). В то же время понятно, что автор поддерживает идеи #blm и хочет их реализации не только в социальных сетях, но и в реальной жизни, поэтому данный текст идентифицирован нами как нейтральный, как это делает машинный алгоритм:
A lot of you'll be like #blm on your profiles and yet don't say word when black women are discriminated. (Многие из вас будут позиционировать себя на своих страницах в соцсетях как представителей #blm, но и при этом вы не говорите ни слова, когда происходит дискриминация темнокожих женщин в реальности).
Особенно интересным для анализа нам представляется текст о справедливости для всех. После основного текста присутствует хештег #blm. Однако семантика всего текста свидетельствует о нейтральной, а не положительной коннотации. По всей видимости, данный факт такого определения машинным алгоритмом следует объяснить использованием словосочетания I want justice for everyone:
„I'm not anti-American. I want justice for everyone". - Olympian Gwen Berry #BLM#VoteBlue2022 #Fresh («Яне являюсь антиамериканцем. Я хочу правосудия для всех». - Олимпийская чемпионка Гвен Берри #BLM#Голосуйтезадемократов2022 #свежесть).
Для завершения анализа цифровой лексической единицы #BLM рассмотрим еще два примера относительно положительной и нейтральной коннотации в интернет-сервисе Onemilliontweetmap. Отрицательная коннотация (как и в случае с хештегом #BlackLivesMatter) не была обнаружена. Первое сообщение относительно атаки полицейских на темнокожего мужчину создано У. Лахенс (@LahensWill). Однако интернет-ресурс One-milliontweetmap определил данную публикацию как нейтральную, хотя пользователь явно поддерживает протестное движение, выражая положительную коннотацию против дискриминации темнокожих, так как в текст сообщения помещает цифровую лексему #BLM. Можно было бы считать, что алгоритм сервиса определяет отношение к ситуации, но тогда становится не совсем понятным, почему данный текст нейтрален:
HIS IS WHATS TRENDING IN METHUEN MASS OFFICER SA WYER AND YOUNG ATTACKED ON A BLACK MAN #BLM (Это то, что сейчас находится в тренде в Метуэне (штат Массачусетс), офицеры Сойер и Янг напали на темнокожего мужчину #blm).
К положительной коннотации Onemilliontweetmap относит другое сообщение, где, на наш взгляд, автор не разделяет идей движения BLM. Так, пользователь под никнеймом Sports Fanatic (@clutch_ig) считает, что движение является лишь политическим ресурсом:
#BLM and #Reparations was a ploy to get votes. Infrastructure Bill may end up doing more indirectly for our community versus waiting on the direct handout. (#BLM и #Reparations стали уловкой для того, чтобы получить голоса. Инфраструктурный законопроект может в итоге оказать помощь более косвенно нашему сообществу, чем при ситуации, когда необходимо ждать информацию для освещения напрямую).
Следующим элементом семантического поля #BlackLivesMatter, который мы рассмотрим, станет лексическая единица, выраженная хештегом #Racism. На платформе Social Searcher не представлено примеров употребления данного хештега в Instagram, поэтому обратимся к примерам в социальной сети Twitter. Особенностью анализа информации ЦЛЕ #racism является то противоречие, которое заложено в использовании данной ЦЛЕ. Так, мы рассматриваем коннотацию как положительную, когда речь идет о поддержке расизма, и отрицательной, когда расизм осуждается, так как сама ЦЛЕ носит отрицательный характер. В этом состоит принципиальное отличие от анализа предыдущих элементов лексико-семантического поля движения Black Lives Matter. Первый пример связан с вопросом использования дебетовых карт. Машинный алгоритм определяет коннотацию текста как негативную. Однако из примера видно, что информация о протестных движениях и о расизме отсутствует:
Do you know that @AmazonEGprevent debit card holders to subscribe to Prime membership #PrimeDay2022 #Racism (А вы знаете, что @Ama-zonEG не разрешает держателям дебетовых карт приобретать членство в Prime #PrimeDay2022 #Racism).
