Научная статья на тему 'Психолингвистический анализ медиаконтента в мультимодальном аспекте: протестные коммуникации & большие данные'

Психолингвистический анализ медиаконтента в мультимодальном аспекте: протестные коммуникации & большие данные Текст научной статьи по специальности «СМИ (медиа) и массовые коммуникации»

CC BY
373
83
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
МЕДИАКОНТЕНТ / ПСИХОЛИНГВИСТИЧЕСКИЙ АНАЛИЗ / PSYCHOLINGUISTIC ANALYSIS / МУЛЬТИМОДАЛЬНОСТЬ / MULTIMODALITY / ПРОТЕСТНЫЕ ДВИЖЕНИЯ / PROTEST MOVEMENTS / MEDIA CONTENT

Аннотация научной статьи по СМИ (медиа) и массовым коммуникациям, автор научной работы — Пильгун Мария Александровна

Статья посвящена исследованию медиаконтента протестных коммуникаций в мультимодальном аспекте с применением психолингвистического анализа. Материалом для исследования послужила база данных социальной сети ВКонтакте (март 2017 года). Сбор данных осуществлялся по трем направлениям: лингвистический модус анализировался по вербальному контенту, визуальный модус по статичным визуальным материалам, сетевой модус по коммуникативным сетевым действиям. Полученные данные были обработаны с помощью программного обеспечения Automap и Tableau. Для визуализации сетевых структур использовалось программное обеспечение Gephi, алгоритм Force Atlas 2. В ходе исследования было выявлено, что лингвистический модус протестного сетевого медиаконтента характеризуется повышенным эмоциональным фоном, экспрессивностью, агрессивностью, конфликтогенностью, саркастической тональностью. Лингвистические особенности формируются речевыми средствами разных языковых уровней. Анализ основных характеристик акторов позволил выделить три кластера участников по целевым установкам: «неофиты», «идейные борцы», «гедонисты». Результаты данного исследования подтвердили, что социальные сети это инструмент, который позволяет влиять на коммуникативную природу взаимодействия между людьми, воздействовать на акторов и реализовывать манипуляционные технологии на принципиально новом уровне.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Psycholinguistic Analysis of the Media Content in the Multimodal Aspect: Protest Communications & Big Data

The article is devoted to the study of media content of protest communism in a multimodal aspect with the application of psycholinguistic analysis. The material for the study was the database of the social network VKontakte. Data collection was carried out in three directions: linguistic mode was analyzed by verbal content, visual mode was studied according to static visual data, and network mode was determined by means of communicative network actions. The processing of the obtained data was carried out with the help of the software Automap and Tableau. To visualize network structures, the Gephi software, the Force Atlas 2 algorithm, was used. The research revealed that the linguistic mode of the protest network media content is characterized by an increased emotional background, expressiveness, aggressiveness, conflict sensitivity, sarcastic tone. Linguistic features of protest media content are formed by speech tools of different language levels. The analysis of the main characteristics of the protest media content actors made it possible to single out three cluster of participants according to the objectives: «neophytes», «ideological fighters», «hedonists». The result of this study confirmed that social networks are a tool that allows to influence the communication nature of interaction between people, to influence actors and to implement manipulation technologies at a principally new level.

Текст научной работы на тему «Психолингвистический анализ медиаконтента в мультимодальном аспекте: протестные коммуникации & большие данные»

УДК 81'22 DOI: 10.30982/2077-5911-2-99-117

ПСИХОЛИНГВИСТИЧЕСКИЙ АНАЛИЗ МЕДИАКОНТЕНТА

В МУЛЬТИМОДАЛЬНОМ АСПЕКТЕ: ПРОТЕСТНЫЕ КОММУНИКАЦИИ & БОЛЬШИЕ ДАННЫЕ1

Пильгун Мария Александровна

профессор, Институт языкознания РАН, 125009 Москва, Б. Кисловский пер., д.1. стр.1,

pilgunm@yandex.ru

Статья посвящена исследованию медиаконтента протестных коммуникаций в мультимодальном аспекте с применением психолингвистического анализа. Материалом для исследования послужила база данных социальной сети ВКонтакте (март 2017 года). Сбор данных осуществлялся по трем направлениям: лингвистический модус анализировался по вербальному контенту, визуальный модус - по статичным визуальным материалам, сетевой модус - по коммуникативным сетевым действиям.

Полученные данные были обработаны с помощью программного обеспечения Automap и Tableau. Для визуализации сетевых структур использовалось программное обеспечение Gephi, алгоритм Force Atlas 2.

В ходе исследования было выявлено, что лингвистический модус протестно-го сетевого медиаконтента характеризуется повышенным эмоциональным фоном, экспрессивностью, агрессивностью, конфликтогенностью, саркастической тональностью. Лингвистические особенности формируются речевыми средствами разных языковых уровней. Анализ основных характеристик акторов позволил выделить три кластера участников по целевым установкам: «неофиты», «идейные борцы», «гедонисты».

Результаты данного исследования подтвердили, что социальные сети - это инструмент, который позволяет влиять на коммуникативную природу взаимодействия между людьми, воздействовать на акторов и реализовывать манипуляционные технологии на принципиально новом уровне.

Ключевые слова: медиаконтент, психолингвистический анализ, мультимо-дальность, протестные движения

Введение

Психолингвистический анализ протестного медиаконтента в мультимодаль-ном аспекте позволяет открыть новые ресурсы для уточнения особенностей речевого поведения современных пользователей, их языкового сознания и картины мира, а также специфики коммуникации в социальных сетях.

Одна из важных тенденций развития научной парадигмы - распространение Больших данных. За последние десятилетия человечество генерировало данных

1 Публикация подготовлена при финансовой поддержке Российского фонда фундаментальных исследований по проекту № 17-26-01007

больше, чем за всю историю своего развития. По прогнозам, к 2020 году на одного человека в одну секунду будет генерироваться 1,7 гигабайта, а цифровая вселенная достигнет 44 зеттабайт (44 триллиона гигабайт). Распространение больших данных определяет развитие не только технологической и научной, но также культурной, социальной, политической сфер. Существующие технологии и алгоритмы анализа Больших данных позволяют обрабатывать структурированные, неструктурированные, потоковые данные, выявлять имплицитные закономерности и пр. (см., например, Data Science Central, 2018).

Появление и публикация больших объемов данных привела к росту научных исследований на их основе, однако очевиден дефицит исследований с исчерпывающей и корректной интерпретацией данных. Подобная ситуация связана со сложностью подбора адекватной методологической базы, позволяющей объединять результаты количественных и качественных методов, анализ структурированных, неструктурированных, полуструктуированных, а также метаданных и др. данных. Адекватная интерпретация Больших данных может быть выполнена с привлечением гуманитарных методов, которые имеют длительную традицию и успешно адаптированы к новой эмпирической базе. В частности, синергия больших данных и традиций московской психолингвистической школы может принести интересные результаты и представляется перспективным направлением анализа медиаконтен-та, а также языкового сознания и языковой картины мира.

