ARTIFICIAL INTELLIGENCE AND DECISION MAKINGARTIFICIAL INTELLIGENCE AND DECISION MAKINGИскусственный интеллект и принятие решений2071-859426940610.14357/20718594230205System, Evolutionary, Cognitive ModelingСистемное, эволюционное, когнитивное моделированиеResearch ArticleOrganization of Emotional Reactions Monitoring of Social Networks Users by Means of Automatic Text AnalysisОрганизация мониторинга эмоциональных реакций пользователей социальных сетей средствами автоматического анализа текстаKuznetsovaYulia M.КузнецоваЮлия Михайловна
Russian Federation

Candidate of Psychological Sciences, Senior Researcher

кандидат психологических наук, старший научный сотрудник

kuzjum@yandex.ruChuganskayaAnfisa A.ЧуганскаяАнфиса Анваровна
Russian Federation

Candidate of Psychological Sciences, Researcher

кандидат психологических наук, научный сотрудник

anfisa.makh@gmail.comChudovaNatalia V.ЧудоваНаталья Владимировна
Russian Federation

Candidate of Psychological Sciences, Senior Researcher

кандидат психологических наук, старший научный сотрудник

nchudova@gmail.comComputer Science and Control Federal Research Center of the Russian Academy of SciencesФедеральный исследовательский центр «Информатика и управление» РАН15042023264751011202410112024Copyright ©; 2023, ФИЦ ИУ РАНCopyright ©; 2023,2023ФИЦ ИУ РАНhttps://journals.rcsi.science/2071-8594/article/view/269406

The article considers problems of theoretical and methodological nature arising in the organization of monitoring of emotional reactions of social networks users by means of automatic text analysis. The difficulties accompanying the monitoring activity at the level of motivation, goal-setting and the choice of a method for determining markers of emotionality are analyzed. The problems of determining the sampling criteria for the study of emotional reactions of users within communities and large groups, taking into account textual and non-textual parameters are studied. Difficulties in interpreting the data of a set of psycholinguistic features based on machine learning and questions about the applicability of the classifier built on the training corpus to texts from different fields are outlined.

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.

