CC BY
254ЮЖНО-РОССИЙСКИЙ ЖУРНАЛ СОЦИАЛЬНЫХ НАУК. 2019. Т. 20. № 1. С. 72-90
I СОЦИОЛОГИЧЕСКИЕ ИНТЕРПРЕТАЦИИ
ПРИМЕНЕНИЕ МЕТОДА КОНТЕНТ-АНАЛИЗА В ИЗУЧЕНИИ ОТНОШЕНИЯ ПОЛЬЗОВАТЕЛЕЙ СОЦИАЛЬНЫХ СЕТЕЙ К СОВРЕМЕННОЙ РОССИЙСКОЙ МЕДИЦИНЕ
А. В. Никольская, А. А. Костригин
Никольская Анастасия Всеволодовна. Эл. почта: tonokazutoya@gmail.com ORCID 0000-0001-8821-5177
Костригин Артем Андреевич. Эл. почта: artdzen@gmail.com ORCID 0000-0002-5454-7357
Российский государственный университет им. А. Н. Косыгина (Технологии. Дизайн. Искусство), ул. Садовническая, д. 33, стр.1, Москва, 117997, Россия.
Аннотация. В статье обсуждается общественное мнение и отношение к медицине и здравоохранению в России. Отмечается проблема надежности социологических опросов по данной проблематике. В качестве одного из перспективных методов исследования отношения к медицине и здравоохранению предлагается контент-анализ текстов социальных сетей, постов пользователей. Обсуждаются проблемы и возможности контент-анализа социальных сетей. Ставится задача исследования общественного мнения к медицине с помощью данного метода. Используется количественный и качественный контент-анализ постов в социальных сетях ВКонтакте и Instagram по медицинской проблематике. По результатам исследования выявлены различные характеристики текстов в постах пользователей: наиболее часто встречаемые слова, «водность» текста, стоп-слова, ядро текста. Наиболее часто встречаемые слова данной тематики: врач, человек, медицина, больница, ребенок, бесплатный, работать, говорить, помощь, лечить. Установлены основные категории, которые используют пользователи различных соцсетей для описания своего отношения к медицине, и вопросы, которыми аудитории озабочены больше всего. На основе полученных данных сделаны выводы о суждениях и отношении пользователей к российской медицине: представления о «хороших» и «плохих» врачах», медицине, отношение к платной и бесплатной медицине, бескорыстной помощи и вымогательству денег. Делается вывод о том, что метод контент-анализа позволяет ставить новые исследовательские и прикладные задачи изучения общественного мнения по различным вопросам, а также обращать внимание на ту проблематику, которая социальными опросами слабо затрагивается (характеристики «хорошей» и «плохой» медицины, вымогательство денег, потребности, характеристики идеального врача и др.).
Ключевые слова: контент-анализ, социальные сети, общественное мнение, медицина, врач, платная медицина, бесплатная медицина, отношение к медицине, здравоохранение.
Введение
В настоящее время в обществе отмечается активная дискуссия по вопросам медицины и здравоохранения в России. Результаты различных опросов общественного мнения приводят к достаточно противоречивым выводам: с одной стороны, доверие к врачам уменьшается, но с другой — таковое наблюдается чаще у тех, кто в последнее время не обращался к врачу; также выявлены позитивные ассоциации, касающиеся деятельности врача: «лечение», «помощь», «спасение» и др. (ВЦИОМ, 2017).
В частности, причинами таких неоднозначных результатов может быть ограниченность сугубо социологических методов: респонденты могут отвечать неискренне, вопросы могут обусловливать ответы, как правило, доминирование закрытых вопросов и др. Чтобы понять, что в действительности думают и как относятся люди к медицине и здравоохранению требуются методы, которые обеспечивают непо-
средственность и естественность ответов/мыслей/оценок респондентов, а главное, мотивированность высказать свое мнение по актуальным вопросам.
Среди подходов, обеспечивающих присутствие перечисленных условий достоверности оценок и отношения людей к обсуждаемому вопросу, можно выделить обращение к данным социальных сетей и проведение контент-анализа содержания постов пользователей по конкретной тематике. Социальные сети, используемые в настоящее время более чем 1 млрд. чел. из 7 млрд. населения земного шара, содержат миллионы текстов. Доступ к такого рода текстам, через Facebook и Twitter например, меняет способ, которым мы можем использовать контент-анализ, чтобы понять настроения людей, и открывает дверь для управления данными в беспрецедентном масштабе. Через обновления статуса, твиты и другие онлайн-беседы люди сообщают о своих повседневных действиях, чувствах и мыслях. Исследователи начали использовать эти данные применительно к широкому спектру интересующих их тем, включая, например, мониторинг заболеваемости гриппом и вспышки других заболеваний (Hastie, Tibshirani & Friedman, 2009; Pennebaker, Boyd, Jordan & Blackburn, 2007), прогнозирование фондового рынка (Bollen, Mao & Zeng, 2011) и понимание настроений пользователей относительно тех или иных продуктов или персоналий (Pang & Lee, 2008).
Для анализа данных в социальных сетях был разработан ряд отличных программ на основе контент-анализа. Тем не менее основное внимание в подавляющем большинстве этих программ уделяется предоставлению сводной статистики данных (количество слов, объем текста, ключевые слова, ядро текста и т.д.). Такая статистика может, с одной стороны, предоставлять ценную и очень быструю информацию, выявляющую анализ настроений, но с другой стороны, не является адекватной заменой качественного углубленного анализа данных, который невозможен без участия квалифицированного аналитика даже при наличии мощной программы, предоставляющей возможности проведения качественного контент-анализа. Мы считаем, что необходима категориальная интерпретация полученных результатов контент-анализа.