Очевидно, что для междисциплинарных исследований наиболее значимыми источниками являются текстовые корпусы, которые можно рассматривать как часть открытой науки, открытые данные и сетевой медиаконтент.

Корпусная лингвистика, позволившая применить IT-технологии для работы с большими массивами языковых данных, привела с появлению новых методов лингвистического анализа, значительно расширила рамки лингвистической научной парадигмы.

В современном медиапространстве уже представлено огромное количество открытых данных, основными принципами которых являются полнота представления, первичность, своевременность, доступность, пригодность к машинной обработке, отсутствие дискриминации к доступу, отсутствие проприетарных форматов и лицензионная чистота. 7 июня 2013 года в России был принят закон об открытых данных, который обязал органы государственной власти публиковать открытые данные (в машиночитаемых форматах) наряду с публикацией информации в немашиночитаемом виде. Публикации в открытом доступе материалов различных научных, государственных, негосударственных, коммерческих структур сформировали обширный массив данных для исследований, несмотря на неоднозначность реализации закона и качество публикуемых материалов.

Данные социальные сетей, блогов, форумов и пр. также предоставляют огромные возможности для анализа, в частности, особенностей развития современного русского языка, речевого поведения, специфики языкового сознания и языковой картины мира. Веб-контент стремительно увеличивается, например, пользователи Facebook отправляют 30 миллионов сообщений и просматривают 3 миллиона видеозаписей (в среднем, за одну минуту). Google ежесекундно генерируется 40,000 поисковых запросов, в год - 1.2 триллиона запросов. На YouTube загружаются более 300 часов видео-файлов (в среднем, за одну минуту).

Особая проблема при анализе сетевого контента связаны с использованием персональных данных. Скандал, вызванный деятельностью Cambridge Analytica на выборах в Америке 2017 года, привлек пристальное внимание общественных и государственных структур к алгоритмам Facebook и открыл новый этап в исследовании сетевого контента, связанный с этическими и правовыми аспектами. В данном исследовании контент используется на основании правил ВКонтакте2 n 7.1.3., а также ст. 1274 ГК.

Исследования взаимовлияния онлайн и офлайн - общения, воздействия веб-коммуникаций на реальные события сформировали две противопоставленные теории об использовании социальных сетей в политической сфере:

1) веб-технологии трансформируют все коммуникативные процессы, открывают широкие возможности для вовлечения граждан в политические процессы, приводят к активизации участия граждан в политической жизни общества [Vaccari 2008a, 2008b, 2008с; Pepe & Gennaro 2009 и др.].

2) сетевые коммуникации не оказывают существенного влияния на политическую реальность [Druckman 2007; Kalnes 2009; Zittel 2009; Larsson 2011 и др.].

В данном исследовании базовой посылкой служит тезис: социальные сети -это инструмент, который позволяет влиять на коммуникативную природу взаимодействия между людьми, воздействовать на акторов и реализовывать манипуляци-онные технологии на принципиально новом уровне.

Конвергентность и многоаспектность онлайн-коммуникаций требуют крос-сдисциплинарного подхода, который и применяется во многих исследованиях, представляющих различные аспекты взаимодействия в веб-среде [Sauter 2014; Lipschultz 2014; Fuchs 2014; Verboord 2014 и др.].

Широкое распространение в последние десятилетия приобретают исследования в мультимодальной перспективе [Kress 2002, 2003, 2010; Gibbon et al. 2000; Granström et al. 2002; Scollon2006; Muller et al. 2013; Murray 2013; Lutkewitte 2013; Литвиненко, Николаева, Кибрик 2017; Кибрик 2018].

Мультимодальный аспект отражает социальный семиотический подход к современной коммуникации, поскольку в медиапространстве преобладают смешанные и ремиксные изображения, вербальные, невербальные формы взаимодействуют с 3D-объектaми и др. Мультимодальность позволяет выйти за пределы анализа языковых структур и рассмотреть новые разнообразные способы коммуникации и создания смыслов. [Kress 2010]. Именно мультимодальный подход представляется наиболее адекватным при анализе сетевого контента, поскольку позволяет конвертировать данные, информацию, поступающие по различным каналам.

Анализ медиапространства как мультимодальной сферы получает все большее распространения в различных исследованиях [см., например, Velkova 2018].

2 П. 7.1.3. Пользователь, размещая на Сайте принадлежащий ему на законных основаниях Контент, предоставляет другим пользователям неисключительное право на его использование исключительно в рамках предоставляемого Сайтом функционала, путем просмотра, воспроизведения (в том числе копирования) и иные права исключительно с целью личного некоммерческого использования, кроме случаев, когда такое использование причиняет или может причинить вред охраняемым законом интересам правообладателя.

Цель исследования: психолингвистический анализ протестного медиаконтен-та в мультимодальном аспекте.

Психолингвистический анализ используется в рамках московской психолингвистической школы [Леонтьев 1965, 1975, 1997; Тарасов, 1996, 1998, 2004; Уфимцева 2000, 2009; 2011, 2017 и др.];

Исследовательские вопросы:

1. Каковы особенности лингвистического модуса протестного медиаконтента?

2. Какие специфические особенности языковой картины мира позволяет выявить психолингвистический анализ протестного медиаконтента в мультимодаль-ном аспекте?

3. Какие основные характеристики акторов протестного медиаконтента позволяет выявить данный тип анализа?

4. Какова мотивация акторов протестного медиаконтента?

Метод

Материал исследования

Материалом для исследования послужила база данных социальной сети ВКонтакте (март 2017 года), семантическое поле - кейс «Он вам не Димон» (#ДимонОтветит).

Релевантные данные после очистки:

- контент активных акторов (n 15 021),

- релевантные посты (n 23 602);

Процедуры:

Сбор данных осуществлялся по трем направлениям: I. Лингвистический модус анализировался по вербальному контенту, собранному по хештегам #димонответит, содержащему оригинальный авторский контент и контент пользователей об активных акторах в рамках указанного семантического поля.

Алгоритм анализа вербального контента, который был использован в исследовании, а также метод зерновой кластеризации описаны в [Pilgun, Gradoselskaya 2016], [Pilgun 2018].

II. Визуальный модус исследовался по данным статичных визуальных материалов с помощью алгоритма SocialDataHub, который позволяет достигать точности до 85 %. С помощью анализа визуального контента были идентифицированы реальные участники протестного митинга.

III. Сетевой модус анализировался с помощью коммуникативных сетевых действий, алгоритм анализа которого описан в [Pilgun, Gradoselskaya 2016], [Pilgun 2018].

Собранные и очищенные данные были проанализированы с использованием контент-анализа в интерпретации [White, Marsh 2006; Krippendorff 2012].

Полученные данные обрабатывались с применением программного обеспечения Automap и Tableau.