Другой текст в сети Twitter связан с проявлением бытового расизма. Однако алгоритм сайта Social Searcher идентифицирует его в качестве нейтрального, хотя семантика всего сообщения отражает явное негодование автора относительно описываемой ситуации:
My white male friend called straight after me only gave his name & was offered a viewing immediately This is everyday #racism +/- #sex-ism for a woman of colour (Мой белый друг сразу после меня позвонил, и только он назвал свое имя - ему тотчас предложили просмотр. Это и есть бытовой #расизм +/- #сексизмдляцветнойженщины).
В качестве следующего примера нами был выбран текст о продаже билетов на мероприятие «Facing Race», которое выступает против дискриминации по расовому признаку. Нами данный пример классифицируется как негативный по отношению к теме расизма, а не положительный, как это было сделано машинным алгоритмом:
REGISTER NOW FOR FACING RACE! Tickets are available now at https://t.co/hN6Fkw2sZL or https://t.co/SZlqX2LaeK#racism #justice #peace #love #friday #wisdom #sunday #inspiration #community #lgbt #lgbtq #faith #education #equity #equality #racist #sundaymorning (РЕГИСТРИРУЙТЕСЬ СЕЙЧАС ДЛЯ УЧАСТИЯ В FACING RACE! Билеты уже доступны на сайтах https://t.co/hN6Fkw2sZL и https://t.co/SZlqX2LaeK #расизм #правосудие #мир #любовь #пятница #мудрость #восресенье #вдохновение #сообщество #лгбт #лгбтк #вера #образование #справедливость #равенство #расист #воскресное утро).
Цифровая лексема, выраженная по форме хештегом #ICantBreathe [#Янемогудышать], представляет для нас особый интерес именно с точки зрения определения коннотации. Движение выражает протест-лозунг, к которому люди присоединяются, что определяется нами как положительная коннотация. Однако данная ЦЛЕ используется для осуждения. Принимая во внимание экстралингвистическую составляющую, следует отметить, что данный хештег коррелирует с движением Black Lives Matter и появился как лозунг, повторяющий слова чернокожего Э. Гарнера в последние минуты жизни после задержания полицией США. В соцсети Instagram примеры использования хештега #ICantBreathe нами обнаружены не были, поэтому обратимся к примерам в Twitter. В качестве первого примера рассмотрим пост, который машинный алгоритм идентифицирует как негативный. В сообщении видно, что речь идет не о движении Black Lives Matter, а о коронавирусе, который также не дает дышать, как и в случае Гарнера при его противоборстве полиции. Однако автор поста параллели между этими двумя событиями не проводит, в связи с этим определяем коннотацию сообщения нейтральной:
I'm still struggling with #COVID #ICantBreathe (Явсе еще борюсь с #COVID #Янемогудышать).
Следующее сообщение в социальной сети необычно тем, что основная часть текста отсутствует, и весь текст состоит только из хеште-гов. Машинный алгоритм классифицирует данную публикацию как нейтральную. Однако очевидно, что в данном тексте содержится информация о протестном социально-политическом движении Black Lives Matter, что обусловлено в первую очередь хештегами #GeorgeFloyd и #BlackLivesMatter:
# Solidarity #GeorgeFloyd #ICantBreathe #IAmListening #BlackLivesMatter #Justice (#Солидарность #ДжорджФлойд #Янемо-гудышать #Яслушаю #BlackLivesMatter ^Правосудие).
К категории текстов с положительной коннотацией по отношению к социально-политической кампании машинный алгоритм также причисляет еще один случай употребления #ICantBreathe в контексте заболевания астмой. Как нами было указано выше, данный пост определяем
как нейтральный из-за отсутствия связи с движением против дискриминации темнокожих:
#love your #lungs #respiratech #respira #asthma #asthmaattack #asthmaawareness #asthmainhaler #asthmaproblems #asthmasucks #asthmawarrior #breathe #breathing #copd #copdawarness #copdproblems #copdsucks #fightforbreath #icantbreathe #inhaler #asma #bpco (#заботь-тесьосвоихлегких #респиратор #дыхание #астма #приступастмы #астмаосведомленность #ингаляторотастмы #проблемысастмой #астмаотстой # астмавоин #дышите #дышите #хроническаяобструк-тивнаяболезньлегких #осведомленностьхобл #проблемыхобл #хоблот-стой #боритесьзадыхание #янемогудышать #ингалятор #астма #хро-ническаяобструктивнаябронхопневмопатия).