Контент-анализ социальных сетей применяется для различных целей. Перспективной, но пока малоразработанной областью является изучение отношение пользователей социальных сетей к медицине вообще и медицинским услугам в частности. Работы по контент-анализу в медицине касаются изучения социологических исследований, анализа рекламной продукции и материалов СМИ (Ачкасов, Шурупова, Куршев, 2015; Вершинин, Ковалёва, Хвастунова, 2015; Литовка, 2013; Савельева, 2011; Семенова, 2016); проблематика социальных сетей в медицине затрагивают аспекты их использования для коммуникаций между врачом и пациентом (Кузьмин, Семенова (Павленко), Петрова, Закроева, 2016), применения возможностей социальных сетей и данных о пользователях для более эффективного лечения (Никитин, Мурадянц, Шостак, 2015; Полынская, Месропян, 2018), а также их внедрения в учебный процесс (Панова, Туторская, 2018). Таким образом, на данный момент практически отсутствуют комплексные исследования материалов социальных сетей для выявления отношения пользователей к медицине в России.
Метод и процедура исследования
Нами был применен контент-анализ к материалам социальных сетей для определения проблем и перспектив его использования в социологической и марке-
тинговой сферах медицины. Целью данного исследования является определение отношения пользователей социальных сетей к медицине.
В качестве методологической основы исследования выступил социально-психологический принцип социального конструкционизма К. Гергена, согласно которому в сознании человека объективно существующий предмет оценивания (в нашем исследовании медицина и врач) всегда имеется в виде субъективного знания, обусловленного социальными представлениями и индивидуальным опытом ^е^еп, 1985).
Исследуемые социальные сети — ВКонтакте и Instagram. Эти соцсети были выбраны по следующим причинам: 1) они представляют собой платформы, преследующие разные цели: Вконтакте — это соцсеть, в которой ведущим элементом сообщения (поста) является текст, а Инстаграм — картинка; таким образом, выбором этих двух соцсетей мы планировали получить комплексные данные; 2) по данным ВЦИОМ, наиболее активные пользователи социальных сетей — это люди 18-34 лет, большая часть которых пользуется ВКонтакте и Инстаграмом (ВЦИОМ, 2018). Поэтому можно предположить, что данные соцсети наиболее точно отражают активность и позицию российских интернет-пользователей.
В качестве материала исследования использовались посты пользователей социальных сетей ВКонтакте и Instagram (3000 постов из соцсети ВКонтакте и 3000 постов из соцсети Instagram за апрель 2018 г.). Исследование было направлено на определение отношения пользователей указанных социальных сетей к современной российской медицине, выраженное в постах, размещаемых в социальных сетях.
Задачами исследования являлись:
1) определение характеристик текстов в социальных сетях, посвященных медицине, на основе наиболее часто употребляемых слов;
2) выявление преобладающей тональности отношения (позитивное/негативное/ нейтральное);
3) анализ факторов выявленной тональности.
Посты в социальных сетях часто характеризуются тем, что содержат достаточно большое количество не относящейся к предмету обсуждения информации; чаще в постах соцсетей присутствует критика какого-либо явления или человека; соцсети представляют собой модифицированное пространство общественного мнения, следовательно, в нем одну из ведущих ролей играют стереотипы и слухи, т.е. неподтвержденная информация (Григорьева, Дмитриева, 2015; Ледовая, Паничева, Причисленко, Бутаков, 2017; Храбан, 2017; Чижик, 2016). Учитывая цели и задачи нашего исследования, а также особенности дискурса соцсетей, мы выдвинули следующие гипотезы.
Гипотеза исследования — тексты по медицинской тематике в социальных сетях обладают высокой бессодержательностью («водностью»), несут в себе эмоционально индуцированное отношение, обусловленное субъективным восприятием опыта общения с медицинскими работниками и социальными установками.
Гипотеза согласуется с подходом социального конструкционизма К. Гергена: исследуемое отношение к медицине, как мы предполагаем, может быть обусловлено индивидуальным опытом человека и влиянием социума.
Для решения поставленных задач использовались следующие методы: количественный и качественный контент-анализ текстов.
Таблица 1. Общие результаты количественного анализа постов по медицине для обеих соцсетей
Table 1. General results of the quantitative analysis of the users' posts on medicine for both social networks
Параметр Значение
Бессодержательность 55%
Повторяемость слов 17,2
Топ 10 слов Врач, человек, медицина, больница, ребенок,
бесплатный, работать, говорить, помощь, лечить
Словарь 1970 слов
Словарь ядра 1602 слов
Тематика Медицина
Программное обеспечение: для кодирования и анализа были использованы программы ODA Miner Lite (качественный контент-анализ) и Advego (количественный контент-анализ).
Изначально был создан следующий категориальный аппарат:
1) объект: Врач / Медицина;
2) тональность в отношении объекта: Негативная /Позитивная;
3) цель сообщения: призыв/информирование;
4) результат: помогли/не помогли/результат неизвестен.
Тексты анализировались по следующим компонентам и характеристикам:
1) бессодержательность текста (в ПО — «Водность текста») — это процент содержания в нем ничего не значащих, не несущих полезной информации слов (стоп-слов). Максимально допустимым показателем бессодержательности можно считать 60%;
2) повторяемость слов (в ПО — «Тошнота текста») — это показатель, определяющий частоту использования какого-либо слова в текстовом документе;
3) ядро текста показывает, из каких слов и словосочетаний состоит текст и как часто они встречаются; слова, которые встречаются чаще всего, обычно определяют тематику материала;
4) стоп-слова (иначе называемые шумовыми) — это слова, знаки, символы, которые самостоятельно не несут никакой смысловой нагрузки.
Сбор был произведен в Instagram и ВКонтакте вручную с помощью запросов: «медицин», «врач», «больниц», «поликлиник», «лекарств».
Все сообщения рекламного характера отсеивались.
Результаты анализа частот употребления слов
По результатам количественного анализа с помощью программы Advego были получены следующие характеристики текстов в социальных сетях ВКонтакте и Instagram (табл. 1-6).
