CC BY-NC
0Litera
Правильная ссылка на статью:
Булгарова Б.А., Чинённая Т.Ю., Зюкина З.С., Козловская Е.С. Междисциплинарные цифровые способы исследования политического медиадискурса // Litera. 2024. № 8. DOI: 10.25136/2409-8698.2024.8.71346 EDN: WWGCDU URL: https://nbpublish.com'Hbrary_read_article.php?id=71346
Междисциплинарные цифровые способы исследования политического медиадискурса
Булгарова Белла Ахмедовна
ORCID: 0000-0001-6005-2505 кандидат филологических наук
доцент, кафедра массовых коммуникаций, Российский университет дружбы народов им. П. Лумумбы
117198, Россия, г. Москва, ул. Миклухо-Маклая, 6
И [email protected] Чинённая Тамара Юрьевна
ORCID: 0000-0002-2621-6606 кандидат филологических наук
доцент; кафедра национальных и федеративных отношений; Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации
119571, Россия, г. Москва, пр-т Вернадского, 82, стр.1.
И [email protected] Зюкина Зульфира Салиховна
ORCID: 0000-0002-1583-9576 кандидат педагогических наук доцент; кафедра Русского языка и лингвокультурологии ; РУДН им. Патриса Лумумбы
117198, Россия, г. Москва, ул. Миклухо-Маклая, 6
Козловская Еатерина Станиславовна
ORCID: 0000-0002-6308-725X кандидат филологических наук доцент; кафедра Русского языка N"5 ; РУДН им. Патриса Лумумбы 117198, Россия, г. Москва, ул. Миклухо-Маклая, 6
Статья из рубрики "Журналистика"
DOI:
10.25136/2409-8698.2024.8.71346
FDM■
WWGCDU
Дата направления статьи в редакцию:
26-07-2024
Аннотация: Цифровые способы исследования политического дискурса позволяют расширить спектр данных о статистике и репликации упоминания той или иной проблематики в медиапространстве, популярности лексических единиц либо иного контента, распространенных как посредством средств массовой информации, так и в рядах читательской аудитории с помощью комментариев и постов на страницах личных аккаунтов, как итог, определить специфику репрезентации определенных политических процессов в масс-медиа. Объектом настоящего исследования выступают различные методы и инструменты цифрового изучения политического медиадискурса, а также соответствующее программное обеспечение. Предметом являются результаты контент-анализа политической коммуникации, полученные зарубежными (Я.-М. Эберл, П. Толочко, П. Йост, Т. Хайденрайх, Х.Г. Бумгаарден) и российскими (Е.И. Бегловой и О.Ю. Шмелевой) специалистами. Цель работы - компаративным путем изучения ручного и автоматизированного методов контент-анализа выявить наиболее эффективный способ работы с медиаматериалом. Основным методом исследования в статье послужил комплексный сравнительный анализ проведенных исследований: от ручного контент-анализа до цифрового с применением математических алгоритмов и метода "цифрового следа", теоретический анализ научной литературы по обозначенной проблематике, описательный и сопоставительный методы, интерпретация полученных результатов. Научная новизна статьи состоит в обращении к сравнению разного рода цифровых способов контент-анализа. Выявление их сильных и слабых сторон и перспективы применения цифровых способов контент-анализа в медиаиндустрии в российской науке имеют малоизученный характер и нуждаются в разработке. Новые цифровые методы контент-анализа являются более объективными, оперативными, структурированными, разнообразными и верифицируемыми в отличие от ручных; стремительное развитие технологий искусственного интеллекта вносит свои коррективы в методику анализа политического медиадискурса; междисциплинарные цифровые способы и инструменты исследования политической коммуникации расширяют спектр возможностей корпусного, критического и контент-анализа взаимокорреляции дискурса и власти, тенденций и перспектив политических процессов и действий верховного руководства.
Ключевые слова:
цифровые способы, политический медиадискурс, контент-анализ, социальные сети, коммуникация, метод, применение, стратегии, результаты, исследование
Введение. В политике язык может использоваться не только в качестве инструмента, но и в роли объекта исследования. Политический медиадискурс - это междисциплинарный предмет, находящийся на стыке лингвистических наук, средств массовой информации (далее - СМИ), политики и современных цифровых технологий
Цифровые методы и инструменты исследования политического дискурса помогают ученым выявлять и анализировать особенности семантической организации политического текста (включая цитаты, ссылки, аллюзии, реминисценции) между разными его видами, способы репрезентации и конституирования тех или иных политических процессов или их интерпретации и т.д.
