Анализ тональности в исследованиях массовой коммуникации: систематический обзор методов и направлений

Полный текст

Введение

Цифровая трансформация медиа создает для исследователей новые методологические, этические и технологические вызовы, обусловленные в том числе и необходимостью анализа больших объемов информации. В настоящее время анализ цифровой коммуникации часто производится на материале больших данных (цифровых социальных платформ – социальных сетей, социальных медиа), содержащих миллионы текстов, которые не поддаются обработке традиционными методами. Такие большие данные характеризуются не только большими объемами неструктурированной или мало структурированной информации, но и динамичностью, разнообразием содержания. В такой ситуации для анализа текстовых данных исследователи обращаются к методам компьютерной лингвистики и обработки естественного языка.

Действительно, современные цифровые методы – как традиционные методы статистического моделирования, так и state-of-the-art алгоритмы машинного обучения – могут обеспечить высокий уровень точности при обработке и структурировании больших данных, но зачастую такой анализ не сопровождается адекватными средствами теоретического осмысления полученных результатов, что ведет к утрате целостного понимания исследуемых социальных процессов, выходящих за рамки сугубо количественных описаний. Цель статьи – проанализировать в зарубежных междисциплинарных исследованиях использование методов компьютерной лингвистики для изучения медиа и коммуникаций на основе больших массивов данных. В частности, рассматривается роль анализа тональности текста как инструмента для идентификации и изучения феноменов массовой коммуникации.

Для настоящего обзора был проведен отбор репрезентативных статей за 2020–2025 гг. в базах данных Scopus и Web of Science по следующим ключевым словам: sentiment analysis, computational linguistics, NLP, topic modelling, digital mass communication, social media analysis, social network analysis. Основным критерием отбора являлась их релевантность применению анализа тональности для изучения механизмов воздействия в медиадискурсе и социальных феноменов. В итоговую выборку вошли наиболее цитируемые и методологически показательные работы (25 публикаций).

Теоретическое обоснование

Среди основных направлений исследований массовой коммуникации, использующих сентимент-анализ (метод, направленный на определение эмоциональной окраски текста), тематическое моделирование (автоматическое определение тем в тексте) или иные методы компьютерной лингвистики, в первую очередь можно выделить анализ реакций на глобальные события, изучение механизмов воздействия, агрессии и языка вражды. Тематически эти стратегии анализа, как правило, локализованы в четырех областях.

1. Изучение мировых событий. Анализируются реакции и обсуждения значимых общественных событий, например Евровидения, Олимпиады, спортивных состязаний, международных конференций, Чемпионата мира по футболу (She et al., 2023). В этом контексте рассматриваются различные медийные феномены, в частности поляризации при обсуждении значимых социальных тем: вакцинации, пластической хирургии (Ramnarine, 2023). В связи с пандемией COVID-19 фиксировалась динамика общественного мнения об этой проблеме, вопросы мотивации и убеждений (Akhter, Kanojia, 2023; Buckman et al., 2020; Silva et al., 2023). Так, в исследовании (Akhter, Kanojia, 2023) с помощью анализа тональности изучались эмоциональные реакции, выраженные в комментариях о пандемии и вакцинации (страх, гнев, осторожность и т.п.).
2. Воздействие массмедиа на аудиторию. Исследования массовой коммуникации с опорой на компьютерные лингвистические методы направлены на изучение механизмов воздействия в сфере массовой коммуникации, как правило новостных текстов (Kutuzov et al., 2020). Методы тематического моделирования используются для исследования тематической структуры новостных корпусов, изучения корреляций в темах и настроениях между новостями и реакциями читателей на них (Jiang, Everts, 2021). Изучается поведение акторов фондового рынка в зависимости от новостных поводов и их обсуждений в социальных сетях (Ge et al., 2020; Sinha et al., 2022).
3. Агрессия, доминирование, язык вражды. Изучается распространение вербальной агрессии в социальных сетях, проявления толерантности, дискриминации и фобий, профессиональных, гендерных, расовых стереотипов. К примеру, в работе (Shen et al., 2022) проанализировано 8 милрд постов на Reddit и 206 млн постов на 4chan с целью анализа истоков, эволюции и содержания синофобии. Распространены исследования, посвященные проявлениям антисемитизма и исламофобии (He et al., 2021; Risch, Krestel, 2020; Zannettou et al., 2020), дискриминации людей с ограниченными возможностями (Venkit et al., 2023), гендерной дискриминации (Bhaskaran, Bhallamudi, 2019). К примеру, в работе (Ramnarine, 2023) был использован лексический, синтаксический и сентимент-анализ, чтобы исследовать роль пола в персонализации широкого круга политических чиновников.
4. Косвенное (суггестивное) воздействие массмедиа. Анализ тональности текста находит применение в изучении предвыборных кампаний и речей (Sharma, Shekhar 2020), коммуникации для принятия муниципальных решений (Švaňa, 2023). В контексте таких исследований особое внимание уделяется лидерству. В работе (Mohapatra, Mohapatra, 2022), к примеру, методы обработки естественного языка использовались для изучения речей и настроений кандидатов от республиканцев и демократов, боровшихся за президентские выборы в США в 2020 г.

