Междисциплинарные цифровые способы исследования политического медиадискурса

Булгарова Белла Ахмедовна ORCID: 0000-0001-6005-2505 кандидат филологических наук доцент, кафедра массовых коммуникаций, Российский университет дружбы народов им. П. Лумумбы 117198, Россия, г. Москва, ул. Миклухо-Маклая, 6 Bulgarova Bella Akhmedovna PhD in Philology Associate professor of the Department of Mass Communications, RUDN University named after Patrice Lumumba 117198, Russia, Moscow, Miklukho-Maklaya str.6. bulgarova-ba@rudn.ru Другие публикации этого автора     Чинённая Тамара Юрьевна ORCID: 0000-0002-2621-6606 кандидат филологических наук доцент; кафедра национальных и федеративных отношений; Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации 119571, Россия, г. Москва, пр-т Вернадского, 82, стр.1. Chinennaya Tamara Yurievna PhD in Philology Associate Professor; Department of National and Federal Relations; Russian Presidential Academy of National Economy and Public Administration 82 Vernadsky Ave., p. 1, Moscow, 119571, Russia. t.chinennaya@mail.ru Другие публикации этого автора     Зюкина Зульфира Салиховна ORCID: 0000-0002-1583-9576 кандидат педагогических наук доцент; кафедра Русского языка и лингвокультурологии ; РУДН им. Патриса Лумумбы 117198, Россия, г. Москва, ул. Миклухо-Маклая, 6 Zyukina Zulfira Salihovna PhD in Pedagogy Associate Professor; Department of Russian Language and Linguoculturology ; RUDN named after Patrice Lumumba 6 Miklukho-Maklaya str., Moscow, 117198, Russia zyukina_zs@pfur.ru

Козловская Екатерина Станиславовна ORCID: 0000-0002-6308-725X кандидат филологических наук доцент; кафедра Русского языка №5 ; РУДН им. Патриса Лумумбы 117198, Россия, г. Москва, ул. Миклухо-Маклая, 6 Kozlovskaya Ekaterina Stanislavovna PhD in Philology Associate Professor; Department of Russian Language No. 5 ; RUDN named after Patrice Lumumba 6 Miklukho-Maklaya str., Moscow, 117198, Russia kozlovskaya_es@pfur.ru

Введение. В политике язык может использоваться не только в качестве инструмента, но и в роли объекта исследования. Политический медиадискурс – это междисциплинарный предмет, находящийся на стыке лингвистических наук, средств массовой информации (далее – СМИ), политики и современных цифровых технологий ^[2].

Цифровые методы и инструменты исследования политического дискурса помогают ученым выявлять и анализировать особенности семантической организации политического текста (включая цитаты, ссылки, аллюзии, реминисценции) между разными его видами, способы репрезентации и конституирования тех или иных политических процессов или их интерпретации и т.д.

Обзор литературы. Согласно результатам исследований С. Блассник (Blassnig 2022), количественный контент-анализ (ручной, автоматизированный или полуавтоматизированный) продолжает оставаться доминирующим методом исследования политического медиадискурса ^[10]. При этом качественный и критический контент-анализы также актуальны на сегодняшний день, что подтверждается работой Р. Водака, М. Хосравиник (Wodak, KhosraviNik 2013) ^[19]. Более того, Т.Н. Лобанова (2020) подчеркивает, что практически все исследуемые ей «медиаплатформы и интернет-порталы позволяют в автоматическом режиме производить контент-анализ по ключевым словам» ^{[5, с. 30]}. М.М. Аббаси (2022) описывает системы, разработанные для анализа текста и эмоций ^{[1, с. 4]}, которые способствуют раскрытию авторских интенций при анализе дискурса в автоматическом режиме ^[1]. В коллективной монографии, написанной под научной редакцией И. П. Кужелевой-Саган (2017) делается акцент на релевантности анализа повседневных дискурсивных практик сетевых платформ, подчеркивается, что такой способ «помогает проследить, каким образом новый когнитивный стиль жизненного мира социальных медиа трансформирует этническую виртуальную коммуникацию» ^{[8, с. 21]}, что доказывает актуальность междисциплинарных цифровых способов исследования медиадискурса.