Обзор литературы. Согласно результатам исследований С. Блассник (Blassnig 2022), количественный контент-анализ (ручной, автоматизированный или
полуавтоматизированный) продолжает оставаться доминирующим методом исследования политического медиадискурса ¿¿Ш. При этом качественный и критический контент-анализы также актуальны на сегодняшний день, что подтверждается работой Р. Водака,
М. Хосравиник (Wodak, KhosraviNik 2013)[19]. Более того, Т.Н. Лобанова (2020) подчеркивает, что практически все исследуемые ей «медиаплатформы и интернет-порталы позволяют в автоматическом режиме производить контент-анализ по ключевым словам» [5, с- 30]. М.М. Аббаси (2022) описывает системы, разработанные для анализа текста и эмоций [1, с 4], которые способствуют раскрытию авторских интенций при
анализе дискурса в автоматическом режиме -Ш. В коллективной монографии, написанной под научной редакцией И. П. Кужелевой-Саган (2017)делается акцент на релевантности анализа повседневных дискурсивных практик сетевых платформ, подчеркивается, что такой способ «помогает проследить, каким образом новый когнитивный стиль жизненного мира социальных медиа трансформирует этническую виртуальную коммуникацию» -8, с- 21], что доказывает актуальность междисциплинарных цифровых способов исследования медиадискурса.
Методы. В статье использовались следующие методы: теоретический анализ научной литературы по обозначенной проблематике, описательный и сопоставительный методы, контент-анализ, интерпретация полученных результатов. Основным методом исследования в статье послужил комплексный компаративный анализ.
Ход исследования. Цифровые способы анализа медиадискурса расширяют границы изучения корпусной лингвистики и других смежных с ней дисциплин. Если ранее эмпирические исследования чаще освещали законы построения и распространения одного канала коммуникации или платформы, например, политической речи, пресс-релизов, партийных манифестов, ток-шоу, рекламы, веб-сайтов или социальных сетей, то рост инструментов программного обеспечения и искусственного интеллекта позволяет в короткие сроки выполнять анализ дискурса сразу больших объемов текстов из разного контента.
Междисциплинарный аспект исследования политического медиадискурса заключается в попытке ученых изучать данную проблематику в контексте и взаимокорреляции таких наук, как:
1 . Лингвистика - статистические данные о количестве дефиниций, связанных с политикой, помогают данной науке определять степень родства языков, присутствие устаревших слов и выражений или неологизмов в политическом тексте, а также дифференцировать соответствующую терминологию, что позволяет создавать корпуса текстов с целью дополнения и совершенствования словарей, глоссариев, тезаурусов,
ГОСТов и т.д., для чего используются такие программы, как Sketch Engine, TermoStat-6,
с-73] и др.
2 . Психолингвистика - цифровые программы, сконцентрированные на изучении
языкового поведения и исследовании принципов интерпретации и верификативности концептуальных компонентов политического дискурса, способствуют раскрытию «языковой личности» политиков и массовых настроений. Например, результаты психолингвистического контент-анализа медиадискурса помогают формировать общественное сознание посредством релевантного выбора адресантом речевых способов «построения текста в соответствии с ожиданиями целевых аудиторий
(адресатов)» [7, с 2"" и, как следствие, бороться за власть. В том числе, количественный и качественный анализы частотности репликации ключевых слов способствуют раскрытию имплицитного характера анализируемого дискурса через «выявление закономерностей в его структуре и... оценку частотного распределения языковых единиц» [4, с 223"".
3 . Социолингвистика - исследование политического медиадискурса позволяет определять, как меняется язык между социальными группами, в зависимости от
возраста, при миграции населения и между сообществами под воздействием определенной политической обстановки в стране и мире, а также проводить конверсационный анализ социального и политического взаимодействий сквозь призму
вербального поведения политических лидеров [4, с 226"". Исследования политического дискурса можно выполнять с помощью такого ПО, как: Nvivo Leading Qualitative Data
Analysis Software (QDAS); ATLAS.ti^4" - The №1 Software for Qualitative Data Analysis; Quirkos - Qualitative Data Analysis Software made simple и т.д.
