Память о Великой Отечественной войне в комментариях к региональным интернет-СМИ: опыт комбинации машинного обучения и критического дискурс-анализа
DOI:
https://doi.org/10.14515/monitoring.2025.2.2552Ключевые слова:
День Победы, память о Великой Отечественной войне, историческая память, критический дискурс-анализ, машинное обучениеАннотация
Цель статьи — провести сравнительный анализ комментариев к региональным СМИ в Калининградской, Тульской и Томской областях, посвященных общественной коммеморации Великой Отечественной войны в контексте комбинации исследовательских возможностей методов машинного обучения и критического дискурс-анализа. Источниками выступили комментарии пользователей медиа Калининградской, Тульской и Томской областей в период с 2015 по 2021 г., посвященные коммеморации Дня Победы и Дня памяти и скорби, акции «Бессмертный полк», а также семейной памяти о событиях войны. Авторы комбинировали методы критического дискурс-анализа и машинного обучения.
Анализ выборочной совокупности комментариев методами машинного обучения показал, что в трех избранных российских регионах в течение исследуемого периода доля положительных комментариев снижалась, а негативных — росла. Наибольшая доля критических комментариев в отношении всех изученных коммеморативных акций была зафиксирована в Томской области. Изучение избранной совокупности комментариев при помощи критического дискурс-анализа позволило раскрыть внутреннюю неоднородность этой тенденции, выявив взаимосвязь использования образов Великой Отечественной войны с оценкой актуальной социально-политической обстановки. Результаты дискурс-анализа показали, что использование памяти о событиях Великой Отечественной войны как варианта гражданской религии в современной России сталкивается с сакрализацией отдельных героев и образов семейной памяти о войне, которые все чаще противопоставляются официальным нарративам о Великой Отечественной войне. Вместе с тем исследование показало, что критика коммеморативных мероприятий в большей мере связана с текущими региональными социально-экономическими проблемами, является предельно эмоциональной и ситуативной. Этот вывод позволил подробнее раскрыть и обосновать тезис о наличии тенденций поляризации и фрагментации массового исторического сознания в региональном интернет-пространстве. В контексте изученных примеров были сформулированы принципы комбинирования методов машинного обучения и критического дискурс-анализа при изучении восприятия населением региональной политики памяти.
Библиографические ссылки
Аникин Д.А., Беклямишев В.О. Образы полководцев в гражданской религии постсоветской России: история канонизации и особенности теологического дискурса // История. 2024. Т. 15. № 4. https://doi.org/10.18254/S207987840031109-8.
Anikin D., Bekliamishev V. (2024) Images of Generals in the Civil Religion of Post-Soviet Russia: The History of Canonization and Features of Theological Discourse. History. Vol. 15. No. 4. https://doi.org/10.18254/S207987840031109-8. (In Russ.)
Ассман Я. Культурная память: письмо, память о прошлом и политическая идентичность в высоких культурах древности. М.: Языки славянской культуры, 2004.
Assman Y. (2004) Cultural Memory: Writing, Memory of the Past and Political Identity in the High Cultures of Antiquity. Moscow: Languages of Slavic Culture. (In Russ.)
Воробьева О.В., Николаи Ф.В. История эмоций и nationalism studies: когнитивный поворот в современной историографии // История. 2021. Т. 12. № 8. https://doi.org/10.18254/S207987840016459-3.
Vorobieva O.V., Nicolai F.V. (2021) The History of Emotions and Nationalism Studies: A Cognitive Turn in Contemporary Historiography. History. Vol. 12. No. 8. https://doi.org/10.18254/S207987840016459-3. (In Russ.)
Головашина О.В., Линченко А.А., Аникин Д.А. Память о Великой Отечественной войне: День Победы в историческом сознании россиян // Социологические исследования. 2017. № 3. С. 123―133.
Golovashina O.V., Linchenko A.A., Anikin D.A. (2017) Memory of the Great Patriotic War: Victory Day in the Historical Consciousness of Russians. Sociological Studies. No. 3. P. 123―133. (In Russ.)