В связи с тем, что платформа Onemilliontweetmap не располагает обширной базой данных по нашей тематике, нами было решено провести сопоставительный анализ 503 текстов, включающих ЦЛЕ, проанализированных компьютерным алгоритмом и методом контекстуального анализа. Результаты проведенного сопоставительного анализа полученных данных на базе машинного алгоритма ресурса Social Searcher представлены на рис. 1.
Результаты оценки элементов коннотативного значения семантического поля Black Lives Matter на базе машинного алгоритма ресурса Social Searcher демонстрируют преобладание нейтрального значения ЦЛЕ семантического ядра (#BlackLivesMatter и #blm) в Instagram (71 и 59% соответственно) и только #BlackLivesMatter в Twitter (56%). На наш взгляд, это свидетельствует о репрезентативном векторе хештега ввиду отсутствия крупномасштабных политических акций в США в исследуемый период времени. Интересно, что у хештега #blm в социальной сети Twitter превалирует негативная коннотация (47%). Самый высокий показатель отрицательного отношения коммуникантов зафиксирован к элементу семантической периферии #racism (78%), тогда как у хештега #KantBreathe такой показатель намного ниже (32%). Следует заключить, что у всех рассматриваемых ЦЛЕ показатели отрицательного отношения коммуникантов в сети Twitter намного выше, чем те же в Insta-gram. На наш взгляд, это объясняется характеристиками данных соцсе-тей. Так, Twitter больше ориентирован на краткие сообщения, скоростью обмена и распространения информацией в виде хештегов (в том числе и негативной для манипулирования и воздействия на пользователей). В In-stagram пользователи больше нацелены на создание, распространение и обмен фотоконтеном и т.п., а таже использование ЦЛЕ.
Также были проанализированы тексты, содержащие ЦЛЕ соци-ально-протестного движения Black Lives Matter. Идентификация коннотации осуществлялась при непосредственном участии исследователя. Результаты исследования представлены на рис. 2.
0%
#BlackLivesMatter Instagram
3°% 23% 22% 2%
-
Положительная Нейтральная I Отрицательная
#BLM Instagram
#BlackLivesMatter #racism
Twitter #BLM Twitter #IСan'tBreathe
78%
71%
59%
56%
28%
Рис. 1. Оценка коммуникантами элементов семантического поля Black Lives Matter на основе машинного алгоритма Social Searcher
87%
90% 80% 70% 60% 50% 40% 30%
20% 13%
10%
I
87%
89%
11% I
76%
70%
-45% 46%
JLlil
24%
0%
#BlackLivesMatter #BlackLivesMatter #racism
Instagram #BLM Twitter #BLM IwBtra- #IСan'tBreathe
Instagram Twitter Twitter
Положительное О Нейтральное D Отрицательное
Рис. 2. Отношение коммуникантов к элементам семантического поля Black Lives Matter на основе лингвистического корпуса посредством контекстуального анализа
На основании данных графиков продемонстрировано, что практически все столбцы (за исключением столбца с цифровой лексемой #racism) имеют различие в показателях более чем на 10%, что является крайне существенным фактором при анализе настроений коммуникантов относительно определенного социально-политического протестного движения. В соответствии с этим считаем контекстуальный анализ лексических единиц, выраженных по форме хештегами, более корректным.
Кроме того, нами было решено сопоставить коннотативные значения элементов семантического поля Black Lives Matter за исключением цифровой лексической единицы #racism, так как по эмотивному маркеру она противопоставлена всем остальным. Коммуниканты в целом положительно относятся к движению Black Lives Matter (13% положительных коннотаций против 0% отрицательных в Instagram, 45% положительных коннотаций против 9%отрицательных в Twitter) и I Can't Breathe (24% против 0% в Twitter) и отрицательно к #racism (70% отрицательных коннотаций против 12% положительных в Twitter).
При составлении общей таблицы следовало бы поменять результаты «положительно-отрицательно» в категории «расизм», но во избежание путаницы мы решили данной цифровой лексемой пренебречь. Таким образом, у нас получились рис. 3, базирующейся на присвоении кон-нотативной составляющей на базе алгоритма Social Searcher, и рис. 4, основанный на статистических подсчетах, осуществленных на базе контекстуального анализа.