4. Философия и история - центральными темами для исследователей являются развитие
и изменения языка политиков -И2", свидетельствующие о политических реалиях определенного времени (символизации и ценностных парадигмах), позиционировании и самопрезентации политических лидеров и их установок, становлении определенного мировидения и миропонимания верховного руководства, которые отражаются в трудах философов, историков и историографов и цитируются современными политиками в масс-медиа. Исследования вышеобозначенных проблематик проводится посредством такого
ПО, как Nvivo Leading Qualitative Data Analysis Software (QDAS); ATLAS.t^, аналитики T-LAB и т.д.
5 . Педагогика - изучение политического медиадискурса помогает психологам, педагогам, лингвистам и издателям, изучающим процесс чтения и формирования познавательной активности будущих политологов, дифференцировать и анализировать язык и его явления, на котором читают и пишут обучающиеся, а также определять, какие словари актуальны для них (толковые, информационно-поисковые, словари цитат политиков, двуязычные словари политической терминологии и т.д.). Такое ПО, как, например, Sketch Engine, помогает изучать и материалы на политические темы, созданные для студентов и школьников, и сочинения, написанные самими слушателями учебного курса, представленные в медиапространстве. Анализ дискурса в академических кругах и в учебных целях политологов проводится с целью определения установок, соотношений сил и перспектив участников политических дебатов; причин роста или снижения числа мигрантов или миграции беженцев; как данные коллизии представлены на новостных сайтах; как распространяется такой контент через блоги и т.д. Ш!
6. Цифровая лингвистика - изучение интернет-корпуса языков пользователей позволяет определять общественные настроения, превалирующие в социальных сетях, мессенджерах и на других виртуальных платформах, а также определять преобладающий
контент СМИ на политические темы. Например, с помощью программного обеспечения (далее - ПО) Provalis Research Text Analytics Software, основными инструментами которого являются QDA Miner, WordStat, можно выполнять анализ числовых и текстовых данных, управление текстовым контентом, анализ кодирования, опросов, имиджа, настроений и мнений аудитории, а также анализ медиафрейминга -U-3!.
Таблица 1 - Методы и инструменты исследования политического медиадискурса-Ш
Наименование цифрового инструмента
Sketch Engine (ПО, выполненное по
образцу поисковой системы Google) -предлагает множество готовых к
использованию корпусов и
инструментов для
создания, загрузки и установки
польз ов а те ля ми с в о их собственных корпусов li^i; для работы с данными используются специально созданные словари.
ПО TermoStat
помогает выполнять «анализ политического мышления и
выстраивания логической методологии понимания основных социальных действий, моделирования политического процесса, поиск
с о о тв е тс тв ий ме ж ду языковой структурой дискурса и
когнитивной
Метод и методология исследования
В отличие от
статистического анализа, в методе используются «модели вероятностей и визуального
отображения данных для охвата различных
социальных моделей поведения
пользователей» ^-—
140]. В основу цифрового инструмента входят
количественная и
комбинированная вычислительные методологии анализа большого массива
онлайн и офлайн-источников.
Используется методология, путем
которой можно
про в о дить
количественный анализ терминов и ключевых слов, свидетельствующих о политической ситуации в стране или мире, освещаемой и
обсуждаемой в
медиапространстве; исследование в ыпо лня е тс я на ос но в е текстов политического дискурса. Гибридным
Сфера использования и цели исследования
Sketch Engine является ведущим корпусным инструментом, широко используемым в
лексикографии, его принципы ра б о ты
ориентированы на:
формирование корпусной лингвистики, анализ аутентичных текстов, получение
данных о сочетаемости слов, создание перечня семантически связанных лексем,
извлечение ключевых дефиниций («слов с очень высокой
частотностью репликации в одном или нескольких
текстах» ———139!) и терминов [16; 6 с 73].
TermoStat -
онлайновый экстрактор для работы с корпусами текстов. Цель
использования данного цифрового инструмента - принятие
политических решений на основе
статистических данных о дискурсе,
освещающего политическую ситуацию, полученных
преимущественно с помощью анализа
структурой мышления Г9, с.
автора дискурса»
1401).
методом (статистическим и лингвистическим)
можно «получать
статистическую информацию об
извлеченных терминах, список биграмм, список семантически связанных
слов» Г6 с- 76].
медиатекстов.