В частности, AutoMap как инструмент для интеллектуального анализа текста позволяет извлекать информацию с использованием методов сетевого анализа, поддерживает извлечение нескольких типов данных из неструктурированных до-

кументов. Типы информации, которые может быть извлечены, включают в себя: аналитические данные контента (слова и частоты), семантические сетевые данные (сеть понятий), данные о мета-сети (перекрестная классификация понятий с онтологией), а также эксплицитные данные (отношения, убеждения).

Tableau - многофункциональный ресурс, размещенный в облаке, который позволяет, в частности, делать визуальную аналитику, интерактивную визуализацию данных.

Визуализация сетевых структур проводилась с помощью программного обеспечения Gephi (алгоритм Force Atlas 2) [Bastian, Heymann, Jacomy 2009; Jacomy, Venturini, Heymann, Bastian 2014].

Анализ социальных сетей - сложный и разноплановый процесс. В современной научной парадигме существует несколько подходов к анализу социальных сетей, существует большое количество специальной литературы. Количество этапов в данной комплексной задаче зависит от многих факторов, в частности, от количественных характеристик сети. Как правило, выделяют три уровня социальных сетей:

- микроуровень, характеризующий взаимодействие акторов, а также микрогрупп;

- мезоуровень, определяется коммуникацией групп, формированием сообществ.

- макроуровень, представляет собой конгломерат крупных сообществ.

Выявление искусственных сущностей в рамках данного исследования проводилось по технологии SocialDataHub, которая позволяет автоматически анализировать профиль в социальной сети. Наиболее яркими маркерами являются следующие характеристики профиля: отсутствие друзей, отсутствие или незначительное количество визуальных данных (фото без лица конкретного пользователя), отсутствие постов других пользователей со ссылками на актора, активность только в определенные периоды, соответствующие знаковым временным периодам, связанными с политическими событиями, а также вхождение в уже известные бот-сети.

Результаты

Анализ данных позволил выявить особенности акторов протестный коммуникаций, создаваемого ими контента, языковой картины мира и коммуникативного поведения (Приложение 1; Рис.1, 2, 3, 4, 5, 6).

Можно выделить три кластера участников в соответствии с их целевыми установками: (в примерах сохраняются авторская орфография и пунктуация):

1) «Неофиты» - новички, молодые люди, которые впервые вышли с протестами на улицу: Например: Сегодня в первый раз я была на митинге. Я не могла точно сказать что там может быть, когда шла туда. Я предполагала, что наши доблестные полицаи могут задерживать людей, но это абсурд- задерживать без оснований! Было неприятно, но люди не расходились, а приходило все больше народу и это хорошо. Я рада, что людям не все равно. Да, мы не сможем свергнуть всю гнусную систему властей, но пусть они видят, что мы не согласны с тем, что можно забивать огромный болт на простых людей. Люди, выходите на улицы так, как это было сегодня, не оставайтесь равнодушными! Пусть все было не так идеально как хотелось бы в организационном плане, но дальше, я надеюсь, будет лучше. Огромное спасибо организаторам! (ВКонтакте).

2) «Идейные борцы» - люди с опытом протестных движений, которые сознательно выходят на митинги, чтобы выразить свою гражданскую позицию: Например: Для любителей теорий заговора, дворцовых переворотов и прочих: в нашей стране достаточно рычагов, для выжигания коррупции, как таковой. Никто не требовал жечь покрышки! Мы за запуск машины правосудия, а не сжигание резины (ВКонтакте).

3) «Гедонисты» - люди, для которых митинг - тип тусовки, светского мероприятия. Например: Я посетил мероприятие в СПб, относясь к этому исключительно как к массовому гулянию. Как и планировал, я не скандировал лозунги и не торчал в толпе... (ВКонтакте).

Информационные каналы:

Распространение информации происходило Вконтакте и в мессенджерах (Telegram, WhatsApp ).

Лингвистический модус протестного сетевого медиаконтента.

Протестный контент отличается повышенным эмоциональным фоном, агре-сивность, конфликтогенностью, саркастической тональностью:

Лингвистические особенности протестного медиаконтента формируются речевыми средствами разных языковых уровней (лексического деривационного, синтаксического), а также стилистическими, риторическими, коммуникативными, графическими средствами и эффектами интегрированного медиатекста:

Лексические средства:

1. Почему школьники, вместо того, чтобы готовиться к ЕГЭ, за обычную ПРОГУЛКУ с УТКАМИ и КРОССОВКАМИ должны сидеть в кутузке, а их родители должны трястись в страхе за их судьбу? Ведь я знаю, что будет дальше! Дальше их великолепные учителя в школе начнут их гнобить и создавать им проблемы, а потом они с некой вероятностью не смогут никуда поступить, из-за грёбаной бумажки о том, что они были частью НЕСАНКЦИОНИРОВАННОГО МИТИНГА (ВКонтакте).

2. Пока Мистеръ-Твиттеръ сажаетъ мимозы и Обустраиваетъ домикъ для уточки. Вы скажете, молъ: «пренебречь, вальсируемъ! Экая невидаль - казно-крадъ-вельможа!» Мы его вовсе не димонизируемъ, Но нЬчто димоническое есть въ немъ всё же: Всегда элегантенъ, подтянутъ, скроменъ: Этатй Мефистовель у главнаго бЬса. Днемъ онъ трудяга въ БЬломъ ДомЬ, Ночью онъ - куртуазный повЬса (ВКонтакте).

3. ...Ну дебилы бл... Вещие слова товарища Лаврова. (ВКонтакте).

Деривационные средства:

1. Не верьте кремлеботам, которые утверждают, что оппозиционерам завтра в школу. Это наглая ложь, с 25 марта начались каникулы (ВКонтакте).

2. Даже самые ярые кремлевские защитники должны признать, что вся блистательность Путина заканчивается, когда начинается разговор про внутреннюю политику, а она действительно никакая, даже наверно никакущая... (ВКонтакте).

3. В Питере с Марсова поля несколько тысяч пошли на Дворцовую. Стоявшую на площади полицию пришедшие забросали дымовухами... (ВКонтакте).

Синтаксические средства (средства экспрессивного синтаксиса).

Парцеллированные конструкции:

'Открытая Россия' сообщает о 150 (!!) задержанных в Махачкале. То есть почти все. Задержан организатор и девушка с плакатом: «На воре кроссовки горят». А вот это реально круто - в Махачкале выйти. За митинг в Дагестане можно быть убитым или без вести пропасть. Это вам не Москва. (ВКонтакте).

Сегментированные конструкции:

Екатеринбург, народу очень много, полная площадь, растянулись по всей набережной (ВКонтакте).

Экспрессивные конструкции с лексическим повтором:

Народ жестко выдавливают с Пушкинской площади. Людей валят на землю и бьют. Народ скандирует 'позор'(ВКонтакте).

Конструкции с инверсией:

В Питере закидывают полицию шашками дымовыми на дворцовой. (ВКонтакте).