Обобщенные результаты контент-анализа постов по медицине в соцсетях ВКонтакте и Instagram показывают, что преобладающими категориями текста являются: человек в медицинской сфере (врач, человек, ребенок) и их действия в рамках медицинской сферы (работать, говорить, лечить). Пользователей соцсетей интересуют участники медицинского процесса, а также деятельность в основном врача,
Таблица 2. Статистика по словам, за исключением стоп-слов (для обеих соцсетей) Table 2. Word statistics (stop words excluded) for both social networks
№ п/п Слово Кол-во в тексте % в ядре % в тексте
1 Врач 9661 2,5% 1,1%
2 Человек 6369 1,7% 0,7%
3 Медицина 5287 1,4% 0,6%
4 Больница 3602 0,9% 0,4%
5 Ребенок 3541 0,9% 0,4%
6 Бесплатный 3012 0,8% 0,3%
7 Работать 2585 0,6% 0,2%
8 Говорить 2239 0,5% 0,2%
9 Помощь 2160 0,5% 0,2%
10 Лечить 2108 0,5% 0,2%
11 Жизнь 1987 0,5% 0,2%
12 Поликлиника 1835 0,4% 0,2%
13 Пациент 1812 0,4% 0,2%
14 Ехать 1793 0,4% 0,2%
15 Очередь 1741 0,4% 0,1%
16 Год 1683 0,4% 0,1%
17 Платный 1506 0,3% 0,1%
18 Медик 1448 0,3% 0,1%
19 Работа 1437 0,3% 0,1%
20 Страна 1421 0,3% 0,1%
так как категории действий содержат именно действия врача. Вместе с наличием таких категорий, как «медицина», «больница», «бесплатный», «помощь», данные результаты показывают сосредоточенность постов пользователей на субъектах медицины (врачах) и на их деятельности, что может свидетельствовать об их значимости вне зависимости от конкретной проблематики текста.
Необходимо также отметить достаточно высокую бессодержательность постов по медицинской тематике, что может свидетельствовать о том, что тексты пользователей содержат напрямую не относящуюся к медицине информацию, возможно, подробности заболеваний, детали личных случаев, выражение эмоциональных оценок. Повторяемость слов в тексте достаточно высока.
Частоты употребления слов в постах по медицинской проблематике отражают иерархию значимости элементов медицинской сферы для пользователей соцсетей. Наиболее часто встречаемые слова медицинской тематики: врач, человек, медицина, больница, ребенок, бесплатный, работать, говорить, помощь, лечить. Примерно наполовину посты содержат не относящуюся к теме исследования информацию. Отметим, что содержание постов по медицинской тематике в обеих соцсетях относится к оказанию медицинских услуг.
Таблица 3. Количественный анализ постов по медицине в соцсети ВКонтакте Table 3. Quantitative analysis of the posts in the social network "VKontakte"
Параметр Значение
Бессодержательность 54%
Повторяемость слов 10,72
Топ 10 слов Врач, медицина, человек, бесплатный, работать,
больница, помощь, лечить, медик, жизнь
Словарь 1053 слова
Словарь ядра 785 слов
Тематика Медицина
Несколько расширенное представление списка наиболее часто встречаемых слов по медицинской тематике в постах социальных сетей подтверждает наше предположение о том, что ведущим пунктом обсуждения у пользователей являются субъекты медицинского процесса (врач, человек, ребенок, пациент, медик) и деятельность этих субъектов (работать, говорить, лечить, ехать). Вместе с тем четче обнаруживаются также еще и другие темы обсуждения: место оказания медицинских услуг (больница, поликлиника, очередь) и их стоимость (бесплатный, платный).
Результаты контент-анализа постов по медицине в соцсети ВКонтакте показывают, что специфичными категориями для этой сети являются непосредственно субъект в медицинской сфере (врач, человек, медик) и именно его действия (работать, лечить, помощь). Другой субъект медицинского взаимодействия — пациент — не употребляется (или редко употребляется, как видно из табл. 4). Это может говорить о том, что в постах обсуждаются именно врачи, их деятельность, она оценивается пользователями, детально рассматривается. При этом проблемы пользователей, связанные со здоровьем, заболеваниями, лекарствами, качеством оказываемых услуг, не упоминаются.
Здесь также обнаруживается достаточно высокая бессодержательность постов по медицинской тематике, что может свидетельствовать о том, что тексты пользователей содержат напрямую не относящуюся к медицине информацию. Повторяемость слов в тексте достаточно высока.
Наиболее часто встречаемые слова в постах по медицинской проблематике в соцсети ВКонтакте: врач, медицина, человек, бесплатный, работать, больница, помощь, лечить, медик, жизнь. По данным этой таблицы шире раскрываются актуальные вопросы, обозначенные выше: для пользователей соцсети ВКонтакте значимым является обсуждение деятельности врачей (врач, работать, лечить, медик, зарплата, услуга, лечение), а также собственно качество и стоимость медицинских услуг (бесплатный, помощь, уровень, услуга, сумма). Указываются категории субъекта медицинского взаимодействия, получающие услугу (ребенок, пациент, больная), но общая сумма частот показывает не самую высокую важность этого вопроса. Можно предположить, что группы пользователей соцсети ВКонтакте, которые пишут посты по медицинской проблематике, — это сами врачи либо родственники/знакомые врачей; «сочувствующие» профессии врача; пациенты, которые отмечают только качество и стоимость медицинских услуг, но не конкретные виды заболеваний, лечения и т.п.
