Сетевые лингвистические данные и дискурсивное управление: президентские выборы в США 2020 года

Сетевые лингвистические данные и дискурсивное управление: президентские выборы в США 2020 года

Автор: Малышева Ольга Петровна, Рябченко Наталья Анатольевна

Журнал: Вестник Волгоградского государственного университета. Серия 2: Языкознание @jvolsu-linguistics

Рубрика: Языковая личность веб-коммуникантов

Статья в выпуске: 3 т.21, 2022 года.

Бесплатный доступ

В статье описана авторская методика изучения сетевых лингвистических данных как основы глобальных дискурсивных полей в онлайн-пространстве и приведены результаты исследования дискурсивных полей, сформировавшихся в период предвыборной кампании 2020 г. в США. Новаторство предлагаемой методики заключается в совмещении естественно-научных (математический анализ, теория графов, сетевой и реляционный анализ) и современных лингвистических методов (комплексный лингводискурсивный анализ, методы сетевой лингвистики), что открывает возможность представления дискурсивных полей как социальных графов, выявления нарративов и дискурсов, создающих современное глобальное коммуникативное пространство, и их манипуляционного потенциала. Эмпирическую базу исследования составили массивы сетевых данных, включающих сообщения, публикуемые пользователями и командой Д. Трампа в социальной сети Twitter в период с марта по октябрь 2020 года. В результате применения авторской методики визуализированы дискурсивные поля, обозначены области аномальной дискурсивной активности, охарактеризовано взаимодействие дискурсов внутри дискурсивного поля, определены тональность сообщений и уровень их рекуррентности. Показано, что анализ интернет-коммуникации с применением разработанной методики способствует пониманию сути социально-политических и социально-экономических процессов и углублению предиктивной аналитики их развития, а также могут быть использованы для дискурсивного управления с целью усиления конструктивных и нивелирования деструктивных социальных практик в онлайн-пространстве.

Еще

Сетевые лингвистические данные, дискурсивное поле, теория графов, сетевое моделирование, сетевая лингвистика

Короткий адрес: https://sciup.org/149140545

IDR: 149140545   |   DOI: 10.15688/jvolsu2.2022.3.4

Список литературы Сетевые лингвистические данные и дискурсивное управление: президентские выборы в США 2020 года