Параллелизм:

Народ жив! Народ победит! (ВКонтакте).

Цепочка номинативных предложений:

Позор! Позор! Позор! (ВКонтакте).

Вопросно-ответные конструкции в монологической речи:

Мы сторонники конституции; противники коррупции; приветствуем честные и открытые действия власти. Просто мы не терпим, когда корги (собачки Шувалова) - получают финансовые вливания более районной больницы (а то и городской); мы не понимаем, как погут посадить за 'лайк', но вернуть миллионы Васильевой (дело по оборонке). Вы против нас? Мы пятая колонна? Мы все проплачены? Ответьте на один вопрос: ВЫ ПОДДЕРЖИВАЕТЕ КОРРУПЦИЮ?

Нас - не слышат! Мы хотим ответа и проверок! Но по ТВ, вновь Украина. В России все хорошо, ничего не происходило, в более, чем 100 городах! (ВКонтакте).

Стилистические и риторические средства.

В Москве на митинге начались задержания. Взяли опасного элемента - известен как 'Пенсионер', который умудряется прожить на пенсию. Отчаянный (ВКонтакте).

Метафора:

СПАСИБО ВСЕМ БОЛЬШОЕ ЗА УЧАСТИЕ В СЕГОДНЯШНЕМ МИТИНГЕ! Бронепоезд нашего с вами народного движения остановить будет невозможно. Своей численностью сегодня мы сокрушили всех провокаторов, которых, как мы сегодня выяснили, намного, в разы меньше нас с вами. Поэтому они даже не отсвечивали. Можете сами посмотреть, как они жалобно поскуливают сегодня, стыдливо пряча фотографии, на которых было бы видно, как нас было много сегодня (ВКонтакте).

В Петербурге сегодня опять штурмовали Зимний. Музей отбил атаку, сказав, что Романовы теперь не управляют страной, а картины ни в чем не виноваты (ВКонтакте).

Сарказм:

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Аллюзия:

Прецедентные тексты:

1. Есть такая профессия - коррупцию охранять. (ВКонтакте).

2. Навальный и Медведев: две кроссовки пара Сегодня в нескольких городах России прошли митинги организованные сторонниками Алексея Навального. При этом в нескольких городах мероприятия не были согласованы, но так называемые «борцы с коррупцией» всё равно вышли на улицы) (ВКонтакте).

Травестирование:

... Крамолой речь моя пЬнится, Но переименуйте коррупцт въ опцiонъ, А суть ея не изменится. И вотъ мистеръ-твиттеръ, Сэръ «новый смартфонъ», Середь бассейновъ и сЬрныхъ ваннъ, Шепчетъ сердито: «Я вамъ не Димонъ!» Мечтая шептать: «Я вамъ не Вованъ!» (ВКонтакте).

Контаминация:

...Мы его вовсе не димонизируемъ, Но нЬчто димоническое есть въ немъ всё же... 0 (ВКонтакте).

Графические средства:

Вязаный Твитер Я вышел один. Вышел в регионе, где всё беспросветно и на выборах единороссам рисуют под 100%. ВЫ ВСЁ ЕЩЁ БОИТЕСЬ ИДТИ НА МИТИНГ? Стою. (ВКонтакте).

...Днемъ онъ нараутахъ дремлетъ покорно Подъ nатрiотическiя духоподъем-ныя пЬсни, А ночью, поди, въ резиденцiяхъ горныхъ, Лобзаетъ мироточащiе бюсты прелестницъ. Скажутъ, де аглицкой я шniонъ, Крамолой речь моя пЬнится, Но переименуйте корруnцiю въ опцюнъ, А суть ея не измЬнится. (ВКонтакте).

Ассоциативные поля:

...Не знаю даже почему, но бродя туда-сюда по скверу в голове играли строчки из песни Охххгтггопа. Вот они: Еще дальше, еще дольше. Все не так, как раньше. И лед все тоньше. И хоть это тяжко. Выживает сильнейший, но побеждает неваляшка. (ВКонтакте).

Эффекты интегрированного контента (совмещение противопоставленных контрастных визуального и вербального ряда):

Мотивацию участников митинга характеризуют следующе контексты: 1. ...ВРоссию вернулась большая политика. Откровенное воровство высших чиновников настолько достало народ, что люди в знак протеста тысячами вышли сегодня на улицу. Даже, несмотря на то, что во многих городах акции протеста

и не были согласованы. В Москве по оценкам очевидцев в оппозиционных гуляниях участвовало около пятидесяти тысяч человек. На это у власти есть только один ответ - репрессии... (ВКонтакте).

2. ... Да забирали людей и сажали в автозаки, но только тех кто несли плакаты. Я то вообще в первый раз, даже на выборы не ходил,а тут ' ну, достало'!... (ВКонтакте).

3. ...ссылка для тех, кого достали ложь и воровство... (ВКонтакте).

Участники протестного митинга придерживались различные политических

установок (Ср: ...Сегодня в Москвы всё же был момент способный стать ключевым. Когда задержали Навального люди вокруг кинулись его выручать и стали блокировать дорогу автозаку автомобилем. Окружили автозак и начали его качать. После чего Навальный попросил не освобождать его и продолжить гуляния. (ВКонтакте), а также: ...Теперь о грустном. Протестом, как мы уже писали, руководят либералы. Люди, которые хронически сливают протест. То ли потому что слишком хорошо живут для атаки ва-банк. То ли потому что в принципе не ставят себе целью сменить власть, а просто красуются перед камерами. То ли потому что госдеповские методички рекомендуют исключительно пассивный 'цветной ' протест а-ля Махатма Ганди.К чему это привело, хорошо было видно в регионах. (ВКонтакте).

Этическая интерпретация коррупции:

Для тех кто не в теме: Фонд по борьбе с коррупцией провел расследование по деятельности Д.А. Медведева, видео которого набрало 12.000.000 просмотров. Да, это наш Премьер министр, который говорил 'Денег нет но вы держитесь', 'Коррупция должна быть не просто незаконна, она должна быть не прилична' (ВКонтакте).

Оппозиция «молодежь - власть»:

Власть проспала молодежь. Это то, что приходит в голову после вчерашних массовых митингов-протестов во многих городах России, где в основной своей массе была молодежь до 35 лет. Эти люди не смотрят практически телевизора, они получают информацию из тех источников в Интернете, которые им интересны ... (ВКонтакте).

Кроме антикоррупционного пафоса, участников митинга объединяло отрицательное отношение к федеральным СМИ:

Сегодня федеральные каналы (Россия и Первый канал) умолчали о многотысячных митингах против коррупции по всей России! Эти каналы финансируются из наших налогов! Будем это терпеть? Имеют ли право федеральные каналы умалчивать о таких событиях? опрос в сообществе (ВКонтакте).