Таблица 4. Статистика по словам, за исключением стоп-слов (соцсеть ВКонтакте) Table 4. Word statistics (stop words excluded) for the social network "VKontakte"
№ п/п Слово Кол-во в тексте % в ядре % в тексте
1 Врач 3364 2,3% 1,0%
2 Медицина 2879 1,9% 0,8%
3 Человек 2396 1,6% 0,7%
4 Бесплатный 1625 1,0% 0,4%
5 Работать 1438 0,9% 0,4%
6 Больница 1260 0,8% 0,3%
7 Лечить 1023 0,6% 0,2%
8 Помощь 961 0,6% 0,2%
9 Жизнь 958 0,6% 0,2%
10 Медик 953 0,6% 0,2%
11 Ребенок 901 0,5% 0,2%
12 Зарплата 897 0,5% 0,2%
13 Уровень 844 0,5% 0,2%
14 Страна 839 0,5% 0,2%
15 Медицинский 785 0,4% 0,2%
16 Услуга 776 0,4% 0,2%
17 Пациент 721 0,4% 0,2%
18 Лечение 715 0,4% 0,2%
19 Больная 669 0,4% 0,1%
20 Сумма 654 0,4% 0,1%
Таблица 5. Количественный анализ постов по медицине в соцсети Instagram Table 5. Quantitative analysis of the posts on medicine in the social network "Instagram "
Параметр Значение
Бессодержательность 56%
Повторяемость слов 13,45
Топ 10 слов Врач, человек, ребенок, медицина, больница, говорить, поликлиника, бесплатный, платный, ехать
Словарь 1356 слов
Словарь ядра 1058 слов
Тематика Медицина
Результаты контент-анализа постов по медицине в соцсети Instagram показывают, что ведущими категориями, употребляемыми пользователями, являются участники медицинского взаимодействия (врач, человек, ребенок), действия пациента (говорить, ехать), место получения медицинской услуги (больница,
Таблица 6. Статистика по словам, за исключением стоп-слов (соцсеть Instagram) Table 6. Word statistics (stop words excluded) for the social network "Instagram "
№ п/п Слово Кол-во в тексте % в ядре % в тексте
1 Врач 6297 2,7% 1,2%
2 Человек 3973 1,7% 0,7%
3 Ребенок 2640 1,1% 0,5%
4 Медицина 2408 1,0% 0,4%
5 Больница 2342 1,0% 0,4%
6 Говорить 1813 0,7% 0,3%
7 Поликлиника 1748 0,7% 0,3%
8 Бесплатный 1387 0,6% 0,2%
9 Платный 1371 0,6% 0,2%
10 Ехать 1350 0,5% 0,2%
11 Год 1317 0,5% 0,2%
12 Помощь 1265 0,5% 0,2%
13 Работать 1147 0,4% 0,2%
14 Операция 1132 0,4% 0,2%
15 Очередь 1129 0,4% 0,2%
16 Пациент 1091 0,4% 0,2%
17 Слово 1084 0,4% 0,2%
18 Час 1072 0,4% 0,2%
19 Пройти 1063 0,4% 0,2%
20 Лечить 1006 0,4% 0,1%
поликлиника), стоимость услуги (бесплатный, платный). Здесь участники медицинского взаимодействия обсуждаются примерно в равной пропорции: и врачу, и пациенту уделяется внимание, но с большим фокусом на определенной группе пациентов — детей. Действиям пациента также отводится большее значение. Место получения и стоимость медицинских услуг является продолжением дискурса о большей важности для пользователей Instagram аспектов и условий получения медицинских услуг.
Здесь также обнаруживается достаточно высокая бессодержательность постов по медицинской тематике, что может свидетельствовать о том, что тексты пользователей содержат напрямую не относящуюся к медицине информацию. Повторяемость слов в тексте достаточно высока.
Наиболее часто встречаемые слова в постах по медицинской проблематике в со-цсети Instagram: врач, человек, ребенок, медицина, больница, говорить, поликлиника, бесплатный, платный, ехать. По данным этой таблицы шире раскрываются актуальные вопросы, обозначенные выше: значимость пациента (человек, ребенок, пациент), его действий (говорить, ехать, пройти), условия получения медицинских услуг (больница, поликлиника, бесплатный, платный, операция, очередь, час). Вме-
сте с тем обязательно присутствуют высокие частоты упоминания самого врача и его действия (работать, помощь, лечить).
Можно предположить, что авторами постов по медицинской тематике соцсети Instagram являются, скорее, сами пациенты, которые обсуждают проблемы получения медицинских услуг: от возможностей приехать в больницу/поликлинику до стоимости процедур.
Топ-10 слов показывает, что по сравнению с изначально заданными поисковыми словами — врач, медицина, медицинский, больница, поликлиника, лекарство — в топ-10 не вошли слова «поликлиника» и «лекарство», но добавились такие слова, как:
- человек;
- ребенок;
- помощь;
- лечить;
- жизнь;
- работать;
- говорить;
- ехать;
- платный;
- бесплатный.
Отсутствие слов «поликлиника» и «лекарство» показывает, что по общим результатам для пользователей соцсетей место оказания медицинских услуг и средства лечения не обладают высокой значимостью. Вместо этого мы можем составить перечень проблем, которые обсуждаются в постах по медицинской тематике: человек в медицинской сфере (врач/пациент), действия в рамках медицинской сферы (как со стороны врача, так и со стороны пациента), стоимость медицинских услуг. Особым случаем здесь можно указать высокую частоту употребления слова «ребенок»: возможно, это означает, что если пользователь обсуждает возможности/проблемы медицинских услуг относительно пациента, то в первую очередь это касается именно ребенка, а не взрослого пациента. Можно предположить, что обеспокоенность здоровьем ребенка выше, чем здоровьем взрослого.
Анализ отношения к различным компонентам российской медицины
1. Тональность упоминания объектов и результаты лечения
На рис. 1 и 2 обозначено соотношение позиций пользователей двух соцсетей относительно медицины и врачей.
Из рис. 1, 2 видно, что тональность упоминания медицины выражено отрицательная, однако отношение к врачам в целом лучше, чем отношение к организации медицинской помощи.
При этом следует обратить внимание на то, что если результаты организации здравоохранения в целом негативные — «не смогли получить направление», «пришлось долго ждать», «пришлось далеко ехать на консультацию», «долго ждали скорую», «пришлось самим покупать лекарства», «не хватает среднего и младшего медицинского персонала в больницах», «грязь и антисанитария в больницах» и т.д., то результаты самого лечения оказываются в большей степени положительными, чем отрицательными. То есть врачи, несмотря ни на что, выполняют свою работу.
Рис. 1. Отношение к медицине и организации здравоохранения в соцсетях ВКонтакте и Instagram Fig.1 Attitude to medicine and to healthcare arrangement in social networks "VKontakte" and "Instagram"
Рис. 2. Отношение к врачам и результаты лечения
в соцсетях ВКонтакте и Instagram Fig. 2 Attitude to doctors and results of medical treatment in social networks "VKontakte" and "Instagram"
Интересным представляется следующий факт: несмотря на высокий показатель негативного отношения к медицине и врачам, первый столбец — «Результат неизвестен», и только потом идут столбцы «Помогли/не помогли». Это означает, что негативное отношение у пользователей соцсетей не всегда (а может и реже) связано не с их личным опытом обращения к врачу и получением медицинских услуг. Пользователи высказывают критику в отношении медицины, не всегда зная и имея представление о том, чем закончится их личное взаимодействие с медицинской сферой. Здесь важен уровень характеристики «Результат неизвестен»: возможно, негативное отношение связано с чем-то другим: новости, рассказы других людей, мнение известного, авторитетного человека. Иными словами, пользователи соцсетей могут руководствоваться в своих постах по медицине социальными стереотипами
и слухами, т.е. индуцированным общественным мнением. Более того, часто сами посты представляют собой яркие примеры стереотипных высказываний. Данное предположение может быть подтверждено текстами постов. Во многих постах не указывается, какая проблема была у автора поста и каким образом она была решена. Приведем выдержки из постов (здесь и далее — сохранен авторский стиль постов и смайлики, как отражение эмоциального содержания поста).