monitoringnetwork communitiesemotionsautomatic text analysislinguistic markerspsycholinguisticsactivityмониторингсетевые сообществаэмоцииавтоматический анализ тексталингвистические маркерыпсихолингвистикадеятельностьThe work was carried out within the framework of the scientific programme of the National Centre of Physics and Mathematics (Area No. 9: Artificial Intelligence and Big Data in Technical, Industrial, Natural and Social Systems)Работа выполнена в рамках научной программы Национального центра физики и математики (направление №9 «Искусственный интеллект и большие данные в технических, промышленных, природных и социальных системах»)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.Kataev A.V., Kataeva T. M., Nazvanova I. A. (2020) Digitalmarketing: uchebnoe posobie [Digital Marketing: Tutorial]. Taganrog: Izdatel'stvo YUzhnogo federal'nogo universiteta [Proceedings of the Southern Federal University]. 161 p.Катаев А.В., Катаева Т. М., Названова И. А. Digital-маркетинг: учебное пособие. Таганрог: Издательство Южного федерального университета. 2020. 161 с.Social'nye seti: kompleksnyj lingvisticheskij analiz [Social networks: a comprehensive linguistic analysis]. V 2-h tomah. T. 1. / Monografiya pod nauchn. red. N. D. Goleva, otv. red. L. G. Kim. Kemerovo: Kemerovskij gosudarstvennyj universitet [Kemerovo State University]. 2021. 430 p.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.Malinovskaya A., Otto P. Online network monitoring // Statistical Methods and Applications. 2021. No. 30 (3).Kuznetsova Yu.M., Smirnov I.V., Isakov V.A., Stankevich M.A., Chudova N.V. Sozdanie instrumenta avtomaticheskogo analiza teksta v interesah socio-gumanitarnyh issledovanij. CH.2. Mashina RSA i opyt eѐ ispol'zovaniya [Creation of an automatic text analysis tool in the interests of socio-humanitarian research. Part 2. The RS machine and its use experience] // Iskusstvennyj intellekt i prinyatie reshenij [Artificial intelligence and decisionmaking]. 2019. No. 3. P. 21-32.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.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.№ 3. С. 21-32.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.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.Grigor'ev O. G., Kuznetsova Yu. M., Nikitina E. N., Smirnov I. V., Chudova N. V. Kauzativno-emotivnyj analiz. Chast' I. Metodika izucheniya emocional'nyh reakcij pol'zovatelej social'nyh setej [Causative-emotive analysis. Part I. Methodology for studying emotional reactions of users of social networks] // Psihologicheskij zhurnal [Psychological journal]. 2022. T. 43. No. 3. P. 114–121Smirnov 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.Leont'ev A.N. Problemy razvitiya psihiki [Problems of the development of the psyche]. M.: Mysl [Thought]. 1965. 570 p.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.Grishaeva S.A., Klyuvaev K.V. Kommunikativnye praktiki molodezhi v social'nyh setyah [Communicative practices of youth in social networks] // Cifrovaya sociologiya [Digital sociology]. 2019. No. 3. P. 4–9.Леонтьев А.Н. Проблемы развития психики. М.: Мысль. 1965. 570 с.Latynov V.V., Ovsyannikova V.V. Prognozirovanie psihologicheskih harakteristik cheloveka na osnovanii ego cifrovyh sledov [Forecasting psychological characteristics of a person based on his digital traces] // Psihologiya. Zhurnal Vysshej shkoly ekonomiki [Psychology. Journal of the Higher School of Economics]. 2020. T. 17. No. 1. P. 166–180.Гришаева С.А., Клюваев К.В. Коммуникативные практики молодежи в социальных сетях // Цифровая социология. 2019. № 3. С. 4–9.Litvinchuk I.N. Mezhdisciplinarnyj analiz emotivnogo diskursa: osnovnye cherty v paradigme kognitivnoj i pragmalingvistiki [Interdisciplinary analysis of emotive discourse: the main features in the paradigm of cognitive and pragmalinguistics] // Uchenye zapiski Krymskogo federal'nogo universiteta imeni V.I. Vernadskogo. Filologicheskie nauki [Scientific notes of the V.I. Vernadsky Crimean Federal University. Philological sciences]. 2017. T. 3 (69). No. 4. P. 15–30.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.Dvojnikova A.A., Karpov A.A. Analiticheskij obzor podhodov k raspoznavaniyu tonal'nosti russkoyazychnyh tekstovyh dannyh [Analytical review of approaches to recognition of the tonality of Russian-language text data] // Informacionno-upravlyayushchie sistemy [Information and control systems]. 2020. No. 4 (107). P. 20–30.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.Kotel'nikov E.V. Metodologiya intellektual'nogo analiza mnenij pri obrabotke tekstovoj informacii na osnove pravdopodobnogo vyvoda [Methodology of intellectual analysis of opinions in the processing of textual information based on a plausible conclusion]: diss. … dokt. tekh. nauk. M., 2019. 365 p. URL: https://www.dissercat.com/con- tent/metodologiya-intellektualnogo-analiza-mnenii-priobrabotke-tekstovoi-informatsii-na-osnove (data obrashcheniya: 21.09.2022).Двойникова А.А., Карпов А.А. Аналитический обзор подходов к распознаванию тональности русскоязычных текстовых данных // Информационно-управляющие системы. 2020. № 4 (107). С. 20–30.Lukashevich N.V. Avtomaticheskie metody analiza tonal'nosti. Avtomaticheskaya obrabotka tekstov na estestvennom yazyke i analiz dannyh [Automatic methods of tonality analysis. Automatic text processing in natural language and data analysis] // Bol'shakova E.I., Voroncov K.V., Efremova N.., Klyshinskij E.S., Lukashevich N.V., Sapin A.S. M.: Izd-vo NIU VSHE [HSE University Publishing House]. 2017. P. 127–194.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).