Рис. 3. Оценка коммуникантами элементов семантического поля Black Lives Matter, основанная на выделении коннотативного компонента алгоритма Social Searcher
На основании сопоставления представленных выше диаграмм следует заключить, что распространенным отношением к текстам с ЦЛЕ протестной кампании Black Lives Matter является нейтральное. Результаты проведенного контекстуального анализа демонстрируют, что нейтральное отношение встречается практически в полтора раза чаще (75% против 54%), чем при оценке алгоритмом Social Searcher. Положительное отношение коммуникантов к протестной кампании Black Lives Matter, зафиксированное в социальных сетях, практически совпадает и составляет 21% (в результате контекстуального анализа) и 20% (по расчетам алгоритма Social Searcher).
Ш Положительная
1—1 Нейтральная
И - Отрицательная
U Положительное
Нейтральное ■ Отрицательное
Рис. 4. Отношение коммуникантов к элементам семантического поля Black Lives Matter на основе расчетов контекстного анализа
В то же время важно отметить, что доля отрицательной коннотации по отношению к протестным кампаниям более чем в шесть раз выше (см. рис. 4) в системе на основании алгоритмов Social Searcher, чем в системе нашего контекстуального анализа, которую считаем более корректной в связи с обширным количеством проанализированных примеров текстов, где коннотативная составляющая определена неточно алгоритмом программы Social Searcher, подтверждением чего выступают представленные выше примеры. Это свидетельствует о том, что коммуниканты избегают конфликтов в социальных сетях, когда речь идет о широкомасштабных протестных движениях в мирное время.
Заключение
Таким образом, представленный подход к измерению коннотатив-ного значения с помощью метода семантического дифференциала наглядно демонстрирует «расхождение» компонентов смысла в использовании ЦЛЕ социально-политического движения Black Lives Matter. Характер взаимодействия коммуникантов в социальной сети определяется уровнем их знания коннотативного значения ЦЛЕ протестного движения и их коммуникативными интенциями.
В результате проведенного анализа было установлено, что машинные алгоритмы (Social Searcher и OneMilliontweetmap) некорректно отображают информацию относительно коннотативных значений микротекстов с ЦЛЕ. Поэтому здесь важна роль исследователя и его работа в процессе контекстуального анализа для определения верной коннотации. Выявлено, что в большей части контекстов с исследуемыми ЦЛЕ заявленный протест не транслируется. Основная цель коммуникантов, использующих ЦЛЕ, заключается в привлечении внимания к собственному контенту в социальной сети. Небольшое количество контекстов с
75%
положительной (21%) и отрицательной (4%) коннотацией, которое было получено в результате проведенного анализа, объясняется периодом исследования - временем, когда массовые протестные движения Black Lives Matter уже шли на спад. Обнаружено, что процент коммуникантов, выступающих против распространения идей, предложенных про-тестными движениями, на социальных платформах достаточно низок (4%). Данный факт объясняется не только свободным функционированием протестных кампаний в виртуальном пространстве, но и формированием инфлюенсерами такой социально-политической повестки, которая позволяет в результате манипулировать общественным сознанием. Перспектива данного исследования видится в создании модели анализа взаимодействия коннотативных значений с их содержательными признаками в цифровом пространстве.
Список источников
1. Zhou A. Y. Book Reviews: #Republic: Divided democracy in the age of social media // Journal of Communication. 2017. № 67 (6). Р. 12-14.
2. Barbas A., Postill J. Communication activism as a school of politics: lessons from Spain's Indignados Movement // Journal of Communication. 2017. № 67 (5). Р. 646-664.
3. Kircher R., Kutlu E. Multilingual realities, monolingual ideologies: social media representations of Spanish as a Heritage Language in the United States // Applied Linguistics. 2023. Р. 1-24.
4. De Fina A Storytelling and audience reactions in social media // Language in Society. 2016. № 45 (4). Р. 473-498. doi: 10.1017/S0047404516000051
5. Fuoli M., Clarke I., Wiegand V., ZiezoldH., MahlbergM. Responding effectively to customer feedback on Twitter: A mixed methods study of webcare styles // Applied Linguistics. 2021. № 42 (3). Р. 569-595.
6. Baruh L., Secinti E., Cemalcilar Z. Online privacy concerns and privacy management: A meta-analytical review // Journal of Communication. 2017. № 67 (1). Р. 26-53.
