сотрудник с 01.01.2023 по настоящее время
ФГБОУ ВО СибГМУ Минздрава России (Управление международного развития, Начальник)
сотрудник с 01.01.2016 по настоящее время
Томск, Томская область, Россия
УДК 80 Общие вопросы лингвистики и литературы. Филология
ГРНТИ 16.31 Прикладное языкознание
ГРНТИ 16.21 Общее языкознание
ОКСО 45.06.01 Языкознание и литературоведение
ББК 80 Филологические науки в целом
ББК 81 Языкознание
ТБК 84 Филологические науки
ТБК 841 Общее и прикладное языкознание
BISAC LAN000000 General
Цель – изучить стратегии риск-коммуникации в профессиональном сегменте новостного медиадискурса в период новой коронавирусной инфекции с использованием метода прикладного сетевого анализа. Научная новизна заключается в применении комплексного подхода к изучению феномена риск-коммуникации, который основан на методах математической обработки текстовых данных. Материал – тексты новостей, размещенные на официальных сайтах Министерства здравоохранения Российской Федерации и Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека в период первой итерации ограничительных мер, связанных с пандемией новой коронавирусной инфекции (март 2020 г.). Использованы методы математического анализа текста и методы дискурс-анализа. Для визуализации и последующей интерпретации лексической репрезентации пандемии в профессиональном сегменте новостного медиадискурса применен прикладной сетевой анализ. Он выполнен в свободном программном обеспечении R Studio версии 4.4.1 с использованием библиотеки Quanteda, а также встроенных пакетов base и функции gsub (замена участков строк). На базе обработанных данных с помощью функции topfeatures определены наиболее частотные лексические единицы; объем датасета составил 30723 слова. Доказано, что для анализируемого типа дискурса характерны стратегии минимальной и умеренной коммуникации, которые направлены на сдерживание роста панических настроений среди населения.
медиадискурс, риск-коммуникация, прикладной сетевой анализ, новости, обработка естественного языка, лексическая репрезентация, новая коронавирусная инфекция
1. Басараб М. А., Глинская Е. В., Иванов И. П., Колесников А. В., Кузовлев В. И. Исследование структуры графа научного соавторства методами анализа социальных сетей. Вопросы кибербезопасности. 2017. № 1. С. 31–36. https://elibrary.ru/xxhpvp
2. Бурганова Л. А., Исхакова Э. И. Риск-коммуникация как механизм эффективного управления рисками. Вестник экономики, права и социологии. 2019. № 1. С. 132–135. https://elibrary.ru/gpfjof
3. Иванов А. В. Доверие и риск-коммуникация в публичном пространстве: нормативное измерение. Наука и современность. 2015. № 37-2. С. 65–70. https://elibrary.ru/tufemj
4. Исхакова Э. И. Технологии риск-коммуникации в сфере международного туризма: медиа-волны в эпоху COVID-19. Вестник экономики, права и социологии. 2020. № 2. С. 144–147. https://elibrary.ru/ekpfgf
5. Кожемякин Е. А. Дискурс-анализ как междисциплинарный проект: между методом и идеологией. Научные ведомости Белгородского государственного университета. Серия: Гуманитарные науки. 2015. № 6. С. 5–12. https://elibrary.ru/vwyzrf
6. Купчинова Т. В. Риск и рисковые коммуникации. Философия и социальные науки. 2009. № 1-2. С. 48–52.
7. Оломская Н. Н. К вопросу о жанровой классификации медиадискурса. Научный диалог. 2013. № 5. С. 250–259. https://elibrary.ru/qcqeix
8. Плешкова Е. К. Дискурсивная маркированность лексики пандемии: сетевой анализ дискурсов. Актуальные проблемы лингвистики и литературоведения: X (XXIV) Междунар. науч.-практ. конф. (Томск, 13–15 апреля 2023 г.) Томск: НИ ТГУ, 2023. С. 97–103. https://doi.org/10.17223/978-5-907572-02-7-2023-19
9. Плешкова Е. К., Резанова З. И. Влияние противоэпидемических (карантинных) мероприятий в условиях пандемии COVID-19 на население: выявление ключевых тематик с помощью социально-сетевого анализа. Бюллетень сибирской медицины. 2024. Т. 23. № 4. С. 120–128. https://elibrary.ru/xucwom
10. Резанова З. И. Фреймирование ситуации пандемии в новостном дискурсе. Когнитивные исследования языка. 2024. № 1-2. С. 327–330. https://elibrary.ru/nycvnn
11. Резанова З. И., Степаненко А. А. Дискурсивные варианты тематического моделирования пандемии COVID-19 (новостной медиадискурс vs социальные сети). Вестник Томского государственного университета. Филология. 2023. № 86. С. 84–101. https://elibrary.ru/jrufis
12. Уварова Е. А. Медиатекст и медиадискурс: к проблеме соотношения понятий. Вестник Московского государственного областного университета. Серия: Лингвистика. 2015. № 5. С. 47–54. https://elibrary.ru/vcqgfj
13. Ширяева О. В. Информационно-аналитический медиадискурс как предмет коммуникативно-дискурсивного исследования. Медиаскоп. 2012. № 4. https://elibrary.ru/pkzhjn
14. Ahmad W., Wang B., Martin P., Xu M., Xu H. Enhanced sentiment analysis regarding COVID-19 news from global channels. Journal of computational social science, 2023, 6(1): 19–57. https://doi.org/10.1007/s42001-022-00189-1
15. Bokaee Nezhad Z., Deihimi M. A. Twitter sentiment analysis from Iran about COVID 19 vaccine. Diabetes & Metabolic Syndrome: Clinical Research & Reviews, 2022, 16(1). https://doi.org/10.1016/j.dsx.2021.102367
16. Singer N. Coronavirus media discourse and current situation (QCA for different responses to combat COVID-19). Humanities & Social Sciences Reviews, 2020, 8(3). https://elibrary.ru/sdbbfa
17. Stefanis C., Giorgi E., Kalentzis K., Tselemponis A., Nena E., Tsigalou C., Kontogiorgis C., Kourkoutas Y., Chatzak E., Dokas I., Constantinidis T., Bezirtzoglou E. Sentiment analysis of epidemiological surveillance reports on COVID-19 in Greece using machine learning models. Frontiers in Public Health, 2023, 11. https://doi.org/10.3389/fpubh.2023.1191730
18. Wang J., Fan Y., Palacios J., Chai Yu., Guetta-Jeanrenaud N., Obradovich N., Zhou Ch., Zheng S. Global evidence of expressed sentiment alterations during the COVID-19 pandemic. Nature Human Behaviour, 2022, 6(3): 349–358. https://elibrary.ru/xiqnug
19. Yakunin K., Mukhamediev R. I., Zaitseva E., Levashenko V., Yelis M., Symagulov A., Kuchin Ya., Muhamedijeva E., Aubakirov M., Gopejenko V. Mass media as a mirror of the COVID-19 pandemic. Computation, 2021, 9(12). https://doi.org/10.3390/computation9120140