Анализ цифровых следов

Исследование коммуникативных средств сетевого поведения акторов позволяет значительно расширить лингвистические и психолингвистические исследования в мультимодальном аспекте, сделать выводы о особенностях языкового сознания и картины мира пользователей, уточнить сведения об их речевом и коммуникативном поведения, мотивации, ценностях и пр.

Основными маркерами сетевого контента являются цифровые следы. Универсальным компонентом исследователи считают «лайк», как основной выра-

зитель одобрения, положительной оценки актора [Bachrach and all. 2013; Kosinski and all. 2013; Youyou and all. 2015]. Компьютерной модели требуется всего 100 лайков, чтобы быть более точной, чем человеку, в прогнозировании характеристик личности. Достаточно 10, 70, 150 и 300 лайков соответственно, чтобы превзойти среднего коллегу по работе, совместно проживающего или друга, члена семьи и супруга. Максимальная точность компьютерного алгоритма достигается при анализе пользователей с более, чем 500 лайков, причем, среднее количество лайков на одного физического актора составляет 227 [Youyou, Kosinski, Stillwell 2015]. После многочисленных обращений пользователей, которые говорили, что символ «Мне нравится» не позволяет выразить разнообразие эмоциональной палитры, Facebook ввел пять новых видов эмодзи: сердце, смех, удивление, слезы и возмущение.

В русской версии Фейсбука их перевели как: Супер! Ха-ха! Ух ты! Сочувствую. Возмутительно.

Значительную информацию для анализа речевого и коммуникативного поведения акторов несут также показатели количества репостов и комментариев. Таким образом, чем разнообразнее и обширнее спектр цифровых следов акторов, который собран исследователем, тем точнее и корректнее можно провести интерпретацию данных.

Рис.1. Соотношение цифровых следов (лайки, репосты, комментарии)

Рис.2. Распределение цифровых следов (лайки, репосты) Вопросы психолингвистики 2 (36) 2018

Топ постов с максимальным количеством лайков и репостов:

1. Привет. Как говорит в таких случаях Первый канал: опять никто не пришёл. Посмотрите фото/видео из Владивостока и Хабаровска.В Хабаровске и шествие, и митинг, если судить по трансляциям. Сильно больше тысячи человек.Во Владивостоке митинг был на основании решения КС, то есть то, что власти называют... (6762 лайков, 674 репостов).

2. Сегодня вечером на «Первом канале» речь зашла про Навального, его расследования и вчерашние антикоррупционные митинги. ВНИМАНИЕ: Перед просмотром убедитесь, что где-то рядом есть огнетушитель (4699 лайков 445 репостов).

3. Прямой эфир ФБК с трансляциями из митигующих городов России (4625 лайков, 468 репостов).

Рис.3. Распределение цифровых следов (лайки)

Топ постов с максимальным количеством комментариев:

1. Сегодня вечером на «Первом канале» речь зашла про Навального, его расследования и вчерашние антикоррупционные митинги.ВНИМАНИЕ: Перед просмотром убедитесь, что где-то рядом есть огнетушитель (1106).

2. «Люди, которые пробуют свободу на вкус» - Леонид Волков в прямом эфире с митингов #ДимонОтветит. Смотрите трансляцию. Ведем LIVE из Москвы и Питера:

https://www.youtube.com/watch?v=I2FhmpoHMiQ (697).

3. #т^1Шрямая трансляция митингов по городам. Если повезёт, то можно будет увидеть, как ОМОН п(...)дит людей дубинками (599).

Закономерно, что наиболее востребованный контент бал связан с аккаунтами: Алексей Навальный, Команда Навального, Лентач.

Выводы

Психолингвистический анализ протестного медиаконтента в мультимодаль-ном аспекте позволил, в частности, выявить специфику вербального модуса контента, языковой картины мира активных акторов, их основные характеристики и мотивацию.

Лингвистический модус протестного сетевого медиаконтента характеризуется повышенным эмоциональным фоном, экспрессивности, агрессивность, конфликто-генностью, саркастической тональностью.

Лингвистические особенности протестного медиаконтента формируются речевыми средствами разных языковых уровней. Следует выделить лексические, словообразовательные средства, а также элементы экспрессивного синтаксиса: парцеллизованные и сегментированные структуры, экспрессивные конструкции с лексическим повтором, инверсию, параллелизм, использование цепочки номинативных предложений. Кроме того, применяются стилистические и риторические ресурсы (сарказм, метафора, аллюзия, прецедентные тексты, травестирование, контаминация), а также коммуникативные, графические средства, ассоциативные поля и эффекты интегрированного медиатекста.

Анализ особенностей языковой картины мира активных акторов позволил выявить большой протестный потенциал акторов деструктивного типа поскольку несмотря на четкую адресацию акции (#ДимонОтветит), протест носил по большей части недифференцированный характер («Достало!»).

Социальная пассивность акторов сочетается с прагматизмом, стремлением к комфорту и устойчивому благополучию, которые должны быть обеспечены внешними силами, а не самими участниками. Кроме того, следует выделить стремление к самореализации, гипертрофированное чувство самоуважения, эгоцентризм на фоне общей неудовлетворенности.

Приоритеты участников данной протестной акции находятся в сфере хобби (музыка, кино, технические инновации и пр.) и спорта (киберспорта).

Еще одна важная характерная черта - стремление к геймификации, которая становится ведущим коммуникативным трендом. Можно говорить о геймификации как типе языкового сознания (кеды на провода - символ, замствованный Алексеем Навальнымт в фильме «Хвост виляет собакой»), игрушечные уточки, поведение с ОМОНом. В медиатексте это выражается саркастической тональностью, постмодернистским дискурсом.

Можно предположить, что рост протестного потенциала в данной ситуации связан скорее с эффективной работой команды Навального с определённой группой акторов, а не с устойчивой политической активностью.

Данные медиаконтента позволяют охарактеризовать акторов как жителей крупных и средний городов, представителей среднего класса. Политические предпочтения определить сложно, поскольку только 14 % акторов проявляют устойчивый интерес к общественно-политическим пабликам. Топ пабликов, интересующий акторов: «Команда Навального», «Алексей Навальный», «Лентач», «Новости с ово-щебазы», «MDK».

Анализ основных характеристик акторов протестного медиаконтента, позволил выделить три кластера участников по целевым установкам: «неофиты», «идейные борцы», «гедонисты».

Информационными каналами для распространения информации служиди Вконтакте и мессенджеры (Telegram, WhatsApp ).

В отношении мотивации акторов протестного медиаконтента можно заключить следующее: анализ данных позволяет свидетельствовать об отсутствии устой' Вопросы психолингвистики 2 (36) 2018

чивых политических предпочтениях, о широком спектре политических взглядов акторов. Причем эксплицитную поддержку позиций Навального выражали только самые юные акторы, составляющие кластер «неофиты». «Идейные борцы» и «гедонисты» выражали широкий спектр оценок от безразличия до неодобрения, разочарования и сарказма в отношение оппозиционного лидера.