7. Социальные сети: комплексный лингвистический анализ // Бушев А.Б., Гнедаш А.А., Го-лев Н.Д. [и др.]. Кемерово : Кемеровский государственный университет, 2022. 384 с.
8. Leistert O. Mobile media: protest and surveillance. On the political rationality of ubiquitous individual connectivity. (Doctoral dissertation, Paderborn University, Germany) Paderborn University Archive. 2012. 296 р.
9. Brunner E. Wild public networks and affective movements in China: Environmental activism, social media, and protest in Maoming // Journal of Communication. 2017. № 67 (5). Р. 665-677.
10. Нефедова Л.А Дискурсивные практики коммуникации в условиях социального дистанцирования (взгляд сквозь призму немецкого языка) // Язык и культура. 2021. № 56. С. 62-75.
11. Мартине А Основы общей лингвистики. Новое в лингвистике. Вып. 3. М. : Изд-во иностранной литературы, 1963. С. 366-566.
12. Кислицына Н. Н. Интегративная методика исследования коннотативного значения // Вестник Челябинского государственного университета. Филологические науки. 2019. № 6 (428). С. 77-86.
13. Ревзина О.Г. О понятии коннотации. Архивная копия от 15 марта 2010 года на Way-back Machine // Языковая система и ее развитие во времени и пространстве : сб. науч. ст. к 80-летию профессора Клавдии Васильевны Горшковой. М. : Изд-во МГУ, 2001. С. 436-446.
14. Говердовский В.И. История понятия коннотации. Архивная копия от 29 марта 2008 на Wayback Machine // Филологические науки. 1979. № 2. С. 83-86.
15. Прохоров A.M. Коннотация // Большая советская энциклопедия : в 30 т. 3-е изд. M. : Советская энциклопедия, 1969-1978. 719 с.
16. Taherdoost H. Determining sample size; how to calculate survey sample size // International Journal of Economics and Management System. 2017. № 2. Р. 237-239.
17. Alekseev A. V., Yazov Y.K., Sychev A.M. [et aL] Analysis of the protest movement of African Americans in the United States through denotative and connotative meanings of Hashtags // Journal of Language and Linguistic Studies. 2021. Vol. 17, № S2. Р. 12101219.
18. Köhler R., Altmann G., Piotrovski R. Quantitative Linguistics - Quantitative Linguistik // An International Handbook - Ein internationales Handbuch. 2005. 1041 р.
19. Mohammad S., Kiritchenko S. Using hashtags to capture fine emotion categories from Tweets // Computational Intelligence. 2014. № 31. Р. 301-326.
20. Roberts K., Roach M., Johnson J., Guthrie J., Harabagiu S. EmpaTweet: annotating and detecting emotions on Twitter // Proceedings of the International Conference on Language Resources and Evaluation. 2012. Р. 3806-3813.
21. Erz A., Marder B., Osadchaya E. Hashtags: Motivational drivers, their use, and differences between influencers and followers // Computers in Human Behavior. 2018. № 89. Р. 4860.
22. MohammadS.M., Bravo-Marquez F. Emotion intensities in Tweets // Proceedings of the 6th Joint Conference on Lexical and Computational Semantics (*SEM 2017). Vancouver, Canada : Association for Computational Linguistics, 2017. Р. 65-77.
23. Osgood C.E. The nature and measurement of meaning // Psychological Bulletin. 1952. № 49 (3). Р. 197-237.
24. Piotrowski C. Factor structure on the semantic differential as a function of method of analysis // Educational and Psychological Measurement. 1983. № 43. Р. 283-288.
25. Tzeng O.C.S. The comparability of verbal and nonverbal semantic differential scales in a joint semantic space // Journal of Psycholinguistic Research. 1986. № 15. Р. 117-125.
26. Powell E.R. Sociometric semantic differential assessment // Small Group Research. 1982. № 13. Р 43-52.
27. KeeP., Darroch R.K Perception of methods of contraception: a semantic differential study // Journal of Biosocial Sciences. 1981. № 13. Р. 209-218.
28. Siletile B. Digital protest and the use of #hashtags on social media platforms // Social Sciences. 2022.
29. Kumar J. V.R., Jishamol B., Maya R.K Role of social media in protest movements: a global perspective // Towards Excellence. 2022. № 14 (1). Р. 667-668.