Компьютерный дискурс-анализ с использова интеллекта (ИИ) (Computer-mediated Discou
нием искусственного
rse Analysis, CMDA)
ПО для текстовой аналитики: Nvivo
Leading Qualitative Data Analysis Software
(Q DAS); ATLAS.ti*41 -The №1 Software for Qualitative Data
Analysis; Quirkos -Qualitative Data
Analysis Software made simple;
HyperRESEARCH^—— 2281 и другие
кроссплатформенные программные продукты для исследователей, занимающихся качественным анализом.
Используются количественный, качественный и
смешанный методы
контент-анализа данных медиадискурса, визуализация полученных результатов в виде различных диаграмм, интеллект-карт, дендрограмм
(кластерных деревьев). В том числе, с помощью ПО можно генерировать комментарии и
аннотации, создавать ссылки на цитаты и т.д. Г4, с. 2281
Сфера применения в политическом дискурсе: изучение национальных концептов,
общественных мнений, идеологии, массовых движений, коннотативно-оценочных компонентов текстов исследуемой тематики. Интеллект-карты ориентированы на определение
имплицитных интенций политических деятелей, отражаемые в дискурсе адресанта,
интерпретацию и
понимание им
политической реальности; в оз мож но с ть прогнозирования поте нциа льных действий и поведений политика
(преимущественно в экстраординарных ситуациях) Г9, с- 141].
Критический анализ дискурса посредством аналитики Т^АВ
в ыполня е тс я с
помощью таких
инструментов, как ИИ, социальные сети и анализ социальных медиа, которые можно использовать в
ПО представляет из себя универсальный набор лингвистических, статистических и
графических
инструментов. Т^АВ
по з в о л я е т в ыпо лня ть интеллектуальный а на лиз дис курс а ,
в ыя в ля ть з на ч имые
Этапы предварительной обработки Т^АВ
включают в себя следующие действия: сегментацию текста, автоматическую лемматизацию (объединение слов с одним и тем же корнем или леммой) или
синтезе или по- корреляции слов и тем в обобщение,
отдельности - в больших объемах определение
зависимости от текстовых данных. ПО нескольких дефиниций
наборов данных и способно сканировать и стоп-слов, выбор
аналитических различные массивы ключевого термина.
потребностей Г15; 181. В информации, определять М ож но а на лиз иро в а ть
том числе, в них частотность мно г ие типы те кс то в :
медиадискурс использования с те нограммы
анализируется с дефиниций и их выступлений политиков,
помощью идеограмм. тематические тенденции, газетные статьи на
а также проводить соответствующую
сравнительный анализ проблематику, ответы
текстовых документов. на открытые опросы,
М е то д поз в о ля е т сообщения в
определять социальных сетях и
«взаимосвязи между мессенджерах,
языком, властью и с те нограммы инте рв ью
идеологией, глубже и фокус-групп,
изучать внутреннюю законодательные
связь между дискурсом и тексты, патенты,
властью» Г9, с- 1411. документы компаний,
книги и т.д. -HSJ.
Provalis Research Text В портфолио решений ПО ПО Provalis Research
Analytics Software - входят количественные, Text Analytics Software
ПО для текстовой качественные и создано для анализа
аналитики, смешанные методы, текстов. Помогает
пре дс та в ля ющ ий собой ориентированные на получать более
набор инструментов, корпусной анализ. детальное
которые позволяют Основными представление о
польз ов а те ля м инструментами текстовой взаимокорреляции
исследовать, аналитики ПО являются медиадискурса
а на лиз иро в а ть и QDA Miner, WordStat и политических лидеров и
соотносить как SimStat. QDA Miner - их политической
структурированные, пакет ПО для практикой Г9, с- 1411.
та к и качественного анализа
неструктурированные данных, выполняемого с
данные, выполнять помощью компьютера
обработку текста и (CAQDAS) с целью
одновременный поиск ручного кодирования,
и анализ репликации аннотирования,
ключевых слов Г9!. извлечения и анализа
небольших или объемных
текстовых файлов и
изображений. WordStat -
модуль анализа текстов
для QDA Miner,
сочетающий в себе
контент-анализ и методы
интеллектуального
анализа текста. SimStat
205
- ПО для
статистического анализа
■Ш1. Анализ текстовых файлов и изображений я в ля е тс я мультимодальным методом, позволяющим определять «интеграцию различных
символических ресурсов и модальных каналов восприятия информации с особой ролью визуализации» Г9, с- 1421.