Отчасти подобное положение можно объяснить отсутствием общей повестки.

Следует отметить, что кроме антикоррупционного пафоса, участников митинга объединяло негативное отношение к федеральным СМИ, этическая интерпретация коррупции и рефлексия по поводу сформировавшейся оппозиция «молодежь - власть» .

Литература

Кибрик А.А. Русский мультиканальный дискурс. Часть II. Разработка корпуса и направления исследований Психологический журнал. 2018. Т. 39. № 2. С. 79-90

Леонтьев А.А. Основы психолингвистики. М.: Смысл, 1997. 287 с.

Леонтьев А.А. Слово в речевой деятельности. М.: Из-во АН СССР. 1965, 118 с.

ЛеонтьевА.Н. Деятельность, сознание, личность. М.: Политизд. 1975. 271 с.

Литвиненко А.О., Николаева Ю.В., КибрикА.А. Аннотирование мультиканального корпуса: мануальные жесты // Когнитивная наука в Москве: новые исследования Материалы конференции. Под редакцией Е.В. Печенковой, М.В. Фаликман. 2017. С. 516-520.

Тарасов Е.Ф. К построению теории межкультурного общения // Языковое сознание: формирование и функционирование. М.: ИЯ РАН, 1998. С. 30-34.

Тарасов Е.Ф. Межкультурное общение - новая онтология анализа языкового сознания // Этнокультурная специфика языкового сознания / отв. ред. Н. В. Уфимцева. М.: ИЯ РАН, 1996. С. 7-22.

Тарасов Е.Ф. Языковое сознание // Вопросы психолингвистики. 2004. № 2. С. 34-47.

Уфимцева Н. В. Языковое сознание и образ мира славян // Языковое сознание и образ мира. Сборник статей / Отв. ред. Н.В. Уфимцева. М.: Институт языкознания РАН, 2000. 320 с.

Уфимцева Н.В. Языковое сознание: динамика и вариативность. М.: Институт языкознания РАН, 2011, 252 с.

Уфимцева Н.В., Черкасова Г.А., Балясникова О.В., Полянская А.Г., Разумкова А.В., Свинчукова Е.Г., Степанова А.А. Региональное языковое сознание коми, русских, татар: проблемы взаимовлияния. Коллективная монография / Под ред. Н.В. Уфимцевой. - М.- Ярославль: Канцлер, 2017. 240 с.

Уфимцева Н.В. Психолингвистика в XXI веке // Язык и сознание: психолингвистические аспекты: сб. статей / под ред. Н.В. Уфимцевой, Т.Н. Ушаковой. М.Калуга: Эйдос, 2009. С. 21-32.

Bachrach,Y.,Kohli,P.,Stillwell,D.,Graepel,T. (2013) Manifestations of user personality in website choice and behaviour on online social networks.Mach Learn 95(3):357-380.

Bastian, M., Heymann, S., Jacomy, M. (2009) Gephi: an open source software for exploring and manipulating networks. In: International AAAI Conference on Weblogs and Social Media. Association for the Advancement of Artificial Intelligence. P. 361-362 .

Druckman, J.N., Kifer, M.J., & Parkin, M. (2007). The technological development of congressional candidate web sites: How and why candidates use web innovations. Social Science Computer Review, 25(4), 425-442.

Fuchs, Ch. (2014). Digital Labour and Karl Marx. New York: Routledge, 408 p.

Gibbon, D., Mertins, I., Moore, R.K. (Eds.). (2000). Handbook of multimodal and spoken dialogue sytems: Resources, terminology and product evaluation. Berlin: Springer. 327 p.

Granström, B., House, D., Karlsson, I. (2002,). Multimodality in language and speech systems. Dordrecht: Kluwer, 241 p.

JacomyM., Venturini T., Heymann S., Bastian M. (2014). ForceAtlas2, a Continuous Graph Layout Algorithm for Handy Network Visualization Designed for the Gephi Software. PLoS ONE 9(6): e98679. https://doi.org/10.1371/journal.pone.0098679.

Kalnes, 0. (2009). Norwegian parties and Web 2.0. Journal of Information Technology & Politics, volume 6, number 3, 251-266.

Kosinski,M., Stillwell, D., Graepel, T. (2013) Private traits and attributes are predictable from digital records of human behavior. Proc Natl Acad Sci USA 110(15): 58025805.

Kress, G. The multimodal landscape of communication // Medien Journal. 2002. Vol. 4. P. 4 - 19.

Kress, G. (2003): Literacy in the New Media Age. Londres: Routledge.

Kress, G. (2010): Multimodality. A Social Semiotic Approach to Contemporary Communication. Londres: Routledge.

Krippendorff, K. (2012). Content Analysis. An Introduction to Its Methodology. Third Edition. Los Angeles: SAGE Publications, Inc., 2012.

Larsson, А.О. (2011). Extended infomercials or Politics 2.0? A study of Swedish political party Web sites before, during and after the 2010 election. First Monday. Vol. 16, Number 4 - 4 April 2011.

Lipschultz, J.H. (2014). Social Media Communication: Concepts, Practices, Data, Law and Ethics. New York and London: Routledge, 376 pp.

Lutkewitte, C. (2013) Multimodal Composition: A Critical Sourcebook. — Boston : Bedford/ St. Martin's.

Müller C, Cienki A., Fricke E., Ladewig S.H., McNeill D., Teßendorf S. (2013). Body - Language - Communication: An International Handbook on Multimodality in Hum an Interaction. Berlin: Mouton.

Murray, J. (2013). Composing Multimodality. Multimodal Composition: A Critical Sourcebook. Bedford/St. Martin's.

Pepe, A., di Gennaro, C. (2009). Political protest Italian-style: The blogosphere and mainstream media in the promotion and coverage of Beppe Grillo's V-day, First Monday, volume 14, number 12. http://firstmonday.org/ article/view/2740, accessed 3 March 2011.

Pilgun, M. (2018). Psycholinguistic analysis of social media content: politically active actors in Facebook. 5th International Multidisciplinary Scientific Conference on Social Sciences & Arts SGEM 2018. Vol. 5. Sciences & Society. Issue 3.1. Section Language & Linguistics. Vien, 391-399 pp.

Pilgun, M., Gradoselskaya, G. (2016). Political communication on Facebook Russian case, Estudios Sobre el Mensaje Periodistico, vol 22, no 2, pp 1161-1180.

Sauter, T. (2014). 'What's on your mind?' Writing on Facebook as a tool for self-formation, New Media & Society, August 2014, vol. 16, pp. 823-839.

Scollon, R. (2006). Multimodality and the language ofpolitics // Encyclopedia ofLan guage & Linguistics / K. Brown (Ed.). Elsevier, 2006. P. 386 - 387.

Vaccari, C. (2008a). From the air to the ground: The Internet in the 2004 U.S. presidential campaign. New Media & Society, volume 10, number 4, 647-665.

