Analysis of ChatGPT-generated texts on Taiwan’s disputed status

Full Text

Введение

Технологии искусственного интеллекта активно внедряются в различные сферы общественного функционирования. Инструменты, генерирующие из огромного массива данных тексты и фотоизображения, становятся крайне популярными среди разных представителей общества. Один из наиболее известных из них – ChatGPT. Однако параллельно стали появляться и множественные аналоги, в том числе российские, например, YandexGPT, встроенный в голосовой помощник «Алиса», GigaChat – российский аналог ChatGPT от «Сбера» и другие.

Появление подобных инструментов, во многом обусловленное развитием технологий и алгоритмов, основанных на нейронных сетях, инициировало большое количество вопросов. Действительно, языковые модели могут существенно облегчить решение ряда задач, но при этом и создать характерные проблемы, в том числе – непредвзятости информации, выдаваемой с помощью подобных алгоритмов (Одноконный, Рогач, 2023; Baum, Villasenor, 2023). Ведь данные инструменты используются не только для относительно нейтральных запросов, например, поиска информации о конкретном животном или географическом объекте, но также и о куда более субъективных вещах^[1].

Для большинства людей такой вопрос может показаться странным, так как сбор и обработку данных осуществляет алгоритм, не обладающий (чего напрасно опасаются некоторые группы граждан) собственным самосознанием и мнением (Беляков, Максименко, 2023). Однако, очевидно, что содержание текстов будет зависеть от двух основных факторов:

— специфика алгоритма и его настройка, на которой основан инструмент (т. е. придает ли он большее значение тем или иным источникам, отдельным маркерам, словам, позициям и т. д.);

— массив текста, используемый для обработки и обучения (насколько он широк, включает ли в себя достаточное количество источников с различными позициями и т. д.).

Очевидно, что даже без специализированной подстройки алгоритмов, если использовать в качестве массива данных исключительно, допустим, западноевропейские источники информации (СМИ, базы данных, государственные сайты), то результат запроса на их основе будет кардинально отличаться от результата при преимущественном использовании ресурсов Китая, России или стран арабского мира. Это связано с разной интерпретацией фактов, трактовок, элементов пропаганды, культурных различий и многого другого (Subbotkin, 2017; Lidgren, 2019; Петухов и др., 2023).

Результаты генерации подобных инструментов уже используются при написании статей в СМИ, анализе исторических данных, в том числе исследователями, а не только рядовыми пользователями. Скорее всего, частота использования будет расти, а, следовательно, с помощью обозначенных инструментов возрастет и масштаб влияния со стороны различных субъектов политики на политические взгляды индивидов, их культурную и национальную идентичность и т. д.

Кроме того, ввиду общей специфики и архитектуры алгоритмов, ChatGPT, по сути, должен являться неким общим «сумматором» накопленных массивов данных в сети Интернет по запрошенной тематике, т. е. по результатам генерации текстов можно также делать осторожный вывод об общих тенденциях в мировых СМИ, базах данных, некоторых социальных сетях.

Указанные аспекты на данный момент не были проанализированы в достаточной мере: на момент написания статьи в международных базах цитирования практически отсутствуют исследования, посвященные выбранной тематике. Безусловно, это в большей степени связано с крайне быстрым развитием технологий и специфическими задержками с публикацией исследований и их проведением.

Данная работа направлена на изучение специфики генерируемых текстов по конкретной проблематике (политический статус Тайваня в современном мире) одним из подобных ресурсов – ChatGPT. Вопрос политического статуса выбран не случайно: это весьма значимая геополитическая проблема, которая характеризуется наличием двух непримиримых сторон, возможностью перерастания в военный конфликт, а также высокой значимостью всех сторон для мировой экономики и политики (Chou, 2018). Актуальность данной темы отражается и в сохраняющемся в последние годы интересе к ее рассмотрению в научном сообществе (Конуров, 2020; Дикарев, Лукин, 2021; Гудев, Мишин, 2022; Пузыня, 2022; Фадеева, 2023).