Такие методы как количественный, качественный и смешанный контент-анализ, исходя из таблицы 1, предельно популярны в цифровом пространстве - для проведения анализа медиадискурса разработчики включают в программное обеспечение алгоритмы, работающие наподобие информационно-поисковых систем Google.
Контент-анализ часто проводится в конгломерации с экспертными опросами или интервью с политическими деятелями, что позволяет изучать мотивы или стратегии их самопрезентационной коммуникации. Кроме того, этот вид исследования сочетается с данными панельных или кросс-секционных опросов, тем самым, помогая анализировать влияние коммуникации, например, на формирование общественных мнений или установок.
В последнее время ученые применяют контент-анализ к данным «цифровых следов», например, с целью изучения влияния специфического содержания коммуникации или элементов стиля постов в социальных сетях на реакцию пользователей в виде сигналов популярности.
Импонирование исследователей такому методу изучения политического медиадискурса как контент-анализ, обусловил целесообразность сравнения результатов трудов ученых, обратившихся к разным инструментам: Е.И. Бегловой, О.Ю. Шмелевой (2015), использовавших ручную выборку и качественный контент-анализ, объектом исследования которых стала речь политического лидера на выступлениях за 2012-2015 гг.; и Я.-М. Эберл, П. Толочко, П. Йост, Т. Хайденрайх, Х.Г. Бумгаарден (Eberl, Tolochko, Jost, Heidenreich, Boomgaarden 2020), выполнивших автоматизированный контент-анализ постов Facebook, включая анализ «цифровых следов».
Объектом исследования Е.И. Бегловой и О.Ю. Шмелевой (2015) стала речь В.В. Путина на девяти выступлениях, в результате чего было проанализировано порядка ста сорока лингвистических единиц. Кроме того, перед исследователями были поставлены следующие задачи: выявить те средства языка, что обеспечивают взаимодействие между государственным аппаратом и гражданами России; специфические приемы информационной подачи; способы эффективной коммуникации власти и граждан; установить наличие или отсутствие корреляционной связи между речью президента и официальными документами. В результате проведенного исследования Е.И. Бегловой и О.Ю. Шмелевой (2015) были сделаны следующие выводы: глава государства пейоративно оценивает деятельность других демократических государств; президент
большое внимание уделяет важности традиционных ценностей; политический лидер России использует «контрасты» и «оппозицию» в качестве преобладающих речевых
стратегий
Я.-М. Эберл, П. Толочко, П. Йост, Т. Хайденрайх, Х.Г. Бумгаарден (Eberl, Tolochko, Jost, Heidenreich, Boomgaarden 2020) посредством ПО Microsoft Graph API провели анализ «цифровых следов» пользователей социальных сетей и данных опросов избирателей в рамках многоуровневого подхода отрицательной биномиальной регрессии. Объектом исследования выступили шесть политических партий, принимавших участие в Законодательных выборах в Австрии в 2017 году: "Зеленые", "Список Питера Пильц», NEOS, социал-демократы (SPÖ), ребрендированная Новая народная партия (ÖVP) и «правая» Партия свободы (FPÖ). Авторы проанализировали порядка 51000 сообщений пользователей социальных сетей и около 315 аккаунтов с целью выявить, в каком контексте люди упоминают названия политических партий, с какими темами их связывают
Преимущества и недостатки каждого из методов (ручного и автоматизированного) двух вышеупомянутых исследований следует дифференцировать по следующим критериям: верифицируемость полученных результатов; объективность; количество объектов исследования. В процессе анализа работ получены следующие результаты:
- выводы Е.И. Бегловой и О.Ю. Шмелевой (2015)[3] демонстрируют характер субъективности и низкой верифицируемости по следующим основаниям. Во-первых, если дать исходные данные другому исследователю, то результаты могут быть совершенно противоположными тем, что получили лингвисты, так как они носят субъективный характер. Кроме того, анализ включает в себя лишь один объект. Кроме того, выводы авторов не соответствуют в полной мере поставленным задачам, так как, например, не выявлены языковые средства, обеспечивающие эффективное взаимодействие между гражданами РФ и государственным аппаратом. Причина этого заключается в том, что работа не включает в себя обратную связь с населением. Иначе говоря, отсутствует принципиально важная детерминанта, которая позволяла бы делать долгосрочные выводы;
- Я.-М. Эберл, П. Толочко, П. Йост, Т. Хайденрайх, Х.Г. Бумгаарден (Eberl, Tolochko, Jost,
Heidenreich, Boomgaarden 2020) t11 анализируют более крупный массив данных (51000 сообщений в социальных сетях) и применяют математические модели (находят отражение в использованных формулах), в результате чего эмпирическое исследование может повторить другой ученый и получить аналогичные результаты. Кроме того, авторы делают выводы исходя из анализа шести объектов (шести политических партий), в то время как Е.И. Беглова и О.Ю. Шмелева (2015) проводили контент-анализ дискурса одного объекта (политического лидера России - В.В. Путина) - ввиду того, что ручной метод выборки не позволяет проанализировать большое количество материала, как автоматизированный метод, он дает меньшую верифицируемость полученных результатов, в отличие от цифрового способа обработки данных.