Количественный и качественный анализ также был применен к общественным обсуждениям российско-украинского конфликта 2022 г. в социальной сети «Твиттер» (Caprolu et al., 2022; Guerra, Karakuş, 2023; Thakkar et al., 2023). В исследовании (Caprolu et al., 2022) с помощью методов статистического и аспектного сентимент-анализа было проанализировано более чем 5,5 млн твитов по данной теме, созданных более чем 1,8 млн пользователей. Необходимо отметить, что для анализа тональности все еще не существует единого устоявшегося и предпочитаемого способа: эта область все еще развивается, и компьютерная лингвистика предлагает несколько подходов к анализу тональности, от выбора которых могут зависеть его результаты и качество.

Представленный обзор существующих направлений показывает широкий спектр применения анализа тональности, однако уже на этом этапе становится очевидным, что сложность социальных феноменов (например, суггестии) требует рефлексивного подхода к выбору исследовательских методов.

Материалы и методы

Сентимент-анализ, или анализ тональности (sentiment analysis), представляет собой подход к обработке естественного языка, в общем случае направленный на определение эмоционального тона текста (Лукашевич, 2022; Kazyulina et al., 2021). Этот метод позволяет определить и классифицировать мнение индивида/группы о продукте, услуге или какой-либо идее, определить настроение высказывания, наличие субъективной информации. Чаще всего в текстах выделяют положительную, отрицательную или нейтральную тональности. Этот метод успешно применяется для анализа онлайн-источников: социальных сетей, электронных писем, блогов, новостных статей, веб-чатов и т.д.

К примеру, в исследовании (Wright et al., 2022), посвященном изучению общественного мнения о пандемии COVID-19, было рассмотрено более 58 тыс. твитов и более 60 академических статей с целью выяснить, к каким поведенческим и эмоциональным изменениям привело распространение вируса, какие сентименты были выражены общественностью разных стран по отношению к пандемии, какие темы возникли и аргументы появились по сравнению с эпидемиями предыдущих лет. Анализ облака слов, согласно исследованию, выявил заметное несоответствие между эмоциями и опасениями людей во время кризиса COVID-19 и прошлых вспышек эпидемий (Эбола, Зика, ВИЧ, Денге, корь). Анализ тональности показал большое количество нейтральных, положительных и смешанных настроений, в то время как сугубо отрицательных оценок оказалось гораздо меньше. Авторы выявили высокую склонность к оптимистическим настроениям (о чем говорит большое количество твитов с нейтральными и смешанными настроениями и оценками) и поведенческий сдвиг от негативных настроений к оптимистическим. Была также проведена кластеризация пользователей «Твиттера» на основе выраженных ими сентиментов, эмоций и опасений, в результате которой было замечено, что группировка пользователей в целом соответствует ходу распространения COVID-19.

Можно выделить несколько видов сентимент-анализа. Так называемый детальный сентимент-анализ (fine-grained) предполагает разбиение тональности на более точные категории: крайне негативная, негативная, нейтральная, позитивная, крайне позитивная. Следующий тип предполагает определение эмоций, а не тональности: удовлетворение, разочарование, гнев, радость, печаль и т.д. Анализ, основанный на намерениях (intent-based), помимо собственно сентимента, также распознает намерения автора.

Часто применяется аспектный анализ тональности (aspect-based sentiment analysis), когда требуется определить тональность по отношению к определенному аспекту объекта, о котором говорится в тексте. Например, можно привести случаи в задаче изучения общественного мнения о вакцинации, когда авторы комментариев или постов выражали в общем положительную тональность по отношению к вакцинации, но негативно высказывались об организации/точках проведения самой процедуры или конкретных видах вакцины (Buckman et al., 2020). При таком варианте анализа требуется не только определить тональность, но и выделить объекты и аспекты – для этого часто применяются методы классификации токенов для выделения именованных сущностей.