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.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.Ostapenko A.G. i dr. Social'nye seti i risk-monitoring [Social networks and risk monitoring] / Teoriya setevyh vojn [Theory of Network Wars]. Pod red. D.A.Novikova. M.: Telekom. 2022. 266 p.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.Avanesyan N.L., Solov'ev F.N., Tihomirova E. A., Chepovskij A. M. Vyyavlenie znachimyh priznakov protivopravnyh tekstov [Identification of significant signs of illegal texts] // Voprosy kiberbezopasnosti [Issues of cybersecurity]. 2020. No. 4 (38). P. 76-84.Остапенко А.Г. и др. Социальные сети и риск-мониторинг / Теория сетевых войн. Под ред. Д.А.Новикова. М.: Телеком. 2022. 266 c.Kosinski M., Stillwell D., Graepel T. Private traits and attributes are predictable from digital records of human // Proceedings of the National Academy of Sciences. 2013. Vol. 110. No. 15. P. 5802-5805.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.Mal'ceva D.V., Romanovskij N.V. O sovremennyh setevyh teoriyah v sociologii [On modern network theories in sociology] // Sociologicheskie issledovaniya [Sociological Research]. 2011. No. 8. P. 28 –37.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.Davydov S.G., Lebedev P.A. Onlajn-diskurs «vtoroj volny» moskovskih nablyudatelej [Online discourse of the "second wave" of Moscow observers] // Sociologicheskij zhurnal [Sociological Journal]. 2015. Tom 21. No. 3. P. 129–143.Мальцева Д.В., Романовский Н.В. О современных сетевых теориях в социологии // Социологические исследования. № 8. 2011. С. 28 – 37.Shajgerova L.A., Shilko R.S., Vahanceva O.V., Zinchenko Yu.P. Perspektivy ispol'zovaniya analiza social'nyh setej dlya izucheniya etnokul'turnoj identichnosti podrostkov v internet-soobshchestvah [Prospects for using social network analysis to study the ethnocultural identity of adolescents in Internet communities] // Nacional'nyj psihologicheskij zhurnal [National Psychological Journal]. 2019. No. 3(35). P. 4–16.Давыдов С.Г., Лебедев П.А. Онлайн-дискурс «второй волны» московских наблюдателей // Социологический журнал. 2015. Том 21. № 3. С. 129–143.Dejneka O.S., Maksimenko A.A. Ocenka psihologicheskogo sostoyaniya obshchestva v usloviyah infodemii posredstvom analiza social'nyh setej: obzor zarubezhnyh publikacij [Assessment of the psychological state of society in the conditions of infodemia through the analysis of social networks: a review of foreign publications] // Obshchestvo. Sreda. Razvitie (Terra Humana) [Society. Wednesday. Development (Terra Humana)]. 2020. No. 2 (55). URL: https://cyberleninka.ru/article/n/otsenka-psihologicheskogo-sostoyaniya-obschestva-v-usloviyah-infodemiiposredstvom-analiza-sotsialnyh-setey-obzor-zarubezhnyh (data obrashcheniya: 06.10.2022).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.Voronin A. N., Grebenshchikova T. A., Kubrak T. A., Pavlova N. D Sub"ektnost' setevogo soobshchestva: sravnenie psihometricheskih modelej proyavleniya diskursivnyh markerov v kontente [Subjectivity of the network community: comparison of psychometric models of the manifestation of discursive markers in conten] // Vestnik Moskovskogo gosudarstvennogo oblastnogo universiteta. Seriya: Psihologicheskie nauki [Bulletin of the Moscow State Regional University. Series: Psychological Sciences]. 2019. No. 3. P. 6–24.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).Agadullina E.R. Social networks user: current research // Journal of Modern Foreign Psychology. 2015. vol. 4. No. 3. P. 36—46. 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.Sorokin P. A. Social'naya i kul'turnaya dinamika [Social and cultural dynamics]. M.: Akademicheskij proekt. 2020. 986 p.Agadullina E.R. Social networks user: current research // Journal of Modern Foreign Psychology. 2015. Vol. 4. No. 3. P. 36—46.Vygotskij L.S. Myshlenie i rech' [Thinking and speech]. Izd. 5, ispr. M.: Labirint. 1999. 352 p.Сорокин П. А. Социальная и культурная динамика. М.: Академический проект. 2020. 986 с.Teplov B.M. Problemy individual'nyh razlichij [Problems of individual differences]. M.: Izd-vo Akad. ped. nauk RSFSR. 1961. 536 p.Выготский Л.С. Мышление и речь. Изд. 5, испр. М.: Лабиринт. 1999. 352 с.Sebrant A.YU. Data Science, chernye yashchiki… [Data Science, black boxes…] URL: https://www.youtube.com/watch?v=zvGeLvWZ7yQ&t=2 57s (data obrashcheniya: 25.08.2022).Теплов Б.М. Проблемы индивидуальных различий. М.: Изд-во Акад. пед. наук РСФСР. 1961. 536 c.Pospelov D.A. Desyat' "goryachih tochek" v issledovaniyah po iskusstvennomu intellektu [Ten "hot spots" in artificial intelligence research] // Intellektual'nye sistemy (MGU) [Intelligent Systems (MSU)]. 1996. T.1, vyp.1-4. P. 47-56.Себрант А.Ю. Data Science, черные ящики… URL: https://www.youtube.com/watch?v=zvGeLvWZ7yQ&t=257s (дата обращения: 25.08.2022).Novikov D. Vokrug iskusstvennogo intellekta skladyvaetsya ochen' trevozhnaya struktura znanij i kompetencij [A very disturbing structure of knowledge and competencies is emerging around artificial intelligence]. URL: https://new.ras.ru/mir-nauky/news/vokrug-iskusstvennogo-intellekta-skladyvaetsya-ochen-trevozhnayastruktura-znaniy-i-kompetentsiy-aka/ (data obrashcheniya 01.08.2022).Поспелов Д.А. Десять «горячих точек» в исследованиях по искусственному интеллекту // Интеллектуальные системы (МГУ). 1996. Т.1. Вып. 14. C. 47-56.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 (data obrashcheniya 30.08.2022).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).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).