Организация мониторинга эмоциональных реакций пользователей социальных сетей средствами автоматического анализа текста

Обложка

Цитировать

Полный текст

Аннотация

Рассмотрены проблемы теоретического и методологического характера, возникающие при организации мониторинга эмоциональных реакций пользователей социальных сетей средствами автоматического анализа текста. Проанализированы сложности, сопровождающие деятельность мониторинга на уровне мотивирования, целеполагания и выбора метода определения маркеров эмоциональности. Исследованы проблемы определения критериев выборки для исследований эмоциональных реакций пользователей в рамках сообществ и больших групп, учета текстовых и внетекстовых параметров. Обозначены трудности интепретируемости данных набора психолингвистических признаков на основе машинного обучения и вопросы о применимости построенного на обучающем корпусе классификатора к текстам из разных предметных областей.

Полный текст

Доступ закрыт

Об авторах

Юлия Михайловна Кузнецова

Федеральный исследовательский центр «Информатика и управление» РАН

Автор, ответственный за переписку.
Email: kuzjum@yandex.ru

кандидат психологических наук, старший научный сотрудник

Россия, Москва

Анфиса Анваровна Чуганская

Федеральный исследовательский центр «Информатика и управление» РАН

Email: anfisa.makh@gmail.com

кандидат психологических наук, научный сотрудник

Россия, Москва

Наталья Владимировна Чудова

Федеральный исследовательский центр «Информатика и управление» РАН

Email: nchudova@gmail.com

кандидат психологических наук, старший научный сотрудник

Россия, Москва

Список литературы

  1. Svoboda J., Ghafir I., Prenosil V. Network Monitoring Approaches: An Overview // International Journal of Advances in Computer Networks and Its Security– IJCNS. 2015. No. 5. P. 88-93.
  2. Катаев А.В., Катаева Т. М., Названова И. А. Digital-маркетинг: учебное пособие. Таганрог: Издательство Южного федерального университета. 2020. 161 с.
  3. Социальные сети: комплексный лингвистический анализ. В 2-х томах. Т. 1. / Монография под ред. Н. Д. Голева, отв. ред. Л. Г. Ким. Кемерово: Кемеровский государственный университет. 2021. 430 с.
  4. Malinovskaya A., Otto P. Online network monitoring // Statistical Methods and Applications. 2021. No. 30 (3).
  5. Кузнецова Ю.М., Смирнов И.В., Станкевич М.А., Чудова Н.В. Создание инструмента автоматического анализа текста в интересах социо-гуманитарных исследований. Ч.2. Машина РСА и опыт ее использования // Искусственный интеллект и принятие решений. 2019.
  6. № 3. С. 21-32.
  7. Devyatkin D., Chudova N., Chuganskaya A., Sharypina D. Methods for Recognition of Frustration-Derived Reactions on Social Media // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics. 2021. P. 17–30.
  8. Smirnov I., Stankevich M., Kuznetsova Y., Suvorova M., Larionov D., Nikitina E., Savelov M., Grigoriev O. TITANIS: A Tool for Intelligent Text Analysis in Social Media // Lecture notes in computer science. 2021. Vol. 12948 LNAI. P. 232-247.
  9. Григорьев О. Г., Кузнецова Ю. М., Никитина Е. Н., Смирнов И. В., Чудова Н. В. Каузативно-эмотивный анализ. Часть I. Методика изучения эмоциональных реакций пользователей социальных сетей // Психологический журнал. 2022. Т. 43. № 3. С. 114–121.
  10. Леонтьев А.Н. Проблемы развития психики. М.: Мысль. 1965. 570 с.
  11. Гришаева С.А., Клюваев К.В. Коммуникативные практики молодежи в социальных сетях // Цифровая социология. 2019. № 3. С. 4–9.
  12. Латынов В.В., Овсянникова В.В. Прогнозирование психологических характеристик человека на основании его цифровых следов // Психология. Журнал Высшей школы экономики. 2020. Т. 17. № 1. С. 166–180.
  13. Литвинчук И.Н. Междисциплинарный анализ эмотивного дискурса: основные черты в парадигме когнитивной и прагмалингвистики // Ученые записки Крымского федерального университета им. В.И. Вернадского. Филологические науки. 2017. Т. 3 (69). № 4. С. 15–30.