Существуют три группы подходов к анализу тональности текстов: подходы, основанные на правилах; использующие модели машинного обучения; гибридные решения.

Правиловый (rule-based) подход опирается на словари тональности и оценочной лексики и синтаксический анализ. В общем случае по определенным правилам подсчитывается количество положительных и отрицательных слов в тексте или предложении. Также используется система правил для учета влияния модификаторов, отрицания и маркеров ирреального наклонения. Очевидно, что составить исчерпывающий набор правил достаточно сложно, поэтому такой подход часто не достигает желаемого качества. С другой стороны, такие подходы быстро работают, не требуют больших корпусов и обучения, хорошо интерпретируемы, в отличие от нейронных сетей (Kotelnikova et al., 2021). Среди наиболее часто используемых словарей можно назвать SentiStrength, VADER, Pattern, TextBlob, SentiWordNet, Opinion Finder (Elbagir, Yang, 2019).

Результаты и обсуждение

Подход, основанный на словарях и частотности слов, использовался в исследовании феномена «кэнселинг» в социальных сетях (Maryn, Dover, 2023). Рассматривался кэнселинг («культура отмены», публичное высмеивание, осуждение, игнорирование), направленный на лиц, обвиняемых в гендерном насилии. Было выяснено, что не все предполагаемые виновники гендерного насилия оцениваются пользователями «Твиттера» одинаково, то есть «кэнселинг» может быть неравномерным, а реакции и оценки, связанные с ним, – более неоднозначными и временными. Авторы использовали правиловый инструмент для сентимент анализа LIWC на более чем 182 тыс. твитов об обвинениях о 120 случаях гендерного насилия. Они изучали в том числе и изменения в дискуссиях о предполагаемых виновниках гендерного насилия с течением времени и выяснили, что сентимент обсуждений будет различаться в зависимости от характеристик обвинителя (возраст) и обвиняемого (раса, известность). Например, твиты о предполагаемых виновниках со временем стали содержать больше положительного сентимента, сообщения, обсуждающие предполагаемых чернокожих (по сравнению с белыми) преступников, были менее позитивными, в то время как твиты, обсуждающие предполагаемых цветных преступников (по сравнению с белыми), не принадлежащих к чернокожим, были более позитивными. Известные личности обсуждались с более высоким уровнем как положительных, так и отрицательных эмоций (по сравнению с обычными людьми или лицами, не известными авторам твита).

В статье (Silva et al., 2023) изучается, как ведутся дискуссии о вакцинации на дискуссионном форуме Mumsnet, британского веб-сайта, предназначенного для родителей, с применением сетевого анализа и анализа тональности текста, в том числе в диахронии. Результаты данного исследования обращаются, в частности, к понятию нонконформности при обсуждении вакцинации. Исследователи использовали подход, основанный на словарях оценочной лексики и правилах их сочетания – анализатор VADER, классифицируя каждый пост на платформе в трех вариантах: подсчет сентимента для всего текста в целом; для каждого предложения текста; для каждого предложения, в котором содержатся ключевые слова, относящиеся к вакцинации. Авторы изучили, насколько пользователи склонны оставлять посты в тредах с разным типом сентимента, и рассматривали такое поведение как признак того, что информация передается между обсуждениями с разными сентиментами. Нейтральный сентимент был наиболее частотным (как правило, это общие вопросы о вакцинации), за ним – негативный (обсуждение негативных последствий, тревоги, связанные с вакцинацией и пандемией.

Подходы к анализу тональности, использующие машинное обучение с учителем, являются, пожалуй, самыми распространенными на данный момент в индустрии и менее распространенными – в социальных исследованиях. Это связано в первую очередь с проблемой интерпретируемости моделей машинного обучения: часто такие модели представляют собой своего рода черный ящик и не всегда можно однозначно объяснить, как было получено то или иное решение.

Для классификации текстов по тональности используются как классические алгоритмы (метод опорных векторов или метод случайного леса), так и глубокое обучение (рекуррентные нейронные сети, сети долгой краткосрочной памяти). В данный момент на передний край вышли модели машинного обучения на основе архитектуры – трансформеры.

Трансформер – это относительно новая архитектура, способная решать задачи анализа последовательностей (текстов), при этом легко обрабатывающая зависимости на больших расстояниях. Вычисление представлений в такой архитектуре происходит без использования рекуррентных слоев или сверток и полагается на так называемый механизм «внимания» (Vaswani et al., 2017).