«Уровень нашей медицины на уровне каменного века, скольких уже отправили на тот свет».
«Кругом шарлатаны, которым нужны Ваши деньги, а не Ваше здоровье».
«За границей надо лечиться, Там хоть врачи норм, не то что у нас. У меня знакомый на скорой работает».
«Наши не умеют правильно ставить диагнозы и назначать лечение».
Некоторые посты звучат предвзято, как по отношению к врачам, так и по отношению к организации медицинской помощи и профилактики.
«Мы прошли этот ужас медосмотр в год это жесть кто придумал ЭКГ в год и вообще кто делает медосмотр в обед дети в обед спят идиоты».
«Пихают всем антибиотики и все на этом, а когда спрашиваешь есть ли альтернатива, они с таким важным видом говорят тебе "ну раз вы умные все такие, че вы к нам едете", обалдеть вообще. В общем сами со всем справились, лечимся дома. Хорошо что я дура такая оказалась, и поняла что приехали мы к ним все таки зря».
Исходя из сказанного, можно предположить, что реальное соотношение (по конкретным результатам обращения за медицинскими услугами) частотности позитивных и негативных высказываний в отношении как врачей, так и организации медицинской помощи, окажется иным, если исключить из рассмотрения мнения тех пользователей соцсетей, которые либо откровенно предвзяты, либо основаны на чужом мнении. Это, в частности, соответствует тем противоречивым результатам опросов ВЦИОМ, в которых негативное отношение ярче выражено у тех респондентов, которые реже пользуются медицинскими услугами, т.е. их негативное отношение обладает инертностью или возникают на не основанном на их опыте источнике.
2. «Хорошие» и «плохие» врачи. «Хорошая» и «плохая» медицина
На основании тональности высказываний были проанализированы характеристики «хороших» и «плохих» врачей, а также характеристики «хорошей» и «плохой» медицины. Результаты приведены на рис. 3 и 4.
Как видно на рис. 3, хорошие врачи характеризуются по двум параметрам: преданность делу и профессионализм. В то же время плохие врачи отличаются главным образом невнимательностью и некачественной диагностикой. При этом количество жалоб на невнимательность в два раза превосходит количество жалоб на неправильно поставленный диагноз. На основании сказанного можно сделать предположение, что большая часть жалоб на врачей, по сути, может быть отнесена к организации предоставления медицинских услуг, в рамках которой врачам выделяется ограниченное время на прием каждого пациента.
Из рис. 4 видно, что хорошая медицина характеризуется хорошей оснащенностью и внимательностью администрации медицинских центров. Интересно отметить, что подобно характеристике врачей здесь также уделяется большое значение внимательности персонала к обращениям пациентов.
Рис. 3. Характеристики «хороших» и «плохих» врачей соцсетях ВКонтакте и Instagram Fig. 3. Characteristics of "good" and "bad" doctors in social networks "VKontakte" and "Instagram"
Рис. 4. Характеристики «хорошей» и «плохой» медицины соцсетях ВКонтакте и Instagram Fig. 4. Characteristics of "good" and "bad" medicine in social networks "VKontakte" and
"Instagram"
Далее рассмотрим претензии к организации здравоохранения.
3. Что не нравится пользователям соцсетей в организации современного здравоохранения.
В целом пользователи соцсетей ВКонтакте и Instagram, выражают негативное отношение к здравоохранению. Отмечаются такие проблемы, как дефицит кадров высшего, среднего и младшего персонала, отдаленность нужных медицинских центров и специалистов, трудности с полученим направления к нужным специа-
Рис. 5. Контекст употребления слова «ехать» в постах соцсетей ВКонтакте и Instagram Fig.5. "Come" and "go" with reference to a doctor's visit or / and calling an ambulance in social networks "VKontakte" and "Instagram"
Рис. 6. Отношение к платной и бесплатной медицинской помощи в соцсетях ВКонтакте
и Instagram
Fig.6. Attitude to Commercial and Free Medical Service in social networks "VKontakte" and
"Instagram"
листам, очереди, дефицит лекарств и диагностических препаратов, антисанитария в больницах.
Ниже приведены цитаты из постов.
На периферии в глубинках вообще атас, люди вынуждены ехать в областные центры, чтобы получить хоть какую-то мед. помощь, так как в их субъектах больниц может вообще не быть (даже фапы закрываются).
Так же дефицит кадров(всех уровней квалификации) везде, местами аж до 70%+. После указов о повышении зарплат медикам, эти самые зарплаты стали только меньше (оклад повысился, но уменьшились премии и доп. выплаты: вредность, квалификация, переработка и прочее).
Всё выполнимо кроме охвата профосмотрами, на которых рухнул СССР.
Задействование практиков в осмотре здоровых — обнуление навыков (и далее по списку).
7С0 БОО 500 ■100 3ÜQ зоо 100 о
Рис. 7. Показатели бескорыстной помощи и вымогательства денег в Москве и регионах в постах соцсетей ВКонтакте и Instagram Fig.7. Indices of disinterested aid and money extortion in Moscow and in the régions posted in social
networks "VKontakte" and "Instagram"
4. Объяснение появления слов «ехать», «платный», «бесплатный» в списке топ 10 (в целом по массиву).
В рамках дискурса о качестве медицинских услуг в российских медицинских учреждениях представляется важным обратиться к анализу таких часто встречаемых слов, как «ехать», «платный», «бесплатный» (рис. 5, 6 и 7).