  14. Двойникова А.А., Карпов А.А. Аналитический обзор подходов к распознаванию тональности русскоязычных текстовых данных // Информационно-управляющие системы. 2020. № 4 (107). С. 20–30.
  15. Котельников Е.В. Методология интеллектуального анализа мнений при обработке текстовой информации на основе правдоподобного вывода. Дисс. … докт. техн. наук. М. 2019. 365 с. URL: https://www.dissercat.com/content/metodologiya-intellektualnogo-analizamnenii-pri-obrabotke-tekstovoi-informatsii-na-osnove (дата обращения: 21.09.2022).
  16. Лукашевич Н.В. Автоматические методы анализа тональности. Автоматическая обработка текстов на естественном языке и анализ данных // Большакова Е.И., Воронцов К.В., Ефремова Н., Клышинский Э.С., Лукашевич Н.В., Сапин А.С. М.: Изд-во НИУ ВШЭ. 2017. С. 127–194.
  17. Li S., Wang Y., Xue J., Zhao N., Zhu T. The Impact of COVID-19 Epidemic Declaration on Psychological Consequences: A Study on Active Weibo Users // International Journal Environment Research Public Health. 2020. No. 17. P. 2032.
  18. Остапенко А.Г. и др. Социальные сети и риск-мониторинг / Теория сетевых войн. Под ред. Д.А.Новикова. М.: Телеком. 2022. 266 c.
  19. Аванесян Н.Л., Соловьев Ф.Н., Тихомирова Е. А., Чеповский А. М. Выявление значимых признаков противоправных текстов // Вопросы кибербезопасности. 2020. № 4 (38). С. 76-84.
  20. Kosinski M., Stillwell D., Graepel T. Private traits and attributes are predictable from digital records of human behavior // Proceedings of the National Academy of Sciences. 2013. Vol. 110. No. 15. P. 5802-5805.
  21. Мальцева Д.В., Романовский Н.В. О современных сетевых теориях в социологии // Социологические исследования. № 8. 2011. С. 28 – 37.
  22. Давыдов С.Г., Лебедев П.А. Онлайн-дискурс «второй волны» московских наблюдателей // Социологический журнал. 2015. Том 21. № 3. С. 129–143.
  23. Шайгерова Л.А., Шилко Р.С., Ваханцева О.В., Зинченко Ю.П. Перспективы использования анализа социальных сетей для изучения этнокультурной идентичности подростков в интернет-сообществах // Национальный психологический журнал. 2019. №3(35). С. 4–16.
  24. Дейнека О.С., Максименко А.А. Оценка психологического состояния общества в условиях инфодемии посредством анализа социальных сетей: обзор зарубежных публикаций // Общество. Среда. Развитие (Terra Humana). 2020. №2 (55). URL: https://cyberleninka.ru/article/n/otsenkapsihologicheskogo-sostoyaniya-obschestva-v-usloviyahinfodemii-posredstvom-analiza-sotsialnyh-setey-obzorzarubezhnyh (дата обращения: 06.10.2022).
  25.  Воронин А. Н., Гребенщикова Т. А., Кубрак Т. А., Павлова Н. Д Субъектность сетевого сообщества: сравнение психометрических моделей проявления дискурсивных маркеров в контенте // Вестник Московского государственного областного университета. Серия: Психологические науки. 2019. №3. С. 6–24.
  26. Agadullina E.R. Social networks user: current research // Journal of Modern Foreign Psychology. 2015. Vol. 4. No. 3. P. 36—46.
  27. Сорокин П. А. Социальная и культурная динамика. М.: Академический проект. 2020. 986 с.
  28. Выготский Л.С. Мышление и речь. Изд. 5, испр. М.: Лабиринт. 1999. 352 с.
  29. Теплов Б.М. Проблемы индивидуальных различий. М.: Изд-во Акад. пед. наук РСФСР. 1961. 536 c.
  30. Себрант А.Ю. Data Science, черные ящики… URL: https://www.youtube.com/watch?v=zvGeLvWZ7yQ&t=257s (дата обращения: 25.08.2022).
  31. Поспелов Д.А. Десять «горячих точек» в исследованиях по искусственному интеллекту // Интеллектуальные системы (МГУ). 1996. Т.1. Вып. 14. C. 47-56.
  32. Новиков Д. Вокруг искусственного интеллекта складывается очень тревожная структура знаний и компетенций. URL: https://new.ras.ru/mir-nauky/news/vokrug-iskusstvennogo-intellekta-skladyvaetsya-ochentrevozhnaya-struktura-znaniy-i-kompetentsiy-aka/ (дата обращения 01.08.2022).
  33. Julian M. et al. What do nlp researchers believe? Results of the nlp community metasurvey. 2022. URL: https://doi.org/10.48550/arXiv.2208.12852 (дата обращения 30.08.2022).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).