Для сентимент-анализа чаще всего используется модель BERT (Bidirectional Encoder Representations from Transformers) (Devlin et al., 2019) и ее варианты. Эта модель представляет собой энкодер и предварительно обучается на двух задачах: задаче маскированного моделирования языка и прогнозировании следующего предложения. Англоязычная версия модели обучалась на основе материалов всей Википедии и корпусе Brown стандартного американского английского языка. Исходная архитектура BERT вдохновила исследователей на создание множества ее вариаций (RoBERTa, DistilBERT, BART и т. д.). Существует также ряд моделей, обученных на корпусе определенной узкой тематики, например ClinicalBERT и BioBERT, и многоязычные модели (mBART).

Разные языковые модели (ELMo, Universal Sentence Encoder, GPT2) использовались (Gaur et al., 2021) для создания контектстуальных эмбеддингов постов/комментариев о COVID-19 для последующей классификации авторов на тех, кто ищет помощь (support seekers) и тех, кто готов ее предоставить (support providers). Получившиеся вектора-представления текстов подавались в классификаторы – логистическую регрессию и метод опорных векторов.

В работах, исследующих сентимент, эмоции, оценочность в массовых коммуникациях в интернете компьютерными методами, собственно анализ социальных явлений иногда уходит на второй план, а основной фокус исследователей приходится на создание корпуса текстов и выбор архитектуры модели. Например, авторы исследования (Singh et al., 2021) использовали модель BERT для классификации эмоций в постах о COVID-19. Исследователи собрали большой корпус твитов о COVID-19, произвели их очистку и предобработку, выбор и конструирование признаков текстов для использования в алгоритме, выбор метрик для оценки качества работы алгоритма классификации. Впоследствии исследователи предложили некоторый анализ эмотивности, субъективности и интенсивности сентимента в постах о болезни, но основным вкладом исследования все же представляется подход к анализу тональности таких текстов и его качество, то есть вклад практический. Недостаточность методологической обоснованности и теоретического вклада с точки зрения социального анализа видится одной из проблем таких эмпирических исследований.

Кроме того, большие предобученные языковые модели, поскольку они обучаются на текстах, написанных людьми, зачастую обучаются воспроизводить социальные стереотипы и предрассудки, содержащиеся в этих текстах (Blodgett et al., 2020; Lucy, Bamman, 2021). Ярким примером являются гендерные стереотипы. Например, было установлено, что BERT кодирует установки по отношению к таким словам, как firewoman/fireman/firefighter, какие свойственны людям умеренных и консервативных взглядов на социальные роли мужчин и женщин (Watson et al., 2023). Как следствие, возникает вопрос, насколько вообще приемлемо прибегать к таким «предвзятым» моделям в исследованиях.

Заключение

Таким образом, методы компьютерной лингвистики (тематическое моделирование, кластеризация, классификация, анализ тональности, извлечение именованных сущностей) позволяют изучать и систематизировать большие объемы текстов. В связи с возрастающим объемом данных, используемых в прикладных исследованиях, видится необходимым и возможным дополнять результаты качественного анализа количественным.

Однако во многих исследованиях делается фокус непосредственно на создание корпуса текстов и улучшение алгоритма и архитектуры модели, при этом часто сам анализ социальной коммуникации и социальных явлений уходит на второй план или рассматривается как некий побочный продукт. Современные компьютерные методы позволяют извлекать закономерности из больших массивов данных, но далеко не всегда это сопровождается интерпретацией в терминах социальных смыслов и структур, политических контекстов и т.д. В этом контексте представляется важным развитие гибридных исследовательских компетенций, формирование интердисциплинарных команд, состоящих из специалистов как технического (более прикладного), так и теоретического профиля.

Также представляется, что акцент на развитие интерпретируемого машинного обучения, использование нарративных форм визуализации данных, data storytelling, повысил бы доверие к цифровым методам в гуманитарных и социальных контекстах и в целом качество исследований, снизив риск поверхностной интерпретации результатов компьютерного моделирования. Помимо этого, при проведении исследований необходимо иметь представление об ограничениях выбранного метода (например, склонности модели к смещению или галлюцинациям) и избегать использования алгоритмов как черного ящика, результаты работы которого принимаются как данность.

Об авторах

Анастасия Владимировна Козлова

Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского

Автор, ответственный за переписку.
Email: anastasia_kozlova94@mail.ru
ORCID iD: 0000-0002-2629-9157
SPIN-код: 2424-7595

аспирант кафедры общей и социальной психологии

Российская Федерация, 603950, Нижний Новгород, пр. Гагарина, д. 23

Список литературы

Дополнительные файлы