Авторы постов часто пишут о ситуациях с вызовом скорой помощи как с положительной, так и отрицательной оценкой. В негативном ключе говорят о поездках к врачу, на консультацию и в ближайшую больницу.
Слова «платный» и «бесплатный» относятся либо к платным медицинским услугам и услугам по полису ОМС, либо к вымогательству денег врачами (рис. 6).
Из рис. 6 можно видеть, что пользователи сети Instagram в целом чаще обращаются к услугам платной медицины. Количество обращений к услугам по полису ОМС приблизительно в 5 раз превышает количество обращений к платным медицинским услугам.
При этом качество предоставляемых бесплатных услуг пользователями обеих соцсетей оценивается одинаково (ответы «не помогли» звучат чаще, чем ответы «помогли»), а вот качество платных медицинских услуг выше оценивается пользователями сети Instagram, в то время как пользователи сети ВКонтакте считают, что платная медицина чаще не помогает, чем помогает, и нацелена на то, чтобы заработать, а не вылечить.
Наконец, жалобы на вымогательство денег врачами чаще звучат в регионах, чем в столице (рис. 7).
Как видим, несмотря на жалобы на вымогательство денег, значительно преобладает помощь, за которую врачи не требуют вознаграждения. Это обстоятельство еще раз заставляет задуматься о реальном соотношении позитивных и негативных результатов лечения в сравнении с имеющимися отзывами пользователей.
Выводы
По результатам пилотного исследования отношения пользователей социальных сетей ВКонтакте и Instagram к качеству оказания медицинских услуг были получены следующие данные.
1. На основе анализа частот употребления слов медицинской тематики можно сделать вывод о том, что наиболее часто встречаемыми категориями являются субъекты медицинского взаимодействия (чаще врачи; однако спецификой постов пользователей Instagram является обращение к проблематике пациента, причем иногда наиболее значимым пациентом является ребенок и детское лечение), деятельность врача (лечение) и пациента (возможность доехать до медицинского учреждения), медицинское учреждение, качество и стоимость медицинских услуг. Несмотря на достаточное разнообразие обсуждаемых вопросов, установлено, что тексты в постах отличаются высокой бессодержательностью и высокой повторяемостью слов, что может означать, что посты носят не информационный характер (факты, цифры, перечисление проблем и др.), а возможно, служат эмоциональной разрядкой после какой-либо ситуации в рамках медицинского взаимодействия. В частности, это может быть связано с неудачным лечением себя или ребенка, высокой стоимостью услуг, неудовлетворительными условиями лечения и др.
2. На основе содержательного анализа постов пользователей соцсетей по медицинской тематике можно сделать выводы об отношении пользователей соцсетей к медицине.
2.1. Наблюдается выраженная критика современного состояния медицины в России. В целом в восприятии качества врачей и организации здравоохранения преобладает негативная тональность. При этом качество профессионализма врачей оценивается выше, чем качество организации здравоохранения. Большая часть жалоб на врачей может быть отнесена к организации предоставления медицинских услуг, в рамках которой врачам выделяется ограниченное время на прием каждого пациента, что воспринимается как невнимательность и незаинтересованность врача в пациенте.
2.2. Многие жалобы основаны не на личном опыте пользователей соцсетей и звучат в рамках выражения общественного мнения либо звучат предвзято, даже если они основаны на личном опыте, что говорит о том, что реальное соотношение случаев эффективного и неэффективного оказания медицинских услуг должно быть пересмотрено.
3. Выдвинутая гипотеза исследования подтвердилась и может быть раскрыта в следующих положениях:
3.1. Тексты пользователей соцсетей ВКонтакте и Instagram характеризуются достаточно высокой бессодержательностью, что может объясняться желанием пользователей просто выразить свою точку зрения, получить эмоциональную разрядку.
3.2. Отношение пользователей соцсетей к медицине часто основано на негативном личном опыте, а также формируется социальными стереотипами или чьим-то индуцированным мнением.
Проведенное исследование показывает важность использования контент-анализа соцсетей по медицинской проблематике в целях мониторинга общественного мнения, а также отзывов о конкретных медицинских учреждениях. Такой срез данных позволяет рассматривать новые проблемы в данной сфере (характеристики «хорошей» и «плохой» медицины, вымогательство денег, потребности, портрет идеального врача и др.), которые часто не охватываются социальными опросами или маркетинговыми исследованиями.
Библиографический список
Ачкасов, Е. Е., Шурупова, Р. В., Куршев, В. В. (2015). Формирование позитивного имиджа врача в процессе профессионального образования (по материалам контент-анализа СМИ). Социология образования, 6, 79-96.
Вершинин, Е. Г., Ковалёва, М. Д., Хвастунова, Е. П. (2015). Какие новые социальные проблемы медицины интересуют отечественных исследователей? Международный журнал экспериментального образования, 8-1, 14-16.
Всероссийский центр изучения общественного мнения. (2017). Врач в России: доверие пациентов, доходы, положение в обществе. Режим доступа https://wciom.ru/index. php?id=236&uid=3590
Всероссийский центр изучения общественного мнения. (2018). Каждому возрасту — свои соцсети. Режим доступа https://wciom.ru/index.php?id=236&uid=116691
Григорьева, С. В., Дмитриева, Т. В. (2015). Социальные сети как каналы распространения недостоверной информации, формирующие общественное мнение. В Е. А. Ильин (ред.) Информационное пространство региона: история, современность и актуальные проблемы: сборник научных статей (с. 46-51). Чебоксары: Чувашский государственный педагогический университет им. И. Я. Яковлева.
Кузьмин, К. В., Семенова (Павленко), Е. В., Петрова, Л. Е., Закроева, А. Г. (2016). Коммуникация врача и пациента: прошлое, настоящее, будущее (исторический и медико-социологический анализ). Екатеринбург: «Южно-Уральский государственный медицинский университет».
Ледовая, Я. А., Паничева, П. В., Причисленко, А. Г., Бутаков, Н. А. (2017). Научная составляющая текстов по психологии, публикующихся в социальной сети «Вконтакте». Вопросы психологии, 6, 79-91.
Литовка, В. А. (2013). Контент-анализ рекламных фотографий клиник репродуктивной медицины. Теория и практика общественного развития, 10, 136-138.