Цель исследования заключается в выявлении особенностей презентации соответствующих текстов по ключевым текстовым запросам, связанным с двумя подходами к проблематике работы: рассмотрению Тайваня как части Китайской Народной Республики или как независимого и суверенного территориального образования.

Методы и материалы

Подбор исследовательских методов и порядок их применения обусловлены основной целью работы. В качестве базовых методов используются контент-анализ количественного типа и фрейм-анализ. Количественный контент-анализ «может быть представлен как систематизированное изучение содержания письменного или устного текста с фиксацией наиболее часто повторяющихся в нем словосочетаний или сюжетов» (Боришполец, 2012, с. 62). Такой анализ позволит выявить наличие/отсутствие ключевых слов-маркеров, содержащих в себе символическую коннотацию применительно к выбранной проблематике и частоту их использования. В данном случае целесообразно прибегнуть к ненаправленному контент- анализу, который позволит выявить подобные слова-маркеры непосредственно в ходе проведения самого текстового анализа.

Особое внимание должно быть уделено сбору и формированию информационного массива данных, так как необходимо подобрать поисковый текстовый запрос, релевантный двум подходам к проблематике политического статуса Тайваня. В состав текстового запроса должны быть включены как минимум две части: содержательно-смысловая и временна2я.

Первая будет по характерным маркерам определять позицию, доминирующую в конкретном текстовом результате информационного запроса (содержащую позиционирование Тайваня как независимого государства (Жук, 2023) или нет). Вторая часть, временная, будет включать конкретный год, чтобы можно было отследить динамику результата и минимизировать шанс ошибки за счет выборки (например, если случайным образом в какой-то период времени одна из точек зрения аномально превалировала).

В результате, после проверки различных вариантов, были сформулированы два шаблона текстовых запросов:

— «Taiwan as an independent entity in…»;

— «Taiwan as part of China in…».

За основу были взяты четыре временных точки: 2010, 2015, 2020 и 2023 гг. Итоговые текстовые запросы выглядели следующим образом: «Taiwan as an independent entity in 2010», «Taiwan as part of China in 2010» и т. п. Временные точки выбраны на основе принципа равноудаленности: они включают в себя одинаковые интервалы, за исключением 2023 г. (год проведения исследования). По ходу работы выяснилось, что алгоритмы инструмента позволяют генерировать тексты за период до 2021 г. В случае текстов, датированных более поздними годами, ситуация сложнее. Они представляют собой некие прогнозы, формируемые искусственным интеллектом. Возможно, это результат смешения годов исследований, т. е. алгоритмы могут выбрать текст 2022 г. для анализа по 2010 г. (так как в нем писалось о ситуации в 2010 г.) или же текст 2010 г. для анализа по 2022 г. (так как в нем содержался прогноз на 2022 г.). Конечно, это несколько размывает временны2е границы и точность динамики, но, поскольку основ­ная цель исследования иная, данные искажения не снижают релевантности выводов.

Проведение контент-анализа позволит установить количество слов-маркеров, представленных в генерируемых ИИ текстах, а сравнительный анализ по разным годам даст возможность отследить динамику изменения представленности конкретных слов и специфики выражаемого с их помощью смысла.

Важную роль в проведении текущего исследования играет и применение метода фрейм-анализа. Термин «фрейм», как пишет В.С. Вахштайн^[2], является собирательным обозначением контекста» (Вахштайн^[3], 2011, с.41). В научных исследованиях встречаются разнообразные примеры задействования указанного метода. В частности, Н. Раушер и М. Шефер в одной из своих недавних работ на примере анализа избирательной кампании Э. Уоррен, участницы праймериз Демократической партии США 2019–2020 гг., рассматривают вопрос о том, какие нарративы о неравенстве используются в (прогрессивном) политическом дискурсе в Соединенных Штатах («(progressiven) politischen Diskurs der Vereinigten Staaten») и как они передаются и оцениваются с использованием фреймов (Rauscher, Schäfer, 2022).