30. Lim S.S., Bouffanais R. Tuning networks for prosocial behavior: from senseless swarms to smart mobs // IEEE Technology and Society Magazine. 2019. № 38 (4). Р. 17-19.
31. Горюшина E.M., Поцелуев С.П. Социальный протест - показатель политической нестабильности или инструммент снижения напряженности? // Ученые записки Таврического национального университета имени В.И. Вернадского: серия «Философия. Политология. Культурология». 2019. Т. 5 (71), № 1. С. 81-93.
References
1. Zhou A.Y. (2017) Book Reviews: Republic: Divided democracy in the age of social media // Journal of Communication. 67 (6). pp. 12-14.
2. Barbas A., Postill J. (2017) Communication activism as a school of politics: lessons from Spain's Indignados Movement // Journal of Communication. 67 (5). pp. 646-664.
3. Kircher R., Kutlu E. (2023) Multilingual realities, monolingual ideologies: social media representations of Spanish as a Heritage Language in the United States // Applied Linguistics. 1. pp. 1-24.
4. De Fina A. (2016) Storytelling and audience reactions in social media // Language in Society. 45 (4). 473-498.
5. Fuoli M., Clarke I., Wiegand V., Ziezold H., Mahlberg M. (2021) Responding effectively to customer feedback on Twitter: A mixed methods study of webcare styles // Applied Linguistics. 42 (3). pp. 569-595.
6. Baruh L., Secinti E., Cemalcilar Z. (2017) Online privacy concerns and privacy management: A meta-analytical review // Journal of Communication. 67 (1). pp. 26-53.
7. Bushev A., Gnedash A., Golev N. et al. (2022) Social'nye seti: kompleksnyj lingvisticheskij analiz [Social networks: comprehensive linguistic analysis] // Kemerovo: Kemerovskij gosudarstvennyj universitet. 384 p.
8. Leistert O. (2012) Mobile media: protest and surveillance. On the political rationality of ubiquitous individual connectivity // Paderborn University Archive (Doctoral dissertation, Paderborn University, Germany). 296 p.
9. Brunner E. (2017) Wild public networks and affective movements in China: Environmental activism, social media, and protest in Maoming // Journal of Communication. 67 (5). pp. 665-677.
10. Nefjodova L.A. (2021) Diskursivnye praktiki kommunikacii v uslovijah social'nogo distancirovanija (vzgljad skvoz' prizmu nemeckogo jazyka) [Discursive communication practices in conditions of social distancing (view through the prism of the German language)] // Yazyk i kul'tura. 56. pp. 62-75.
11. Martine A. (1963) Osnovy obshhej lingvistiki. Novoe v lingvistike [Fundamentals of general linguistics. New issues in linguistics]. M.: Izdatel'stvo inostrannoj literatury. pp. 366-566.
12. Kislitsyna N.N. (2019) Integrativnaja metodika issledovanija konnotativnogo znachenija [Integrative methodology for studying connotative meaning] // Bulletin of Chelyabinsk State University. Philological Science. 6 (428). pp. 77-86.
13. Revzina O.G. (2001) O ponjatii konnotacii. Arhivnaja kopija ot 15 marta 2010 na Wayback Machine [About the concept of connotation. Archival copy dated March 15, 2010 on Wayback Machine]. Jazykovaja sistema i ejo razvitie vo vremeni i prostranstve: sbornik nauchnyh statej k 80-letiju professora Klavdii Vasil'evny Gorshkovoj. M. : Izd-vo MGU. pp. 436-446.
14. Goverdovskij V.I. (1979) Istorija ponjatija konnotacii. Arhivnaja kopija ot 29 marta 2008 na Wayback Machine. [History of the concept of connotation. Archived copy from March 29, 2008 on the Wayback Machine] // Philological Sciences. 2. pp. 83-86.
15. Prohorov A.M. (1969-1978) Konnotacija [Connotation] // Bol'shaja sovetskaja enciklopedija: (30 t.) - 3-e izdanie. M.: Sovetskaja enciklopedija. 719 p.
16. Taherdoost H. (2017) Determining sample size; how to calculate survey sample size // International Journal of Economics and Management System. 2. pp. 237-239.