Никитин, П. В., Мурадянц, А. А., Шостак, Н. А. (2015). Мобильное здравоохранение: возможности, проблемы, перспективы. Клиницист, 9 (4), 13-21.
Панова, Е. Л., Туторская, М. С. (2018). Социальные сети и организация внеаудиторного обучения студентов в системе высшего медицинского образования. Проблемы социальной гигиены, здравоохранения и истории медицины, 26 (1), 48-52.
Полынская, Г. А., Месропян, М. Г. (2018). Выявление моделей и трендов поведения пациентов при использовании электронных приложений и Интернет-ресурсов для самодиагностики. Бизнес-информатика, 1 (43), 28-38.
Савельева, Ж. В. (2011). Потребление медицинских услуг или оказание медицинской помощи: конструирование образов платной и бесплатной медицины средствами массовой коммуникации. Журнал социологии и социальной антропологии, Т. XIV (5), 347-355.
Семенова, О. А. (2016). Региональные СМИ о проблемах здравоохранения и путях их решения. В О. И. Лепилкина, А. М. Горбачев (ред.) Медиачтения СКФУ: сборник научных статей Всероссийского научного семинара (с. 169-174). Ставрополь: Северо-Кавказский федеральный университет.
Храбан, Т. Е. (2017). Дискурсивный анализ распространения ложной информации в социальных сетях. Ученые записки УО ВГУ им. П. М. Машерова, 24, 127-132.
Чижик, А. В. (2016). Факторы формирования социального настроения на основе анализа эмоциональной окраски постов в русскоязычном Twitter. Новые информационные технологии в автоматизированных системах, 19, 61-64.
Bollen, J., Mao, H., & Zeng, X. (2011). Twitter Mood Predicts the Stock Market. Journal of computational science, 2 (1), 1-8. DOI: 10.1016/j.jocs.2010.12.007
Gergen, K. J. (1985). The Social Constructionist Movement in modern Psychology. American Psychologist, 40 (3), 266-275. DOI: 10.1037/0003-066X.40.3.266
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining,
Inference, and Prediction. New York, NY: Springer. Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in
Information Retrieval, 2 (1-2), 1-135. DOI: 10.1561/1500000011 Pennebaker, J. W., Boyd, R. L., Jordan, K., & Blackburn, K. (2007). The Development and Psychometric Properties of LIWC2007. LIWC2007, 1-22.
Статья поступила в редакцию 13.07.2018 Статья принята к публикации 20.12.2018
Для цитирования: Никольская А. В., Костригин А. А. Применение метода контент-анализа в изучении отношения пользователей социальных сетей к современной российской медицине.— Южно-российский журнал социальных наук. 2019. Т. 20. № 1. С. 72-90.
CONTENT ANALYSIS AS A METHOD TO RESEARCH THE ATTITUDE TO MEDICINE IN MODERN RUSSIA ON THE BASIS OF THE DATA COLLECTED FROM THE USERS' POSTS IN SOCIAL NETWORKS "VKONTAKTE" AND "INSTAGRAM" A. V. Nikolskaya, A. A. Kostrigin Anastasia V. Nikolskaya. E-mail: tonokazutoya@gmail.com. ORCID 0000-0001-8821-5177 Artem A. Kostrigin. E-mail: artdzen@gmail.com. ORCID 0000-0002-5454-7357
Kosygin Russian State University, Sadovnicheskaya Str., 33, Bld. 1, Moscow, 117997, Russia.
Abstract. The article analyzes the Russian readers' attitude to medicine and to healthcare. The research is carried out on the data of public opinion polls on the problem. The reliability of the data is pointed out. Content analysis is suggested as a perspective method to examine the attitude to medicine and healthcare, on the basis of studying social networks' texts and the users' posts. Problems and potentialities of content analysis in this area are touched upon and discussed. The object of the research is to study the public's attitude to medicine. The quantitative and the qualitative varieties of content analysis have been used to study social posts on medical issues in "VKontakte" and "Instagram" social networks. As a result, the authors have singled out various characteristics of the texts posted by the users, namely, the most frequently occurring words, "water" content, "nausea" of the text, stop words and the core of the text. On the basis of the data obtained, the authors have drawn their conclusions concerning the users' attitude to Russian medicine, i.e., what is the users idea of "good doctors" and "bad doctors", of their attitude to commercial and free medicine, and of disinterested aid and money extortion in medical service. On the basis of the data obtained, the authors conclude that content analysis makes it possible to set new research and applied tasks in the area of studying public opinion on various issues, as well as to draw attention to problems that are insufficiently covered in social polling. To name but a few, they are the characteristics of "good" and "bad" medicine and the ideal doctor, money extortion, the public's needs, etc.
Keywords: content analysis, social networks, public opinion, medicine, doctor, commercial medicine, free medicine, attitude to medicine, healthcare. DOI: 10.31429/26190567-20-1-72-90
References
Achkasov, E. E., Shurupova, R. V., Kurshev, V. V. (2015). Formirovanye pozitivnogo imidzha vracha v protsesse professional'nogo obrazovaniya (po materialam kontent-analiza SMI) Formation of Positive Image of the Doctor in the Course of Professional Education (on Materials of the Content Analysis of Mass Media)]. Sotsiologiya obrazovaniya [Sociology of Education], 6, 79-96.
Bollen, J., Mao, H., & Zeng, X. (2011). Twitter Mood Predicts the Stock Market. Journal of computational science, 2 (1), 1-8. DOI: 10.1016/j.jocs.2010.12.007
Chizhik, A. V. (2016). Faktory formirovaniya sotsial'nogo nastroeniya na osnove analiza emotsion-al'noi okraski postov v russkoyazychnom Twitter [Factors of Social Mood Formation Revealed through the Analysis of Emotional Coloring of Posts on the Russian-Language Twitter]. Novye informatsionnye tekhnologii v avtomatizirovannykh sistemakh [New Information Technologies in Automation Systems], 19, 61-64.