Применение фрейм-анализа в текущей работе позволит выделить конкретные символико-смысловые/тематические единицы-фреймы и определить их популярность в текстах, полученных по различным запросам. Естественно, часть установленных фреймов будет в некоторой степени перекликаться со сформированными текстовыми запросами для ChatGPT, но их выделение является крайне важным с точки зрения популярности и наличия/отсутствия преобладания одного из двух подходов к обозначенной проблематике. В свою очередь, информация о выявленных фреймах будет дополнена конкретными словами, словосочетаниями и выражениями, подкрепляющих тот или иной фрейм.

Результаты и обсуждение

Информационный массив данных составил шесть сгенерированных искусственным интеллектом текстов по обозначенным текстовым запросам, общее количество слов для анализа – 1402. Распределение общего объема слов по годам и разным текстовым запросам отображено на рис. 1.

Рис. 1. Общий объем слов в сгенерированных ИИ текстах, по годам
Источник: составлено авторами на основе данных ChatGPT

Figure 1. Volume of words in AI-generated texts, by year
Source: compiled by the authors based on ChatGPT data.

Уточним, что формулировки текстовых запросов различаются в зависимости от года своей временной составляющей, например, за 2010 г. использовался такой запрос, как «Taiwan as part of China in 2010», а за 2015 – «Taiwan as part of China in 2015» и т. п. Согласно данным таблицы, по запросу «Taiwan as an independent entity» ИИ генерирует тексты большего объема, чем по запросу «Taiwan as part of China».

Максимальный по объему текст по запросу «Taiwan as an independent entity» генерируется ИИ в 2020 г., минимальный – в 2015 г. Максимальный по объему текст по запросу «Taiwan as part of China» генерируется ИИ также в 2020 г., а минимальный – в 2010 г.

Линии тренда практически параллельны в случае двух текстовых запросов в два периода: с 2015 по 2020 г. и с 2020 по 2023 г. В период с 2010 по 2015 г. наблюдается обратное изменение обеих линий (изменение объема слов сгенерированных текстов).

Проводя контент-анализ, мы выделили слова-маркеры, использование которых в представленном в информационном массиве контексте говорит либо о независимости и суверенитете Тайваня как территориальной единицы, либо как о части КНР (Сунь, 2018; Шаров, 2018). В первом случае речь идет о следующих словах/выражениях-маркерах: «independent», «own» «international», «state», «diplomatic», «separate», «country», «nation», «foreign», «Republic of China», «sovereign», «Chinese Teipei», «WTO», «UN». Всего в сгенерированных текстах по обоим типам запросов и во все годы (в соответствующем смысловом контексте) данные слова использовались ИИ 88 раз. Во втором случае речь идет о таких словах/выражениях-маркерах, как: «part/province of its/China territory», «sovereignty», «control», «One China Policy», «representative of China». Всего в сгенерированных текстах по обоим типам запросов и во все годы (в соответствующем смысловом контексте) данные слова использовались ИИ 18 раз. Распределение частоты слов/выражений-маркеров по обоим типам запросов по разным годам представлено на рис. 2.

Как видно из диаграммы и таблицы, ИИ намного чаще генерирует слова/выражения-маркеры, которые говорят о независимом и суверенном статусе Тайваня как территориальной единицы, чем как о части КНР, причем наблюдается нелинейная динамика изменения по годам с пиковым значением в 2020 г. и с минимальным значением в 2023 г. Частота встречаемости слов/выражений-маркеров, отражающих территориальную принадлежность Китаю, оказалась одинаковой на протяжении сразу трех временных промежутков, и только в 2023 г. обозначенные слова используются значительно меньшее количество раз. Распределение конкретных слов/выражений-маркеров по обозначенным текстовым запросам по годам представлено на рис. 3.