Vaccari, C. (2008b). Research note: Italian parties' Websites in the 2006 elections, European Journal of Communication, volume 23, number 1, 69-77.

Vaccari, C. (2008c.) Surfing to the Elysee: The Internet in the 2007 French elections. French Politics, volume 6, number 1, 1-22.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Velkova, J. (2018) Studying Emerging Data Practices: Creating a Cultural Biography of Objects Through Using the Web as an Ethnographic Resource. London: Sage research methods. (http://methods.sagepub.com/case/emerging-data-practices-creating-cultural-biography-ethnographic-resource)

Verboord, M. (2014). The impact of peer-produced criticism on cultural evaluation: A multilevel analysis of discourse employment in online and offline film reviews, New Media & Society, September, vol. 16, pp 921-940.

White, D.M., Marsh, E.E. (2006). Content analysis: a flexible methodology // Library trends. 1(55). Pp. 22-45.

Youyou, W., Kosinski, M., Stillwell, D. (2015). Computer-based personality judgments are more accurate than those made by humans by, Proceedings of the National Academy of Sciences (PNAS).

Zittel, T. (2009). Lost in technology? Political parties and the online campaigns of constituency candidates in Germany's mixed member electoral system. Journal of Information Technology & Politics, volume 6, number 3, pp. 298-311.

Приложение 1.

Concept Frequency Relative frequency within text

Власть/власти/властями/властью 1727 0.06

Акции/акция/акций/акциях акцп 1487 0.06

Алексей/Алексея/Алексеем 499 0.02

Автозак/атозаки/автозаке /автозаков/автозака/автозаку 362 0.01

Борьба/борьбе 331 0.02

Антикоррупционный/ Антикоррупционного/ Антикоррупционном 300 0.01

Будущее/будущем 186 0.01

Активисты/активистов/активиста 157 0.00

Арестован/арестовали 146 0.01

Арест/ареста/аресты 130 0.00

Вместе 122 0.01

Бояться/боится 118 0.00

Видел 107 0.01

Большинство 105 0.01

Навальный 102 0.01

Администрация/ Администрации 88 0.00

Безопасность/безопасности 67 0.00

Беспредел/беспредела 64 0.00

Бороться 64 0.00

Владимир 56 0.00

Бьют/били 60 0.00

Административный/ административном 44 0.00

Болотной 48 0.00

Адвокатов 34 0.00

Блоги 34 0.00

Вконтакте 34 0.00

Верить 33 0.00

Вижу 33 0.00

Весело 29 0.00

Вменяют 27 0.00

Блогеров/блогер 23 0.00

PSYCHOLINGUISTIC ANALYSIS OF THE MEDIA CONTENT IN THE MULTIMODAL ASPECT: PROTEST COMMUNICATIONS & BIG DATA

Maria A. Pilgun

Doctor of Philology, Professor Institute of Linguistics, Russian Academy of Sciences 1/1 B. Kislovskiy per., Moscow, 125009, Russia

pilgunm@yandex.ru

The article is devoted to the study of media content of protest communism in a multimodal aspect with the application of psycholinguistic analysis. The material for the study was the database of the social network VKontakte. Data collection was carried out in three directions: linguistic mode was analyzed by verbal content, visual mode was studied according to static visual data, and network mode was determined by means of communicative network actions.

The processing of the obtained data was carried out with the help of the software Automap and Tableau. To visualize network structures, the Gephi software, the Force Atlas 2 algorithm, was used.

The research revealed that the linguistic mode of the protest network media content is characterized by an increased emotional background, expressiveness, aggressiveness, conflict sensitivity, sarcastic tone. Linguistic features of protest media content are formed

by speech tools of different language levels. The analysis of the main characteristics of the protest media content actors made it possible to single out three cluster of participants according to the objectives: «neophytes», «ideological fighters», «hedonists».

The result of this study confirmed that social networks are a tool that allows to influence the communication nature of interaction between people, to influence actors and to implement manipulation technologies at a principally new level.

Keywords: media content, psycholinguistic analysis, multimodality, protest movements

Kibrik A.A. (2018) Russkij mul'tikanal'nyj diskurs. Chast' II. Razrabotka korpusa i napravleniya issledovanij. [Russian Multichannel Discourse. Part II]. Psihologicheskij zhurnal [Journal of Psychology. Vol.39. No.2]: 79-90. Print. (in Russian).

Leont'evA.A. (1997) Osnovy psiholingvistiki [Fundamentals of Psycholinguistics]. Moscow: Smysl. 287 P. Print. (In Russian).

Leont'evA.A. (1965) Slovo v rechevoj deyatel'nosti [The Word in Speech Activity]. Moscow: Iz-vo AN SSSR.118 P. Print. (in Russian).

Leont'ev A.N. (1975) Deyatel'nost', soznanie, lichnost' [Activity, Consciousness, Personality]. Moscow: Politizd. 271 P. Print. (in Russian).

LitvinenkoA.O., Nikolaeva Y.U., Kibrik A.A. (2017) Annotirovanie mul'tikanal'nogo korpusa: manual'nye zhesty [Annotation of Multichannel Discourse: Gestures] // Kognitivnaya nauka v Moskve: novye issledovaniya Materialy konferencii. Pod reda-kciej E.V. Pechenkovoj, M.V. Falikman [Cognitive Science in Moscow. Conference Proceedings ed. by E.V. Pechenkova, M.V. Falikman]: 516-520. Print. (in Russian).

Tarasov E.F. (1998) K postroeniyu teorii mezhkul'turnogo obshcheniya [On Creating Theory of Cross-cultural Communication] // YAzykovoe soznanie: formirovanie i funk-cionirovanie [Language Consciousness: Formation and Functioning]: 30-34. Moscow: Institute of Linguistics, RAS. Print. (in Russian).

Tarasov E.F. (1996) Mezhkul'turnoe obshchenie - novaya ontologiya analiza ya-zykovogo soznaniya [Cross-cultural Communication. The New Anthology of Language Consciousness] // EHtnokul'turnaya specifika yazykovogo so-znaniya / otv. red N.V. Ufimceva [Ethno-cultural Peculiarities of Language Consciousness. Ed. by N.V. Ufimceva]: 7-22. Moscow: Institute of Linguistics, RAS. Print. (in Russian).

Tarasov E.F. (2004) YAzykovoe soznanie [Language Consciousness]// Voprosy psiholingvistiki [Journal of Psycholinguistics] 2: 34-47. Print. (in Russian).

Ufimceva N.V. (2000) Yazykovoe soznanie i obraz mira slavyan [Language Consciousness and the Slavs Picture of the World]/ / YAzykovoe soznanie i obraz mira. Sbornik statej / Otv. red. N.V Ufimceva [Language Consciousness and the Picture of the World. A Collection of Articles. Ed. by N.V. Ufimceva]. M.: Institut yazykoznaniya RAN, 2000. 320 s. Print. (in Russian).