Зевелева О. И. Биографический метод и дискурс-анализ: перспективы сочетания // Социология: методология, методы, математическое моделирование (Социология:4М). 2014. № 39. С. 7―39.
Zeveleva O. I. (2014) Biographical Method and Critical Discourse Analysis: Prospects for Combination. Sociology: Methodology, Methods, Mathematical Modeling (Sociology: 4M). No. 39. P. 7―39. (In Russ.)
Колосова Е.А. Динамика сохранения и актуализации памяти о Великой Отечественной войне у современных детей и подростков // Вестник РГГУ. Серия «Философия. Социология. Искусствоведение». 2020. № 2. С. 69-80.
Kolosova E.A. (2020) The Dynamics in the Remembrance Work and the Memory Actualization of the Great Patriotic War Among Modern Children and Adolescents. RSUH/RGGU Bulletin. Series Philosophy. Social Studies. Art Studies. No. 2. P. 69-80. (In Russ.)
Линченко А.А. Память о Великой Отечественной войне 1941―1945 гг. в региональном Интернет-пространстве: опыт дискурс-анализа // Социодинамика. 2022. № 5. С.38―49. https://doi.org/10.25136/2409-7144.2022.5.37965.
Linchenko A.A. (2022) Memory of the Great Patriotic War of 1941―1945 in the Regional Internet Space: An Experience of Discourse Analysis. Sociodynamics. No. 5. P. 38―49. https://doi.org/10.25136/2409-7144.2022.5.37965. (In Russ.)
Морев М.В. «Крымский консенсус»: значение и перспективы // Ученые записки Крымского федерального университета имени В. И. Вернадского. Социология. Педагогика. Психология. 2018. Т. 4. № 2. С. 150-113.
Morev M.V. (2018) “Crimean Consensus”: Significance and Prospects. Scientific Notes of V.I. Vernadsky Crimean Federal University. Sociology. Pedagogy. Psychology. Vol. 4. No. 2. P. 150-113. (In Russ.)
Переверзев Е. В. Критический дискурс-анализ: от теории к практике // Язык. Текст. Дискурс. 2009. № 7. С. 105―116.
Pereverzev E. V. (2009) Critical Discourse Analysis: From Theory to Practice. Language. Text. Discource. No. 7. P. 105―116. (In Russ.)
Политика памяти в современной России и странах Восточной Европы. Акторы, институты, нарративы: коллективная монография / под ред. А.И. Миллера, Д.В. Ефременко. СПб.: Издательство Европейского университета в Санкт-Петербурге, 2020.
Miller A.I., Efremenko D.V. (eds.) (2020) The Politics of Memory in Modern Russia and the Countries of Eastern Europe. Actors, Institutions, Narratives. Saint Petersburg: EUSP Press. (In Russ.)
Символические аспекты политики памяти в современной России и Восточной Европе: сборник статей / под ред. В.В. Лапина, А.И. Миллера. СПб.: Издательство Европейского университета в Санкт-Петербурге, 2021.
Lapin V.V., Miller A.I. (eds.) (2021) Symbolic Aspects of the Politics of Memory in Modern Russia and Eastern Europe. Saint Petersburg: EUSP Press. (In Russ.)
Alekseev A., Nikolenko S. (2017) User Profiling in Text-Based Recommender Systems Based on Distributed Word Representations. In: Ignatov D. et al. (eds.) Analysis of Images, Social Networks and Texts. AIST 2016. Communications in Computer and Information Science. Vol 661. Cham: Springer. P. 196―207. https://doi.org/10.1007/978-3-319-52920-2_19.
Aranda A.M. Sele K., Etchanchu H., Guyt J.Y., Vaara E. (2021) From Big Data to Rich Theory: Integrating Critical Discourse Analysis with Structural Topic Modeling. European Management Review. Vol. 18. No. 3. P. 197―214. https://doi.org/10.1111/emre.12452.