В случае со словами/выражениями-маркерами, отражающими независимый и суверенный статус Тайваня, наблюдается более активное их генерирование в текстах по запросам «Taiwan as an independent entity», чем по запросам «Taiwan as part of China», что вполне объяснимо, причем наблюдается и схожая динамика изменений в два временных периода, с 2015 по 2020 г. и с 2020 по 2023 г. Относительно слов/выражений-маркеров, отражающих территориальную принадлежность Тайваня КНР, ситуация несколько иная: общая частота генерирования подобных слов по обоим текстовых запросам одинаковая (по 9 раз) с некоторыми расхождениями по разным годам наблюдений. Впрочем, необходимо обратить внимание на небольшую частоту генерирования данных слов в целом по разным годам.

Рис. 2. Общее количество слов/выражений-маркеров в сгенерированных ИИ текстах по запросам обоих типов, по годам
Источник: составлено авторами на основе данных ChatGPT.

Figure 2. Total number of words/expressions-markers in AI-generated texts based on both types of queries, by year
Source: compiled by the authors based on ChatGPT data.

По результатам проведения фрейм-анализа установлено наличие во всем информационном массиве как минимум трех распространенных фреймов, которые условно можно обозначить следующим образом: «Independent entity», «The part of China» и «Tensions and confrontation». О наличии выделенных фреймов свидетельствуют слова и выражения, представленные в сгенерированных текстах. В частности, фрейм «Independent entity» составляют следующие лексемы, словосочетания и выражения: «Republic of China» («ROC»), «considers itself a sovereign state», «own government», «own military», «its de facto independence», «own constitution», «has own political system» и др.

Рис. 3. Общее количество слов/выражений-маркеров двух тематических направлений в сгенерированных ИИ текстах по запросам обоих типов, по годам
Источник: составлено авторами на основе данных ChatGPT.

Figure 3. Total number of marker words of two thematic areas in AI-generated texts based on queries of both types, by year
Source: compiled by the authors based on ChatGPT data.

Содержание фрейма «Part of China» составляют следующие языковые единицы: «not recognized as an independent entity», «to be a part of its territory», «not as a fully recognized independent state», «not recognized by the United Nations as an independent country», «the People’s Republic of China (PRC) considers Taiwan to be a part of its territory» и др.

Наличие фрейма «Tensions and confrontation» подтверждается следующими сгенерированными словами и выражениями: «has not renounced the use of force to bring it under its control», «ongoing tensions between Taiwan and China», «pressure from China», «China tries to isolate Taiwan diplomatically», «China tries to limit its international recognition», «the People’s Republic of China (PRC) strongly opposes any moves toward Taiwanese independence», «ongoing pressure from the PRC to reintegrate with the mainland» и др.

На основании подсчета количества слов и выражений, составляющих тот или иной фрейм, можно определить степень популярности фреймов по отношению друг к другу по годам. Данная статистика приведена на рис. 4.

Рис. 4. Популярность фреймов в сгенерированных ИИ текстах, по годам
Источник: составлено авторами на основе данных ChatGPT.

Figure 4. Popularity of frames in AI-generated texts, by year
Source: compiled by the authors based on ChatGPT data.

Наиболее распространенным стал фрейм «Independent entity», причем показатели его встречаемости в генерируемых текстах оказались ощутимо выше аналогичных показателей других фреймов. Исключением стали показатели 2023 г., где «преимущество» обозначенного фрейма не столь велико. Любопытно, что сгенерированный текст по 2023 г. – это прогнозный текст, когда искусственный интеллект пытается спрогнозировать ответ на оба используемых текстовых запроса («Taiwan as an independent entity in 2023» и «Taiwan as part of China in 2023»). Если минимальный уровень частоты встречаемости фрейма «Independent entity» приходится на 2023 г., то максимальный уровень – на 2020 г.