Выводы. Методы и инструменты исследования политического медиадискурса интегрируются в цифровые технологии. Среди популярного программного обеспечения, используемого для анализа лингвистического корпуса, следует выделить следующее: Sketch Engine, TermoStat, Nvivo Leading Qualitative Data Analysis Software (QDAS); ATLAS.ti, T-LAB, Provalis Research Text Analytics Software.
Методы и инструменты исследования политического медиадискурса включают в себя:
количественный, качественный и смешанный методы контент-анализа; лингвистические, статистические, математические и графические инструменты. Количественный контент-анализ дифференцируется на ручной, автоматизированный или
полуавтоматизированный.
Новые цифровые методы контент-анализа являются в большей степени объективными, структурированными и верифицируемыми, ввиду чего ручной метод контент-анализа перестает активно использоваться. На смену ему приходят новые цифровые технологии и инструменты с интегрированным искусственным интеллектом, уже активно применяемым не только в методах анализа и систематизации политического медиаконтента, но и в его генерации, как текстовой, так и визуальной.
Согласно концепции работы современных поисковых систем и программного обеспечения, цифровая обработка интернет-текста выполняется преимущественно по ключевым-словам - дефинициям, составляющим семантическое ядро высказывания или статьи.
Библиография
1. Аббаси М.М. Лингвистический интерфейс с эмоциональным анализом текста в компьютерных системах: автореферат дис. ... кандидата технических наук: 2.3.1. / Аббаси Мохсин Маншад; [Место защиты: ФГБОУ ВО «Ижевский государственный технический университет имени М.Т. Калашникова»], Ижевск: 2022.
2. Багга-Гупта С., Апрамея Р. Языкотворчество в цифровых глобальных пространствах Юга и Севера в XXI веке: медиа, язык и идентичность в политическом дискурсе // Бандунг: Journal of the Global South. 2018. № 5 (3). С. 20-28.
3. Беглова Е.И., Шмелёва О.Ю. «Языковой код» политической коммуникации (на материале выступлений президента России В. В. Путина 2012-2015 гг.) // Политическая лингвистика. 2015. № 3. С. 12-16.
4. Данилова А.Г., Митина О.В. Компьютеризированный качественный анализ текста // Вестник Московского университета. Серия 14. Психология. 2021. №1. С. 220-240. URL: https://doi.org/10.11621/vsp.2021.01.09. Date: 23.02.2024.
5. Лобанова Т.Н. Лингвистический анализ китайского политического медиадискурса: структура, характеристики и дискурсивные практики: автореферат дис. ... доктора филологических наук: 10.02.19 / Лобанова Татьяна Николаевна; [Место защиты: Московский государственный областной университет]. Мытищи: 2020.
6. Новикова А. А. Сравнение инструментов Sketch Engine и TermoStat для извлечения терминологии // International Journal of Open Information Technologies. 2020. №11. С. 7379.
7. Равочкин Н.Н. Автор в политическом дискурсе с позиции психолингвистики // Studia Humanitatis. 2019. № 1. 14 с.
8. Социальная сеть как пространство дискурса идентичности и квазиинститут этничности центральноазиатских мигрантов = Social network as a space for identity discourse and an ethnicity quasi-institution of migrants from Central Asia [Текст]: коллективная монография / под науч. ред. И.П. Кужелевой-Саган; Министерство науки и высшего образования Российской Федерации, Национальный исследовательский Томский государственный университет. Томск: Издательский Дом Томского государственного университета, 2017.