  • Кара-Мурза С. Г., Смирнов С. В., 2009. Манипуляция сознанием - 2. М. : Эксмо : Алгоритм. 528 с.
  • Катермина В. В., Рябченко Н. А., Малышева О. П., Гнедаш А. А., 2021. Лингвистические модели социально-политической коммуникации в онлайн-пространстве // Вестник Российского фонда фундаментальных исследований. Гуманитарные и общественные науки. №№ 4 (106). С. 87-100. DOI: 10.22204/2587-8956-2021-106-04-87-100
  • Рябченко Н. А., Малышева О. П., 2020. Характеристики современной политической коммуникации в онлайн-пространстве // Вопросы когнитивной лингвистики. N° 2. С. 101-113. DOI: 10.20916/1812-3228-2020-2-101-113
  • Рябченко Н. А., Малышева О. П., Гнедаш А. А., 2019. Управление политическим контентом в социальных сетях в период предвыборной кампании в эпоху постправды // Полис. Политические исследования. № 2. С. 92-106. DOI: 10.17976/jpps/2019.02.07
  • Тимофеева Л. Н., Рябченко Н. А., Малышева О. П., Гнедаш А. А., 2022. Цифровая социально-политическая повестка дня и ее осмысление в условиях новой медиаэкологии // Полис. Политические исследования. N° 2. C. 37-51. DOI: 10.17976/jpps/2022.02.04
  • Bakioglu F., Korkmaz O., Ercan H., 2020. Fear of COVID-19 and Positivity: Mediating Role of Intolerance of Uncertainty, Depression, Anxiety, and Stress // International Journal of Mental Health and Addiction. P. 1-14. DOI: 10.1007/s11469-020-00331-y
  • Bednarek M., Caple H., 2014. Why Do News Values Matter? Towards a New Methodological Framework for Analyzing News Discourse in Critical Discourse Analysis and Beyond // Discourse & Society. Vol. 25, iss. 2. P. 135-158.
  • Dimock M., Gramlich J., 2021. How America Changed During Donald Trump's Presidency. URL: https:// www.pewresearch.org/2021/01/29/how-america-changed-during-donald-trumps-presidency/
  • Felt M., 2016. Social Media and the Social Sciences: How Researchers Employ Big Data Analytics // Big Data & Society. Vol. 3, iss. 1. DOI: 10.1177/ 2053951716645828
  • Gramlich J., 2020. What the 2020 Electorate Looks Like by Party, Race and Ethnicity, Age, Education and Religion. URL: https://www.pewresearch. org/fact-tank/2020/10/26/what-the-2020-electorate-looks-like-by-party-race-and-ethnicity-age-education-and-religion/
  • Grossi V, Rapisarda B., Giannotti F., Pedreschi D., 2018. Data Science at SoBigData: The European Research Infrastructure for Social Mining and Big Data Analytics // International Journal of Data Science and Analytics. № 6 (3). P. 205-216.
  • Hess A.J., 2020. The 2020 Election Shows Gen Z's Voting Power for Years to Come. URL: https:// www.cnbc.com/2020/11/18/the-2020-election-shows-gen-zs-voting-power-for-years-to-come.html
  • Holbein J. B., Hillygus D. S., 2020. Making Young Voters: Converting Civic Attitudes into Civic Action. Cambridge : Cambridge University Press. 282 p.
  • Khan T. H., MacEachen E., 2021. Foucauldian Discourse Analysis: Moving Beyond a Social Constructionist Analytic // International Journal of Qualitative Methods. Vol. 20. DOI: 10.1177/16094069211018009
  • Liu Y. Y., Slotine, J.J., Barabasi A. L., 2011. Controllability of Complex Networks // Nature. № 473. P. 167-173. DOI: 10.1038/nature10011
  • Madung O., Obilo B., 2021. How to Manipulate Twitter and Influence People: Propaganda and the Pandora Papers in Kenya // Analytical Report. Mozilla Foundation. URL: https://assets. mofoprod.net/network/documents/pandora_disinfo_report_2_hcc.pdf
  • Malysheva O., Ryabchenko N., 2020a. Hashtags As Structural Elements of Digital Socio-Political Agenda: Folksonomy Analysis // International Scientific Forum "Issues of Modern Linguistics and the Study of Foreign Languages in the Era of Artificial Intelligence (Dedicated to World Science Day for Peace and Development)" (LLT Forum 2020) (Moscow, November 10-12, 2020). Moscow : EDP Sciences. № 88. P. 1199-1209. DOI: 10.1051/shsconf20208801025
  • Malysheva O., Ryabchenko N., 2020b. Innovative Approaches in Linguistics: Network Analysis of Linguistic Data // Proceedings of the X International Conference "Word, Utterance, Text: Cognitive, Pragmatic and Cultural Aspects (WUT 2020)" (Chelyabinsk, April 27-29, 2020). European Proceedings of Social and Behavioural Sciences. № 86. S. 1199-1209. DOI: 10.15405/ EPSBS.2020.08.138
  • Mayo M., 2020. Community-Based Learning and Social Movements: Popular Education in a Populist Age. Bristol : Policy Press. 216 p.
  • McLaughlin M., 2021. Martyn McLaughlin : Personal Blog. URL: https://martynmclaughlin.com Mondon A., Winter A., 2020. Reactionary Democracy: How Racism and the Populist Far Right Became Mainstream. L. : Verso Books. 240 p.
  • Potts A., Bednarek M., Caple H., 2015. How Can Computer-Based Methods Help Researchers to Investigate News Values in Large Datasets? A Corpus Linguistic Study of the Construction of Newsworthiness in the Reporting on Hurricane Katrina // Discourse & Communication. № 9 (2). P. 149-172. DOI: 10.1177/1750481314568548
  • Prensky M., 2001. Digital Natives, Digital Immigrants. Part 1 // On the Horizon. Vol. 9, № 5. P. 1-6.
  • Ryabchenko N., Malysheva O., 2020. Explanatory Model of Digital Socio-Political Agenda // De-Westernizing Media and Cultural Studies: New Discourse Practices in the Digital World : Proceedings of 12th International Media Readings in Moscow "Mass Media and Communications 2020" (Moscow, November 19-20, 2020). Moscow : Fakul'tet zhurnalistiki FGOUVO, Moskovskij gosudarstvennyj universitet im. M.V Lomonosova. P. 84-85.
  • Sarkar D., 2016. Text Analytics with Python. N. Y. ; Berkeley : USA Apress. 674 p. DOI: 10.1007/ 978-1-4842-4354-1
  • Wahl-Jorgensen K., 2019. Emotions, Media and Politics. Contemporary Political Communication. Cambridge : Polity Press : John Wiley & Sons. 248 p.
Еще
Статья научная
SciUp 2024 © 2024 ©