Отметим схожую структуру изменений показателей распространенности всех трех выявленных фреймов по разным годам, но с различной амплитудой изменений: в частности, обращает на себя внимание серьезное снижение частоты встречаемости фрейма «Independent entity» в «прогнозном» 2023 г. (по сравнению с 2020 г.), значительное увеличение популярности фрейма «Tensions and confrontation» в 2020 г. (по сравнению с 2015 г.) и практически аналогичное ему снижение популярности указанного фрейма в 2023 г. В целом, подчеркнем, что самым распространенным оказался фрейм «Independent entity» (общее количество знаково-символических единиц анализа равно 86), за ним следуют «Tensions and confrontation» (31 знаково-символическая единица анализа) и «The part of China» (c показателем знаково-символических единиц, равным 26).

Такое отличие и падение количества маркеров в 2023 г. можно объяснить попыткой алгоритмов сделать прогноз, а не использовать исключительно уже созданные массивы текста на данный год. Недостаток текущих данных и несовершенство алгоритмов с точки зрения описания возможных сценариев приводит к изменению характерной картины маркеров и увеличению количества малосодержательных общих фраз в тексте, что подробнее проанализируем в следующей части статьи.

Выводы

Во-первых, по текстовому запросу, напрямую связанному с независимым и суверенным политическим статусом Тайваня, искусственный интеллект генерирует тексты большего объема, чем по текстовому запросу, относящемуся к утверждению о его территориальной принадлежности Китайской Народной Республике. Это может свидетельствовать о том, что в англоязычной литературе доминирует рассмотрение вопроса о территориальном статусе Тайваня как независимого, суверенного субъекта. Подчеркнем, в содержании текстовых запросов использованы максимально упрощенные и, на наш взгляд, наиболее релевантные формулировки.

Во-вторых, выявив с учетом используемого контекста слова/выражения-маркеры, поддерживающие один из двух противоположных подходов к пониманию территориального статуса Тайваня, и подсчитав частоту их встречаемости во всех сгенерированных текстах, можно отметить абсолютное преимущество по данному показателю слов/выражений-маркеров, символически отражающих идею о независимом и суверенном политическом статусе Тайваня, а не о его территориальной принадлежности КНР. Разумеется, слова/выражения-маркеры, передающие идею о независимом и суверенном политическом статусе Тайваня, встречаются преимущественно в текстах, сгенерированных по соответствующему запросу. Впрочем, и в текстах, сгенерированных ИИ по обратному смысловому варианту, нередко встречаются подобные семиотические единицы-маркеры. Слова-маркеры могут быть нацелены, прежде всего, на усиление психологической реакции индивида при описании какого-либо процесса или события, способствующего формированию в его сознании определенного ассоциативного ряда. Зачастую, чем больше объем информации, тем выше вероятность использования в ней подобных знаковых единиц (хотя такая закономерность, вероятно, наблюдается далеко не всегда). Подобные слова и выражения можно поделить на типы, причем различные знаковые единицы-маркеры обладают и разным потенциалом влияния на сознание индивида, а в дальнейшем – на его поведение как ответную реакцию на информационное воздействие.

Выявленные слова/выражения-маркеры, отражающие идею о независимом и суверенном политическом статусе Тайваня, можно разделить как минимум на те из них, которые (1) фиксируют непосредственно статус территориальной единицы («state», «country», «nation» и др.) и (2) характеризуют его (и его действия) по отношению к КНР и другим странам («independent», «separate», «international», «diplomatic» и др.). В свою очередь, установленные слова/выражения-маркеры, передающие идею о территориальной принадлежности Тайваня КНР, можно разделить как минимум на те из них, которые также (1) определяют статус территории («part/province of its/China territory», «representative of China» и др.) и (2) описывают действия Китая по отношению к Тайваню («control», «One China Policy» и др.).

Точную причину такого явления определить достаточно сложно, поскольку она может быть следствием как одного фактора, так и нескольких, в том числе намеренных, спровоцированных с целью cформировать конкретную политическую повестку, и ненамеренных, полученных в результате технических ограничений, несовершенства алгоритмов и ограниченности массивов данных.