Методы. В статье использовались следующие методы: теоретический анализ научной литературы по обозначенной проблематике, описательный и сопоставительный методы, контент-анализ, интерпретация полученных результатов. Основным методом исследования в статье послужил комплексный компаративный анализ.

Ход исследования. Цифровые способы анализа медиадискурса расширяют границы изучения корпусной лингвистики и других смежных с ней дисциплин. Если ранее эмпирические исследования чаще освещали законы построения и распространения одного канала коммуникации или платформы, например, политической речи, пресс-релизов, партийных манифестов, ток-шоу, рекламы, веб-сайтов или социальных сетей, то рост инструментов программного обеспечения и искусственного интеллекта позволяет в короткие сроки выполнять анализ дискурса сразу больших объемов текстов из разного контента.

Междисциплинарный аспект исследования политического медиадискурса заключается в попытке ученых изучать данную проблематику в контексте и взаимокорреляции таких наук, как:

1. Лингвистика – статистические данные о количестве дефиниций, связанных с политикой, помогают данной науке определять степень родства языков, присутствие устаревших слов и выражений или неологизмов в политическом тексте, а также дифференцировать соответствующую терминологию, что позволяет создавать корпуса текстов с целью дополнения и совершенствования словарей, глоссариев, тезаурусов, ГОСТов и т.д., для чего используются такие программы, как Sketch Engine, TermoStat ^{[6, с. 73]} и др.

2. Психолингвистика – цифровые программы, сконцентрированные на изучении языкового поведения и исследовании принципов интерпретации и верификативности концептуальных компонентов политического дискурса, способствуют раскрытию «языковой личности» политиков и массовых настроений. Например, результаты психолингвистического контент-анализа медиадискурса помогают формировать общественное сознание посредством релевантного выбора адресантом речевых способов «построения текста в соответствии с ожиданиями целевых аудиторий (адресатов)» ^{[7, с. 2]} и, как следствие, бороться за власть. В том числе, количественный и качественный анализы частотности репликации ключевых слов способствуют раскрытию имплицитного характера анализируемого дискурса через «выявление закономерностей в его структуре и… оценку частотного распределения языковых единиц» ^{[4, с. 223]}.

3. Социолингвистика – исследование политического медиадискурса позволяет определять, как меняется язык между социальными группами, в зависимости от возраста, при миграции населения и между сообществами ^[12] под воздействием определенной политической обстановки в стране и мире, а также проводить конверсационный анализ социального и политического взаимодействий сквозь призму вербального поведения политических лидеров ^{[4, с. 226]}. Исследования политического дискурса можно выполнять с помощью такого ПО, как: Nvivo Leading Qualitative Data Analysis Software (QDAS); ATLAS.ti ^[4] – The №1 Software for Qualitative Data Analysis; Quirkos – Qualitative Data Analysis Software made simple и т.д.

4. Философия и история – центральными темами для исследователей являются развитие и изменения языка политиков ^[12], свидетельствующие о политических реалиях определенного времени (символизации и ценностных парадигмах), позиционировании и самопрезентации политических лидеров и их установок, становлении определенного мировидения и миропонимания верховного руководства, которые отражаются в трудах философов, историков и историографов и цитируются современными политиками в масс-медиа. Исследования вышеобозначенных проблематик проводится посредством такого ПО, как Nvivo Leading Qualitative Data Analysis Software (QDAS); ATLAS.ti ^[4], аналитики T-LAB и т.д.