Ufimceva N.V. (2011) Yazykovoe soznanie: dinamika i variativnost' [Language Consciousness: Dynamics and Variability]. Moscow: Institut yazykoznaniya. 252 P. Print. (in Russian).

References

UfimcevaN.V., Cherkasova G.A., Balyasnikova O.V., PolyanskayaA.G., Razumkova A.V., Svinchukova E.G., Stepanova A.A. (2017) Regional'noe yazykovoe soznanie komi, russkih, tatar: problemy vzaimovliyaniya. Kollektivnaya monografiya/ Pod red. N.V. Ufimcevoj [Regional Language Consciousness of Komis, Russians, and Tatars. A Collective Monograph. Ed. by N.V. Ufimceva]. Moscow. YAroslavl': Kancler, 2017. 240 s. Print. (in Russian).

Ufimceva, N.V (2009) Psiholingvistika v XXI veke [Psycholinguistics in the 21st Century] // YAzyk i soznanie: psiholingvisticheskie aspekty: sb. statej / pod red. N. V. Ufimcevoj [Language and Consciousness. The Psycholinguistic Aspects. A Collection of Articles. Ed. by N.V Ufimceva, T.N. Ushakova]: 21-32. Moscow-Kaluga. Print. (in Russian).

Bachrach, Y, Kohli P, Stillwell D., Graepel T. (2013) Manifestations of user personality in website choice and behaviour on online social networks. Mach Learn 95 (3): 357380

Bastian, M., Heymann, S., Jacomy, M. (2009) Gephi: an open source software for exploring and manipulating networks. In: International AAAI Conference on Weblogs and Social Media. Association for the Advancement of Artificial Intelligence. P. 361-362 .

Druckman, J. N., Kifer, M. J., & Parkin, M. (2007). The technological development of congressional candidate web sites: How and why candidates use web innovations. Social Science Computer Review, 25(4), 425-442.

Fuchs, Ch. (2014). Digital Labour and Karl Marx. New York: Routledge, 408 p.

Gibbon, D., Mertins, I., Moore, R.K. (Eds.). Handbook of multimodal and spoken dialogue systems: Resources, terminology and product evaluation. Berlin: Springer. 327 p.

Granstrom B., House D., Karlsson I. (2002). Multimodality in language and speech systems.Dordrecht: Kluwer, 241 p.

JacomyM., Venturini T., Heymann S., Bastian M. (2014). ForceAtlas2, a Continuous Graph Layout Algorithm for Handy Network Visualization Designed for the Gephi Software. PLoS ONE 9(6): e98679. https://doi.org/10.1371/journal.pone.0098679.

Kalnes, 0. (2009). Norwegian parties and Web 2.0. Journal of Information Technology & Politics, volume 6, number 3, 251-266.

Kosinski M, Stillwell D, Graepel T. (2013) Private traits and attributes are predictable from digital records of human behavior. Proc Natl Acad Sci USA 110(15): 58025805.

Kress G. (2002) The multimodal landscape of communication // Medien Journal. Vol. 4. P. 4 - 19.

Kress, G. (2003): Literacy in the New Media Age. Londres: Routledge.

Kress, Gunther (2010): Multimodality. A Social Semiotic Approach to Contemporary Communication. Londres: Routledge.

Krippendorff, K. (2012). Content Analysis. An Introduction to Its Methodology. Third Edition. Los Angeles: SAGE Publications, Inc., 2012.

Larsson, А.О. (2011). Extended infomercials or Politics 2.0? A study of Swedish political party Web sites before, during and after the 2010 election. First Monday. Vol. 16, Number 4 - 4 April 2011.

Lipschultz, J. H. (2014). Social Media Communication: Concepts, Practices, Data, Law and Ethics. New York and London: Routledge, 376 pp.

numryH M.A. ncHxo^HHrBHCTHHecKHH aHa^ro MegHaKOHTeura.

Lutkewitte, C. (2013) Multimodal Composition: A Critical Sourcebook. - Boston : Bedford/ St. Martin's.

Müller C, Cienki A., Fricke E, LadewigS.H., McNeillD, Teßendorf S. (2013). Body - Language - Communication: An International Handbook on Multimodality in Human Int eraction. Berlin: Mouton.

Murray, J. (2013). Composing Multimodality. Multimodal Composition: A Critical Sourcebook. Bedford/St. Martin's.

Pepe, A. and di Gennaro, C. (2009). Political protest Italian-style: The blogosphere and mainstream media in the promotion and coverage of Beppe Grillo's V-day, First Monday, volume 14, number 12. http://firstmonday.org/ article/view/2740, accessed 3 March 2011.

Pilgun, M. (2018). Psycholinguistic analysis of social media content: politically active actors in Facebook. 5th International Multidisciplinary Scientific Conference on Social Sciences & Arts SGEM 2018. Vol. 5. Sciences & Society. Issue 3.1. Section Language & Linguistics. Vien, 00 391-399 pp.

Pilgun, M., Gradoselskaya, G. (2016). Political communication on Facebook Russian case, Estudios Sobre el Mensaje Periodistico, vol 22, no 2, pp 1161-1180.

Sauter, T. (2014). 'What's on your mind?' Writing on Facebook as a tool for self-formation, New Media & Society, August 2014, vol. 16, pp. 823-839.

Scollon, R. (2006). Multimodality and the language ofpolitics // Encyclopedia ofLan guage & Linguistics / K. Brown (Ed.). Elsevier, P. 386 - 387.

Vaccari, C. (2008a). From the air to the ground: The Internet in the 2004 U.S. presidential campaign. New Media & Society, volume 10, number 4, 647-665.

Vaccari, C. (2008b). Research note: Italian parties' Websites in the 2006 elections, European Journal of Communication, volume 23, number 1, 69-77.

Vaccari, C. (2008c.) Surfing to the Elysee: The Internet in the 2007 French elections. French Politics, volume 6, number 1, 1-22.

Velkova J. (2018) Studying Emerging Data Practices: Creating a Cultural Biography of Objects Through Using the Web as an Ethnographic Resource. London: Sage research methods. (http://methods.sagepub.com/case/emerging-data-practices-creating-cultural-biography-ethnographic-resource).

Verboord, M. (2014). The impact of peer-produced criticism on cultural evaluation: A multilevel analysis of discourse employment in online and offline film reviews, New Media & Society, September, vol. 16, pp 921-940.

White, D.M., Marsh, E.E. (2006). Content analysis: a flexible methodology // Library trends. 1(55). Pp. 22-45.

Youyou, W., Kosinski, M., Stillwell, D. (2015). Computer-based personality judgments are more accurate than those made by humans by, Proceedings of the National Academy of Sciences (PNAS).

Zittel, T. (2009). Lost in technology? Political parties and the online campaigns of constituency candidates in Germany's mixed member electoral system. Journal of Information Technology & Politics, volume 6, number 3, pp. 298-311.

i Надоели баннеры? Вы всегда можете отключить рекламу.