В-третьих, наибольший объем текста по запросу о независимом и суверенном политическом статусе Тайваня и наибольшее количество соответствующих слов/выражений-маркеров представлено в сгенерированном ИИ тексте 2020 г. Интересно, что наибольший объем текста и по другому запросу, содержащему идею о территориальной принадлежности Тайваня КНР, сгенерирован ИИ также в 2020 г., но соответствующих содержанию запроса знаковых единиц-маркеров в тексте 2020 г. представлено столько же, сколько и в предыдущие годы.

Особенности генерирования ИИ текстов по указанным запросам могут обуславливаться частотой обсуждения указанной темы в интернет-пространстве, что, в свою очередь, вызвано определенным событийным рядом, в частности, победой Демократической прогрессивной партии на парламентских выборах в январе 2020 г., а также уверенной победой ее лидера Цай Инвэнь на президентских выборах того же года, выступающих за самостоятельность острова^[4], визитом на Тайвань спикера чешского Сената Милоша Выстрчила в августе того же года и реакцией на это событие со стороны КНР^[5], проведением военных учений КНР в Южно-Китайском море в июле^[6] и последующими учениями США в этом же районе^[7]. Возможно и наличие других причин подобного генерирования текстов искусственным интеллектом, например, технологического свойства (вызванных спецификой обучения и работы нейронной сети и т. д.) или особенностями текстового запроса (подчеркнем, для поиска информационного массива использовались максимально упрощенные варианты формулировок текстовых запросов).

В-четвертых, говоря о выявленных фреймах и их популярности в проанализированных текстовых данных, отмечаем наибольшую частоту использования именно фрейма «Independent entity», что согласуется с другими результатами, описанными выше. Причем, всплеск популярности обозначенного фрейма также приходится именно на 2020 г. Интересно, что в «прогнозном» тексте, генерируемом ИИ на период 2023 г., указанный фрейм хотя и продолжает оставаться самым распространенным, но частота его использования серьезно уменьшается и не так преобладает над показателями популярности двух других фреймов, как в более ранние периоды. Это может быть вызвано в целом снижением объема текстов, генерируемых ИИ по 2023 г. по сравнению с 2020 г. (хотя по показателю объема слов они находятся на втором месте среди всех четырех временных отрезков), а, возможно, – «стремлением» искусственного интеллекта сделать в будущем генерируемые тексты по данной проблематике более нейтральными по своей тональности, что перекликается и со снижением количества слов/выражений-маркеров, отражающих оба подхода к проблеме политического статуса Тайваня, в обоих текстах, сформированных ИИ по запросам двух типов по 2023 г. Кроме того, причина может заключаться в несовершенстве технической стороны для прогнозирования, что является более сложной математической задачей, нежели классическая обработка данных. Не забываем и о возможном наличии факторов технического свойства, повлиявших на результаты генерирования ИИ «прогнозного» текста 2023 г.

Отдельно отметим, что вторым по популярности стал фрейм «Tensions and confrontation», а не другой фрейм (созвучный содержанию одного из текстовых запросов) – «The part of China». Особую роль в этом сыграла степень распространенности обозначенного фрейма именно в тексте 2020 г., а причиной подобной популярности может быть названа специфика событийного ряда, который представлен в одном из пунктов выше.

В целом наблюдается схожая динамика изменения популярности всех выявленных фреймов: рост показателей распространенности с 2010 по 2020 г. со снижением (в двух случаях из трех – со значительным уровнем снижения) к «прогнозному» для ИИ 2023 г.

В ходе выполнения фрейм-анализа была предпринята попытка поиска других фреймов, в частности, «Cooperation», но найти знаковые единицы, отражающие такой фрейм применительно к идее взаимодействия КНР и Тайваня, не удалось. Отчасти подобный фрейм проявляется в представленной в одном из текстов идее о членстве Тайваня во Всемирной торговой организации: «…Taiwan is an active participant in international organizations and events under the name “Chinese Taipei”. It is a member of the World Trade Organization under this designation and participates in some other international forums and events, but not as a fully recognized independent state» («Тайвань является активным участником международных организаций и мероприятий под названием «Китайский Тайбэй». Под этим названием он является членом Всемирной торговой организации и участвует в некоторых других международных форумах и мероприятиях, но не как полностью признанное независимое государство»).

