Методика выявления особенностей контента в популярных общественно-политических Telegram-каналах

В статье представлена методика автоматизированного анализа контента популярных общественно-политических Telegram-каналов и результаты ее апробации на эмпирическом материале из более 3 миллионов постов за период 2021–2024 гг. из 80 наиболее цитируемых публичных каналов, отобранных на основе рейтинга TGStat. Актуальность исследования обусловлена ключевой ролью цифровых платформ, в частности Telegram, в формировании современной публичной повестки, а также необходимостью разработки надежных инструментов для изучения механизмов сетевой коммуникации, таких как сетевое социальное заражение. Основной целью работы являлась разработка и верификация комплексного методического подхода, позволяющего выявлять устойчивые характеристики контента: тематическую структуру, значимые слова (в том числе ключевые именованные сущности: персоны, организации, локации и т.п.), эмоционально-оценочные паттерны (тональность, эмоции, степень токсичности) и семантические связи между каналами. В качестве основных инструментов обработки данных использовались открытые, предварительно обученные модели. Выполнена оценка связей между упоминаемыми именованными сущностями, с одной стороны, и типом тональности, и степенью токсичности – с другой; построены графы тематических и контекстных связей между отобранными для изучения публичными Telegram-каналами. Несмотря на тенденцию к формированию явных контекстных кластеров, в целом популярным общественно-политическим каналам свойственна тематическая однородность. Контент в них подается преимущественно в нейтральном, безэмоциональном ключе при доминировании однозначно «тревожных» для общества тем. Обращает на себя внимание высокая степень персонификации описываемых событий, при этом «противники» часто обозначаются не только как персоны, но и как организации. Полученные результаты могут быть в дальнейшем использованы для изучения механизмов: 1) формирования новых способов политического убеждения в Интернете, групповой поляризации и онлайн-активизма под влиянием сетевого социального заражения; 2) тематического заражения и 3) формирования, воспроизводства и закрепления культурных практик. Ограничения предложенного методического подхода связаны с зависимостью результатов от качества предобученных моделей и необходимостью дополнительной экспертной интерпретации количественных данных при анализе формирующихся семантических кластеров.

общественно-политический дискурс, Telegram, тематическая кластеризация, анализ тональности, сетевое социальное заражение, автоматизация анализа контента