5. Педагогика – изучение политического медиадискурса помогает психологам, педагогам, лингвистам и издателям, изучающим процесс чтения и формирования познавательной активности будущих политологов, дифференцировать и анализировать язык и его явления, на котором читают и пишут обучающиеся, а также определять, какие словари актуальны для них ^[12] (толковые, информационно-поисковые, словари цитат политиков, двуязычные словари политической терминологии и т.д.). Такое ПО, как, например, Sketch Engine, помогает изучать и материалы на политические темы, созданные для студентов и школьников, и сочинения, написанные самими слушателями учебного курса, представленные в медиапространстве. Анализ дискурса в академических кругах и в учебных целях политологов проводится с целью определения установок, соотношений сил и перспектив участников политических дебатов; причин роста или снижения числа мигрантов или миграции беженцев; как данные коллизии представлены на новостных сайтах; как распространяется такой контент через блоги и т.д. ^[12].

6. Цифровая лингвистика – изучение интернет-корпуса языков пользователей позволяет определять общественные настроения, превалирующие в социальных сетях, мессенджерах и на других виртуальных платформах, а также определять преобладающий контент СМИ на политические темы. Например, с помощью программного обеспечения (далее – ПО) Provalis Research Text Analytics Software, основными инструментами которого являются QDA Miner, WordStat, можно выполнять анализ числовых и текстовых данных, управление текстовым контентом, анализ кодирования, опросов, имиджа, настроений и мнений аудитории, а также анализ медиафрейминга ^[13].

Таблица 1 – Методы и инструменты исследования политического медиадискурса^[1]

Такие методы как количественный, качественный и смешанный контент-анализ, исходя из таблицы 1, предельно популярны в цифровом пространстве – для проведения анализа медиадискурса разработчики включают в программное обеспечение алгоритмы, работающие наподобие информационно-поисковых систем Google.

Контент-анализ часто проводится в конгломерации с экспертными опросами или интервью с политическими деятелями, что позволяет изучать мотивы или стратегии их самопрезентационной коммуникации. Кроме того, этот вид исследования сочетается с данными панельных или кросс-секционных опросов, тем самым, помогая анализировать влияние коммуникации, например, на формирование общественных мнений или установок.

В последнее время ученые применяют контент-анализ к данным «цифровых следов», например, с целью изучения влияния специфического содержания коммуникации или элементов стиля постов в социальных сетях на реакцию пользователей в виде сигналов популярности.

Импонирование исследователей такому методу изучения политического медиадискурса как контент-анализ, обусловил целесообразность сравнения результатов трудов ученых, обратившихся к разным инструментам: Е.И. Бегловой, О.Ю. Шмелевой (2015), использовавших ручную выборку и качественный контент-анализ, объектом исследования которых стала речь политического лидера на выступлениях за 2012-2015 гг.; и Я.-М. Эберл, П. Толочко, П. Йост, Т. Хайденрайх, Х.Г. Бумгаарден (Eberl, Tolochko, Jost, Heidenreich, Boomgaarden 2020), выполнивших автоматизированный контент-анализ постов Facebook, включая анализ «цифровых следов».

Объектом исследования Е.И. Бегловой и О.Ю. Шмелевой (2015) стала речь В.В. Путина на девяти выступлениях, в результате чего было проанализировано порядка ста сорока лингвистических единиц. Кроме того, перед исследователями были поставлены следующие задачи: выявить те средства языка, что обеспечивают взаимодействие между государственным аппаратом и гражданами России; специфические приемы информационной подачи; способы эффективной коммуникации власти и граждан; установить наличие или отсутствие корреляционной связи между речью президента и официальными документами. В результате проведенного исследования Е.И. Бегловой и О.Ю. Шмелевой (2015) были сделаны следующие выводы: глава государства пейоративно оценивает деятельность других демократических государств; президент большое внимание уделяет важности традиционных ценностей; политический лидер России использует «контрасты» и «оппозицию» в качестве преобладающих речевых стратегий ^[3].