Gergen, K. J. (1985). The Social Constructionist Movement in modern Psychology. American Psychologist, 40 (3), 266-275. DOI: 10.1037/0003-066X.40.3.266
Grigor'eva, S. V., Dmitrieva, T. V. (2015). Sotsial'nye seti kak kanaly rasprostraneniya nedostovernoi informatsii, formiruyushchie obshchestvennoe mnenie [Social Networks as Channels which Disseminate Unreliable Information and Shape Public Opinion]. In E. A. Il'in (Eds.) Informatsionnoe prostranstvo regiona: istoriya, sovremennost' i aktual'nye problemy: sbornik nauchnykh statei [Information Space of the Region: History, the Present and Focal Problems] (46-51). Cheboksary: Chuvashskii gosudarstvennyi pedagogicheskii universitet im. I. Ya. Yakovleva.
Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. New York, NY: Springer.
Khraban, T. E. (2017). Diskursivnyi analiz rasprostraneniya lozhnoi informatsii v sotsial'nykh setyakh [The Discourse Analysis of Unreliable Information Dissemination in Social Networks]. Uchenye zapiski UO VGU im. P. M. Masherova [Bulletin of Vitebsk State University named after P. M. Masherov], 24, 127-132.
Kuz'min, K. V., Semyonova (Pavlenko), E. V., Petrova, L. E., Zakroeva, A. G. (2016). Kommunikatsiya vracha i patsienta: proshloe, nastoyashchee, budushchee (istoricheskii i mediko-sotsiologicheskii analiz) [Doctor-Patient Communication: the Past, the Present and the Future (Historical and Medico-sociological Analysis)]. Ekaterinburg: "Yuzhno-Ural'skii gosudarstvennyi meditsinskii universitet".
Ledovaya, Ya. A., Panicheva, P. V., Prichislenko, A. G., Butakov, N. A. (2017). Nauchnaya sostavlyay-ushchaya tekstov po psikhologii, publikuyushchikhsya v sotsial'noi seti "Vkontakte" [A Scientific Component of Psychology Texts Published in the Social Network "VKontakte"]. Voprosy psikhologii [Issues of Psychology], 6, 79-91.
Litovka, V. A. (2013). Kontent-analiz reklamnykh fotografii klinik reproduktivnoi meditsiny [Content-Analysis of Advertisement Photos of Reproductive Medicine Clinics]. Teoriya ipraktika obshchestvennogo razvitiya [Theory and Practice of Public Development], 10, 136-138.
Nikitin, P. V., Muradyants, A. A., Shostak, N. A. (2015). Mobil'noe zdravookhranenie: vozmozhnosti, problemy, perspektivy [Mobile Healthcare: Possibilities, Problems, Prospects]. Klinitsist [The Clinicist], 9 (4), 13-21.
Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2 (1-2), 1-135. DOI: 10.1561/1500000011
Panova, E. L., Tutorskaya, M. S. (2018). Sotsial'nye seti i organizatsiya vneauditornogo obucheniya studentov v sisteme vysshego meditsinskogo obrazovaniya [Social Networks and the Organization of Out-of-class Teaching in the System of Higher Education (Medicine)]. Problemy sotsial'noi gigieny, zdravookhraneniya i istorii meditsiny [Problems of Social Hygiene, Healthcare and History of Medicine], 26 (1), 48-52.
Pennebaker, J. W., Boyd, R. L., Jordan, K., & Blackburn, K. (2007). The Development and Psychometric Properties of LIWC2007. LIWC2007, 1-22.
Polynskaya, G. A., Mesropyan, M. G. (2018). Vyyavlenie modelei i trendov povedeniya patsientov pri ispol'zovanii elektronnykh prilozhenii i Internet-resursov dlya samodiagnostiki [Identification of Models and Trends of Patients' Behavior in Self-Diagnostics with the Help of Electronic Applications and Internet Resources]. Biznes-informatika [Business Informatics], 1 (43), 28-38.
Russian Public Opinion Research Center. (2017). Vrach v Rossii: doverie patsientov, dokhody, polozhenie v obshchestve [A Doctor in Russia: The Patients' Confidence, Incomes, Status]. Retrieved from https://wciom.ru/index.php?id=236&uid=3590 Russian Public Opinion Research Center. (2018). Kazhdomu vozrastu — svoi sotsseti [An Individual Social Network to Each Age Group]. Retrieved from https://wciom.ru/index.php?id=236&uid=116691 Savel'eva, Zh. V. (2011). Potreblenie meditsinskikh uslug ili okazanie meditsinskoi pomoshchi: konstruirovanie obrazov platnoi i besplatnoi meditsiny sredstvami massovoi kommunikatsii [Consumption of Medical Services or Medical Care: Constructing Images of Paid and Free Medicine in the Media]. Zhurnal sotsiologii i sotsial'noi antropologii [Journal of Sociology and Social Anthropology], 14 (5), 347-355. Semenova, O. A. (2016). Regional'nye SMI o problemakh zdravookhraneniya i putyakh ikh resh-eniya [Regional Mass Media on Healthcare Problems and Their Solutions]. In O. I. Lepilkina, A. M. Gorbachev (Eds.) Mediachteniya SKFU: sbornik nauchnykh statei Vserossiiskogo nauchnogo seminara [Media Readings of the North-Caucasian Federal University: Collected Articles of the All-Russian Scientific Seminar] (169-174). Stavropol': Severo-Kavkazskii federal'nyi universitet. Vershinin, E. G., Kovaleva, M. D., Khvastunova, E. P. (2015). Kakie novye sotsial'nye problemy meditsiny interesuyut otechestvennykh issledovatelei? [What New Social Problems of Medicine are Interested for Russian Researchers?]. Mezhdunarodnyi zhurnal eksperimental'nogo obrazovaniya [International Journal of Experimental Education], 8-1, 14-16.
Received 13.07.2018 Accepted 20.12.2018
For citation: Nikolskaya A. V., Kostrigin A. A. Content Analysis as a Method to Research the Attitude to Medicine in Modern Russia on the Basis of the Data Collected from the Users' Posts in Social Networks "Vkontakte" and "Instagram".— South-Russian Journal of Social Sciences. 2019. Vol. 20. No. 1. Pp. 72-90.
© 2018 by the author(s). This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license (http://creativecommons.org/licenses/by/4.0/).