17. Alekseev A.V., Yazov Y.K., Sychev A.M. [et al.] (2021) Analysis of the protest movement of African Americans in the United States through denotative and connotative meanings of Hashtags // Journal of Language and Linguistic Studies Vol. 17 (2). pp. 1210-1219.
18. Köhler R., Altmann G., Piotrovski R. (2005) Quantitative Linguistics - Quantitative Linguistik // An International Handbook - Ein internationales Handbuch. 1041 p.
19. Mohammad S., Kiritchenko S. (2014) Using hashtags to capture fine emotion categories from Tweets // Computational Intelligence. 31. pp. 301-326.
20. Roberts K., Roach M., Johnson J., Guthrie J., Harabagiu S. (2012) EmpaTweet: annotating and detecting emotions on Twitter // Proceedings of the International Conference on Language Resources and Evaluation. pp. 3806-3813.
21. Erz A., Marder B., Osadchaya E. (2018) Hashtags: Motivational drivers, their use, and differences between influencers and followers // Computers in Human Behavior. 89. pp. 4860.
22. Mohammad S.M., Bravo-Marquez F. (2017) Emotion intensities in Tweets // Proceedings of the 6th Joint Conference on Lexical and Computational Semantics (SEM 2017) Vancouver, Canada: Association for Computational Linguistics. pp. 65-77.
23. Osgood C.E. (1952) The nature and measurement of meaning. Psychological Bulletin. 49 (3). pp. 197-237.
24. Piotrowski C. (1983) Factor structure on the semantic differential as a function of method of analysis // Educational and Psychological Measurement. 43. pp. 283-288.
25. Tzeng O.C.S. (1986) The comparability of verbal and nonverbal semantic differential scales in a joint semantic space // Journal of Psycholinguistic Research. 15. pp. 117-125.
26. Powell E.R. (1982) Sociometric semantic differential assessment // Small Group Research. 13. pp. 43-52.
27. Kee P., Darroch R.K. (1981) Perception of methods of contraception: a semantic differential study // Journal of Biosocial Sciences. 13. pp. 209-218.
28. Siletile B. (2022) Digital protest and the use of hashtags on social media platforms. Social Sciences.
29. Kumar J.V.R., Jishamol B., Maya R.K. (2022) Role of social media in protest movements: a global perspective // Towards Excellence. Vol. 14 (1). pp. 667-668.
30. Lim S.S., Bouffanais R. (2019) Tuning networks for prosocial behavior: from senseless swarms to smart mobs // IEEE Technology and Society Magazine. 38 (4). pp. 17-19.
31. Goryushina E.M., Poceluev S.P. (2019) Social'nyj protest - pokazatel' poli-ticheskoj nestabil'nost' ili instrumment snizheniya napryazhennosti? [Social protest - an indicator of political instability or a tool to reduce tensions?] // Uchenye zapiski Tavricheskogo nacional'nogo universiteta imeni V.I. Vernadskogo: seriya Filosofiya. Politologiya. Kul'turologiya. 5 (71) 1. pp. 81-93.
Информация об авторах:
Алексеев А.В. - доцент, кандидат филологических наук, доцент кафедры английского языка № 6 факультета, Московский государственный институт международных отношений (университет) Министерства иностранных дел Российской Федерации (Москва, Россия). E-mail: [email protected]
Ленец А.В. - доктор филологических наук, профессор, заведующая кафедрой немецкой филологии Института филологии, журналистики и межкультурной коммуникации, Южный федеральный университет (Ростов-на-Дону, Россия). E-mail: [email protected]
Авторы заявляют об отсутствии конфликта интересов.
Information about the authors:
Alekseev A.V., Ph.D. (Philology), Associate Professor, Associate Professor of the English Language Department No. 6, Moscow State Institute of International Relations (University) of the Ministry of Foreign Affairs of the Russian Federation (Moscow, Russia). E-mail: [email protected]
Lenets A.V., D.Sc. (Philology), Professor, the Head of the German philology department Institute of Philology, Journalism and Intercultural Communications, Southern Federal University (Rostov-on-Don, Russia). E-mail: [email protected]
The authors declare no conflicts of interests.
Поступила в редакцию 14.01.2024; принята к публикации 29.08.2024 Received 14.01.2024; accepted for publication 29.08.2024