Практически никак не представлен в сгенерированном ИИ информационном массиве и фрейм, связанный с гражданской (национальной) идентичностью, не считая отдельных редких упоминаний данной темы («The majority of Taiwanese people identify themselves as Taiwanese rather than Chinese…» («Большинство тайваньцев идентифицируют себя как тайваньцы, а не китайцы…») и т. д.).

Заключение

В данной работе был проанализирован массив текстов, сгенерированных ChatGPT по заданной тематике, и выявлены характерные закономерности, которые могут получить различную интерпретацию и объяснения. В результате исследования обнаружено, что маркеры позиционирования статуса Тайваня как «независимого государства» имеют существенное количественное преимущество по различным временным точкам, нежели маркеры, связанные с позиционированием Тайваня как части Китайской Народной Республики.

Чтобы сделать более определенные выводы о специфике и механизмах работы алгоритмов инструмента, необходимы дальнейшие глубокие и массовые исследования с применением методов математического анализа и моделирования (Petukhov et al., 2018; Petukhov et al., 2020), а также сравнительных исследований, с учетом того, что сам инструмент параллельно будет дорабатываться и изменяться.

 

^{1 ChatGPT breaks its own rules on political messages // The Washington Post. August 28, 2023. https://www.washingtonpost.com/technology/2023/08/28/ai-2024-election-campaigns- disinformation-ads/}

^{2 Внесен Министерством юстиции РФ в реестр СМИ, выполняющих функции иностранного агента.}

^{3 Внесен Министерством юстиции РФ в реестр СМИ, выполняющих функции иностранного агента.}

^{4 Китай, уходи! На Тайване взяли власть сепаратисты. У США и Китая появился еще один повод для конфликта // Lenta.ru. 13 января 2020. https://lenta.ru/articles/2020/01/13/taiwan/}

^{5 В КНР обвинили спикера чешского Сената в нарушении суверенитета республики // Tass.ru. 30 августа 2020. https://tass.ru/mezhdunarodnaya-panorama/9323479}

^{6  Китай назвал цель маневров в Южно-Китайском море // Газета.ru. 9 июля 2020. https://www.gazeta.ru/army/news/2020/07/09/14650015.shtml?updated}

^{7 Вслед за КНР: авианосцы США вошли в Южно-Китайское море // Газета.ru. 6 июля 2020. https://www.gazeta.ru/army/2020/07/06/13142863.shtml?updated}

About the authors

Aleksandr Yu. Petukhov

Lomonosov Moscow State University; Neimark University

Email: lectorr@yandex.ru
ORCID iD: 0000-0002-7412-5397

Сandidate of Political Sciences, Associate Professor, Head of the Laboratory of Mathematical Methods of Political Analysis and Forecasting, Lomonosov Moscow State University; Head of the Cognitive Security Lab, Neimark University

1 Leninskie Gory, Moscow, 119991, Russian Federation; 6 Nartova St, Nizhny Novgorod, 603057, Russian Federation

Dmitriy I. Kaminchenko

Lobachevsky State University of Nizhny Novgorod; Neimark University

Author for correspondence.
Email: dmitkam@inbox.ru
ORCID iD: 0000-0002-3193-3423

Candidate of Political Sciences, Associate Professor at the Department of Political Science, Institute of International Relations and World History, Lobachevsky State University of Nizhny Novgorod; Senior Researcher of the Cognitive Security Lab, Neimark University

23 Gagarina Prospect, Nizhny Novgorod, 603022, Russian Federation; 6 Nartova St, Nizhny Novgorod, 603057, Russian Federation

References

Supplementary files