Bellah R. (1967) Civil Religion in America. Daedalus. Vol. 96. No. 1. P. 1―21.
Filatova O., Volkovskii D., Begen P. (2020) Usage of Artificial Intelligence in Internet Discourse Analysis: from Manual Mechanisms of Data Processing to Electronic Ones. In: Proceedings of the 22nd Conference on Scientific Services & Internet (SSI-2020). Novorossiysk-Abrau (online), Russia, September 21―25, 2020. Novorossisk-Abrau: CEUR. P. 352―360.
Jäger S. (2001) Discourse and Knowledge: Theoretical and Methodological Aspects of a Critical Discourse and Dispositive Analysis. In: Wodak R., Meyer M. (eds.) Methods of Critical Discourse Analysis. London: SAGE. P. 32―63.
Loukachevitch N. (2021) Automatic Sentiment Analysis of Texts: The Case of Russian. In: Gritsenko D., Wijermars M., Kopotev M. (eds.) The Palgrave Handbook of Digital Russia Studies. Cham: Palgrave Macmillan. P. 501―516.
Malykh V., Alekseev A., Tutubalina E., Shenbin I., Nikolenko S. (2019) Wear the Right Head: Comparing Strategies for Encoding Sentences for Aspect Extraction. In: van der Aalst W. et al. (eds.) Analysis of Images, Social Networks and Texts. AIST 2019. Lecture Notes in Computer Science. Vol. 1832. Cham: Springer. P. 166―178. https://doi.org/10.1007/978-3-030-37334-4_15.
O’Neill L., Anantharama N., Buntine W., Angus S.D. (2021) Quantitative Discourse Analysis at Scale — AI, NLP and the Transformer Revolution. SoDa Laboratories Working Paper Series. No.2021―12. Melbourne: Monash Business School. URL:http://soda-wps.s3-website-ap-southeast-2.amazonaws.com/RePEc/ajr/sodwps/2021-12.pdf (дата обращения: 15.04.2025).
Rodina J., Bakshandaeva D., Fomin V., Kutuzov A., Touileb S., Velldal E. (2019) Measuring Diachronic Evolution of Evaluative Adjectives with Word Embeddings: The Case for English, Norwegian, and Russian. In: N. Tahmasebi, L. Borin, A. Jatowt, Y. Xu (eds.) Proceedings of the 1st International Workshop on Computational Approaches to Historical Language Change. Florence: Association for Computational Linguistics. P. 202―209.
Smetanin S. (2020) The Applications of Sentiment Analysis for Russian Language Texts: Current Challenges and Future Perspectives. IEEE Access. Vol. 8. P. 110693―110719.
Smetanin S., Komarov M. (2021) Deep Transfer Learning Baselines for Sentiment Analysis in Russian. Information Processing and Management. Vol. 58. No. 3. Art. 102484. https://doi.org/10.1016/j.ipm.2020.102484.
Smetanin S., Komarov M. (2019) Sentiment Analysis of Product Reviews in Russian Using Convolutional Neural Networks. In: K. Kramer (ed.) Proceedings ― 21st IEEE Conference on Business Informatics, CBI 2019. Moscow: The Institute of Electrical and Electronics Engineers. P. 482―486.
Sysoev A., Linchenko A., Kalitvin V., Anikin D., Golovashina O. (2021) Studying Comments on Russian Patriotic Actions: Sentiment Analysis Using NLP Techniques and ML Approaches. In: A. Sysoev (ed.) Proceedings-2021 3rd International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency, SUMMA: Lipetsk: LSTU. P. 494—499.
Vīksna R., Jēkabsons G. (2018) Sentiment Analysis in Latvian and Russian: A Survey. Applied Computer Systems. Vol. 23. No. 1. P. 45―51. https://doi.org/10.2478/acss-2018-0006.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Мониторинг общественного мнения: экономические и социальные перемены

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.