9. Юе Сюе. Методы исследования политического дискурса в контексте цифровизации гуманитарных наук // Политическая лингвистика. 2023. № 1 (97). С. 136-143. URL: https://doi.org/10.26170/1999-2629_2023_01_15.
10. Блассниг С. Контент-анализ в исследовательском поле политической коммуникации: The Self-Presentation of Political Actors // In book: Standardisierte Inhaltsanalyse in der
Kommunikationswissenschaft - Стандартизированный контент-анализ в исследованиях коммуникации (pp.301-312). URL: https://doi.org/10.1007/978-3-658-36179-2_26
11. Эберль Ж.-М., Толочко П., Йост П., Хайденрайх Т., Бумгаарден Х.Г. Что в посте? Как настроение и значимость вопроса влияют на эмоциональные реакции пользователей Facebook // Journal of Information Technology & Politics. 2020. № 17 (1). С. 48-65.
12. Kilgarriff A., Baisa V., Busta J., Jakubícek M., Kovár V., Michelfeit J., Rychly P., Suchomel V. The Sketch Engine: ten years on // Lexicography ASIALEX. 2014. Vol. 1. Pр. 7-36.
13. Программное обеспечение для текстовой аналитики Provalis Research. URL:
https ://www.predictiveanalyticstoday.com/provalis-research-text-analytics-software/. Date : 17.08.2024.
14. Quirkos - программное обеспечение для качественного анализа данных. URL: https://www.quirkos.com/. Date: 17.08.2024.
15. Скотт Х. Критический дискурс-анализ: Искусственный интеллект, социальные сети и анализ социальных медиа // SESYNC. 2023. URL:
https ://www.sesync.org/resources/critical-discourse-analysis-artificial-intelligence-social-network-social-media-analysis. Date: 17.08.2024.
16. Sketch Engine. URL: https://www.sketchengine.eu/. Date: 23.02.2024.
17. TermoStat. URL: http://termostat.ling.umontreal.ca/index.php. Date: 23.02.2024.
18. T-LAB: Tools for Text Analysis. URL: https://www.tlab.it/features/#what. Date: 17.08.2024.
19. Водак Р., Хосравиник М. Динамика дискурса и политики в правом популизме в Европе и за ее пределами: An introduction // In: Wodak R, KhosraviNik M, Mral B (eds) Right-Wing Populism in Europe: Politics and Discourse. London: Bloomsbury, 2013. С. 2728.
Результаты процедуры рецензирования статьи
В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Со списком рецензентов издательства можно ознакомиться здесь.
Представленная на рассмотрение статья «Междисциплинарные цифровые способы исследования политического медиадискурса», предлагаемая к публикации в журнале «Litera», несомненно, является актуальной, ввиду того, что вопросы исследования медиадискурса и вербального воздействия на собеседника находятся в центре современных исследований в парадигме человекоцентричной лингвистики. В рамках настоящего исследования автор ставит цель сравнить два метода контент-анализа: ручной метод, объектом исследования в котором является речь политического деятеля на девяти выступлениях; автоматизированный метод контент-анализа, включающий в себя анализ «цифровых следов» и др.
В статье представлена методология исследования, выбор которой вполне адекватен целям и задачам работы. Методологией исследования явился статистический метод, метод сплошной выборки, герменевтическая интерпретация текста.
Однако, после знакомства с текстом статьи, возникает ощущение неполноты работы, части текста слабо коррелируются друг с другом, отсутствуют логические переходы. Суммарный объем текста статьи около 7000 знаков с пробелами, хотя в требованиях к статьям, публикуемым в данном научном издании заявлено минимальное требование 12 000 (https://nbpublish.com/e_fil/info_106.html).
Также отметим, что автор не указал объем корпуса анализируемых текстов. Было ли проведено автором собственно научное исследование или анализу подверглись результаты, полученные другими исследователями?
Структурно статья должна состоять из нескольких смысловых частей, а именно: введение, обзор литературы, методология, ход исследования, выводы. Вводная часть состоит из разрозненных абзацев, знакомясь с которыми, выделить основную мысль автора не представляется возможным. Основная часть исследования не содержит научную составляющую и не может быть идентифицирована как работа, способствующая приращению научного знания.