Я.-М. Эберл, П. Толочко, П. Йост, Т. Хайденрайх, Х.Г. Бумгаарден (Eberl, Tolochko, Jost, Heidenreich, Boomgaarden 2020) посредством ПО Microsoft Graph API провели анализ «цифровых следов» пользователей социальных сетей и данных опросов избирателей в рамках многоуровневого подхода отрицательной биномиальной регрессии. Объектом исследования выступили шесть политических партий, принимавших участие в Законодательных выборах в Австрии в 2017 году: "Зеленые", "Список Питера Пильц», NEOS, социал-демократы (SPÖ), ребрендированная Новая народная партия (ÖVP) и «правая» Партия свободы (FPÖ). Авторы проанализировали порядка 51000 сообщений пользователей социальных сетей и около 315 аккаунтов с целью выявить, в каком контексте люди упоминают названия политических партий, с какими темами их связывают ^[11].

Преимущества и недостатки каждого из методов (ручного и автоматизированного) двух вышеупомянутых исследований следует дифференцировать по следующим критериям: верифицируемость полученных результатов; объективность; количество объектов исследования. В процессе анализа работ получены следующие результаты:

- выводы Е.И. Бегловой и О.Ю. Шмелевой (2015) ^[3] демонстрируют характер субъективности и низкой верифицируемости по следующим основаниям. Во-первых, если дать исходные данные другому исследователю, то результаты могут быть совершенно противоположными тем, что получили лингвисты, так как они носят субъективный характер. Кроме того, анализ включает в себя лишь один объект. Кроме того, выводы авторов не соответствуют в полной мере поставленным задачам, так как, например, не выявлены языковые средства, обеспечивающие эффективное взаимодействие между гражданами РФ и государственным аппаратом. Причина этого заключается в том, что работа не включает в себя обратную связь с населением. Иначе говоря, отсутствует принципиально важная детерминанта, которая позволяла бы делать долгосрочные выводы;

- Я.-М. Эберл, П. Толочко, П. Йост, Т. Хайденрайх, Х.Г. Бумгаарден (Eberl, Tolochko, Jost, Heidenreich, Boomgaarden 2020) ^[11] анализируют более крупный массив данных (51000 сообщений в социальных сетях) и применяют математические модели (находят отражение в использованных формулах), в результате чего эмпирическое исследование может повторить другой ученый и получить аналогичные результаты. Кроме того, авторы делают выводы исходя из анализа шести объектов (шести политических партий), в то время как Е.И. Беглова и О.Ю. Шмелева (2015) проводили контент-анализ дискурса одного объекта (политического лидера России – В.В. Путина) – ввиду того, что ручной метод выборки не позволяет проанализировать большое количество материала, как автоматизированный метод, он дает меньшую верифицируемость полученных результатов, в отличие от цифрового способа обработки данных.

Выводы. Методы и инструменты исследования политического медиадискурса интегрируются в цифровые технологии. Среди популярного программного обеспечения, используемого для анализа лингвистического корпуса, следует выделить следующее: Sketch Engine, TermoStat, Nvivo Leading Qualitative Data Analysis Software (QDAS); ATLAS.ti, T-LAB, Provalis Research Text Analytics Software.

Методы и инструменты исследования политического медиадискурса включают в себя: количественный, качественный и смешанный методы контент-анализа; лингвистические, статистические, математические и графические инструменты. Количественный контент-анализ дифференцируется на ручной, автоматизированный или полуавтоматизированный.

Новые цифровые методы контент-анализа являются в большей степени объективными, структурированными и верифицируемыми, ввиду чего ручной метод контент-анализа перестает активно использоваться. На смену ему приходят новые цифровые технологии и инструменты с интегрированным искусственным интеллектом, уже активно применяемым не только в методах анализа и систематизации политического медиаконтента, но и в его генерации, как текстовой, так и визуальной.

Согласно концепции работы современных поисковых систем и программного обеспечения, цифровая обработка интернет-текста выполняется преимущественно по ключевым-словам – дефинициям, составляющим семантическое ядро высказывания или статьи.