Дискурсивные варианты тематического моделирования пандемии Covid-19 (новостной медиадискурс VS социальные сети) | Вестник Томского государственного университета. Филология. 2023. № 86. DOI: 10.17223/19986645/86/6

Дискурсивные варианты тематического моделирования пандемии Covid-19 (новостной медиадискурс VS социальные сети)

Представлены результаты сравнительного исследования репрезентации тем новой коронавирусной инфекции в новостных текстах официальных СМИ и социальной сети «Твиттер», проведенного на основе совмещения методов дискурс-анализа и математического автоматического анализа текста (Латентное размещения Дирихле (LDA) в сочетании с методом выявления ключевых слов TF-IDF. Характеризуются темы, общие и различающие два дискурса, а также особенности концептуального моделирования в общих и различных темах. Авторы заявляют об отсутствии конфликта интересов.

Скачать электронную версию публикации

Ключевые слова

коронавирус, Covid-19, пандемия, инфодемия, новостной дискурс, социальные сети, «Твиттер», автоматическое тематическое моделирование

Авторы

ФИО	Организация	Дополнительно	E-mail
Резанова Зоя Ивановна	Национальный исследовательский Томский государственный университет	д-р филол. наук, заведующая кафедрой общей, компьютерной и когнитивной лингвистики, заместитель заведующего Лабораторией лингвистической антропологии	rezanovazi@mail.ru
Степаненко Андрей Александрович	Национальный исследовательский Томский государственный университет	заведующий лабораторией «Когнитивные исследования языка»	stepanenkone@mail.ru

Всего: 2

Ссылки

Борьба с инфодемией на фоне пандемии COVID-19: поощрение ответственного поведения и уменьшение пагубного воздействия ложных сведений и дезинформации: Совместное заявление ВОЗ, ООН, ЮНИСЕФ, ПРООН, ЮНЕСКО, ЮНЭЙДС, МСЭ, инициативы ООН "Глобальный пульс" и МФКК. URL: https://www.who.int/ru/news/item/23-09-2020-managing-thecovid-19-infodemic-promoting-healthy-behaviours-andmitigating-the-harm-from-misinformation-and-disinformation (дата обращения: 20.05.2021).

Серегина Т.Н., Сухова С.К. Информационные риски в условиях пандемии // Манускрипт. 2021. № 5. С. 940-944.

Инфодемия: существующие подходы к анализу паник, фобий, слухов, фейков во время эпидемий и предложения по борьбе с ними. URL: https://www.ranepa.ru/documents/monitoring/120-infodemiya.pdf (дата обращения: 01.04.2022).

Дейк Т.А. ван. Анализ новостей как дискурса // Т.А. ван Дейк. Язык. Познание. Коммуникация. Казань, 2000. С. 111-160.

Добросклонская Т.Г. Новостной дискурс как объект медиалингвистического анализа // Дискурс современных масс-медиа в перспективе теории, социальной практики и образования. Белгород, 2016. С. 13-22.

Горошко Е. И. "Чирикающий" жанр 2.0 Твиттер, или Что нового появилось в виртуальном жанроведении // Вестник Тверского государственного университета. 2011. № 3. С. 11-21.

Горошко Е.И., Полякова Т.Л. Политический твиттинг как новый жанр интернет-коммуникации // Вопросы психолингвистики. 2014. Вып. 1 (19). С. 92-103.

Копцева В.А. Жанр твиттинга в политическом дискурсе Г.А. Зюганова // Сибирский филологический журнал. 2016. № 1. С. 144-154.

Гончарова Е.А. Языковые характеристики англоязычного бизнес-твиттер как инструмента профессиональной коммуникации: дис.. канд. филол. наук. Пятигорск, 2021. 237 с.

Садыков Д.И., Ахметьянова Н.А. Распространение фейковых новостей во время пандемии COVID-19 // PHILOLOGICAL SCIENCES / "Colloquium-journal". 2020. № 8 (60). С. 78-79.

Баринов Д.Н. Медиавирус страха: особенности репрезентации российскими СМИ пандемии коронавирусной инфекции (COVID-19) в период первой волны (январь-июнь 2020 года) // Социодинамика. 2021. № 2. C. 73-86.

Пестова М.Е., Сафонов Е.А. Пандемия нового десятилетия: освещение темы коронавируса в СМИ // Медиасреда. 2020. № 17. С. 166-172.

Мартыненко И.В., Стогова Е.С. Коронавирус в повестке дня информационных агентств РИА "Новости" и Reuters // Вопросы теории и практики журналистики. 2021. Т. 10, № 2. С. 338-350.

Карасик В. И. Эпидемия в зеркале медийного дискурса: факты, оценки, позиции // Политическая лингвистика. 2020. № 2 (80). С. 25-34.

Ерофеева И.В., Толстокулакова Ю.В., Муравьёв А.В. Пандемия коронавируса в концептуальной сфере медиадискурса России и Китая: стратегия выживания // Вопросы теории и практики журналистики. 2021. Т. 10, № 1. С. 78-93.

Charu C. Aggarwal Machine Learning for Text. Springer, Mohegan Lake NY, USA, 2018. 565 p.

Deveaud R., SanJuan E., Bellot P. Accurate and effective Latent Concept Modeling for ad hoc information retrieval // Document Numerique. 2014. Vol. 17, № 1. Р. 61-84.

Alokaili A., Aletras N., Stevenson M. Automatic Generation of Topic Labels. 2020. URL: 10.1145/3397271.3401185 (дата обращения: 20.09.2023).

Amparo C.B., Xu R. Automatic Labelling of Topic Models Learned from Twitter by Summarisation // Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics. 2014. P. 618-624.

Kou W., Fang L., Baldwin T. Automatic labelling of topic models using word vectors and letter trigram vectors // In Proceedings of the 11th Asian Information Retrieval Societies Conference (AIRS 2015). 2015. P. 229-240.

Allahyari M., Kochut K. Automatic Topic Labeling using Ontology-based Topic Models. URL: http://linkeddata.org/ (дата обращения: 20.09.2023).

Митрофанова О.А. Моделирование тематики специальных текстов на основе алгоритма LDA // Избранные труды XLII Международной филологической конференции. сПб.: Филологический факультет СПбГУ, 2014. С. 220-233.

Шерстинова Т.Ю., Москвина А.Д., Кирина М.А., Карышева А.С., Колпащикова Е. О. Тематическое моделирование русского рассказа 1900-1930: наиболее частотные темы и их динамика // Компьютерная лингвистика и интеллектуальные технологии: по материалам международной конференции "Диалог 2022". Москва, 15-18 июня 2022 г. URL: https://www.dialog-21.ru/media/5790/sherstinovatyplusetal042.pdf.

Uglanova I., Gius E. The Order of Things. A Study on Topic Modelling of Literary Texts // Proc. of the CHR 2020: Workshop on Computational Humanities Research, CEUR Workshop Proceedings. 2020. URL: http://ceur-ws.org/Vol-2723/long7.pdf.