В заключении не представлено собственно приращение научного знания. При прочтении статьи остается впечатление незавершенности труда. Библиография статьи насчитывает всего 5 источников, в которые включены отечественные и зарубежные труды. К сожалению, в статье отсутствуют ссылки на фундаментальные работы отечественных исследователей, такие как монографии, кандидатские и докторские диссертации. В общем и целом, следует отметить, что статья написана простым, понятным языком для читателя, хорошо структурирована, опечатки, орфографические и синтаксические ошибки, неточности не обнаружены. Общее впечатление после прочтения рецензируемой работы отрицательное, статья «Междисциплинарные цифровые способы исследования политического медиадискурса» может быть рекомендована к публикации в научном журнале из перечня ВАК после редакции, а именно: 1) увеличить объем текста до рекомендованных минимальных 12 000 знаков, 2) структурировать введение, обозначить цель и задачи исследования, 3) сократить компиляцию и представить, собственно, свое оригинальное исследование, развивающее идеи упомянутых лингвистов, 4) увеличить библиографических список.
Результаты процедуры повторного рецензирования статьи
В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Со списком рецензентов издательства можно ознакомиться здесь.
Типов и способов исследования политического медиадискурса в принципе достаточно. Но и обобщение, и выработках новых - вопрос актуальный, причем, если магистраль имеет синкретический или междисциплинарный характер. Автор в начале труда отмечает, что «политический медиадискурс - это междисциплинарный предмет, находящийся на стыке лингвистических наук, средств массовой информации (далее -СМИ), политики и современных цифровых технологий [2]. Цифровые методы и инструменты исследования политического дискурса помогают ученым выявлять и анализировать особенности семантической организации политического текста (включая цитаты, ссылки, аллюзии, реминисценции) между разными его видами, способы репрезентации и конституирования тех или иных политических процессов или их интерпретации и т.д.». Работа дробится на смысловые блоки, они, на мой взгляд, цельны, интересны, выверены. Например, блок «Обзор литературы», или «Методы»; они полновесны, при этом ориентированы на логически верную разверстку темы. Стиль работы имеет очевидные приметы научного типа; автор внимателен к понятиям и терминам, они в свою очередь объективируются и вводятся научную наррацию корректно. Например, «результаты психолингвистического контент-анализа медиадискурса помогают формировать общественное сознание посредством релевантного выбора адресантом речевых способов «построения текста в соответствии с ожиданиями целевых аудиторий (адресатов)» [7, с. 2] и, как следствие, бороться за власть. В том числе, количественный и качественный анализы частотности репликации ключевых слов способствуют раскрытию имплицитного характера анализируемого дискурса через «выявление закономерностей в его структуре и... оценку частотного
распределения языковых единиц», или «цифровая лингвистика - изучение интернет-корпуса языков пользователей позволяет определять общественные настроения, превалирующие в социальных сетях, мессенджерах и на других виртуальных платформах, а также определять преобладающий контент СМИ на политические темы. Например, с помощью программного обеспечения (далее - ПО) Provalis Research Text Analytics Software, основными инструментами которого являются QDA Miner, WordStat, можно выполнять анализ числовых и текстовых данных, управление текстовым контентом, анализ кодирования, опросов, имиджа, настроений и мнений аудитории, а также анализ медиафрейминга ...» и т.д. Обобщение данных дано в табличном виде, подобный тип, на мой взгляд, есть открытая и прямая визуализация, что вполне уместно для работ лингвистического толка. Представленный набор методов критически оценивается автором, уточнено, что «преимущества и недостатки каждого из методов ... следует дифференцировать по следующим критериям: верифицируемость полученных результатов; объективность; количество объектов исследования». В выводах по работе отмечено, что «новые цифровые методы контент-анализа являются в большей степени объективными, структурированными и верифицируемыми, ввиду чего ручной метод контент-анализа перестает активно использоваться. На смену ему приходят новые цифровые технологии и инструменты с интегрированным искусственным интеллектом, уже активно применяемым не только в методах анализа и систематизации политического медиаконтента, но и в его генерации, как текстовой, так и визуальной». Считаю, что позиция автора в работе открыта, аргументация дана полновесно, серьезные нарушения и ошибки не выявлены. Библиографический список состоит из работ разного порядка, да и временные рубежи дистантны, что стоит оценить только положительно. Материал может быть полезен тем, кто занимается изучением форм и типов политического дискурса, а также его реализации в СМИ. Рекомендую рецензируемую статью «Междисциплинарные цифровые способы исследования политического медиадискурса» к открытой публикации в научном журнале «Litera».
