CC BY
54
УДК 32.019.52
ДИСКУРС-АНАЛИЗ ПОЛИТИЧЕСКИХ СУЖДЕНИЙ В КОНТЕКСТЕ ЦИФРОВИЗАЦИИ*
О. А. Игнатьева
Санкт-Петербургский государственный университет
Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7-9
Дискурс-анализ текстов и речей является одним из самых востребованных методов исследования начиная со второй половины XX в. Его возникновение связано с работами постмодернистов, таких как Ж. Делёз, Ж. Деррида, М. Фуко, Э. Лакло и Ш. Муфф. Метод интересен тем, что позволяет учитывать контекст выражаемых суждений и вскрывать подразумеваемый смысл высказываний. Несмотря на широкое распространение данного метода, единой методологии так и не было создано. В зарубежной и российской науке формировались параллельные направления и школы в области дискурс-анализа, наиболее влиятельные из которых будут рассмотрены в данной статье. Возникновение социальных сетей, цифровых платформ и приложений задало новый тренд в модификации и создании вариантов дискурс-анализа текстов и суждений, но уже в цифровой среде. Некоторые из них, например подход Ю. Г. Мисникова, могут служить альтернативой изучения общественного мнения при помощи социального опроса. Целью данной статьи являются анализ и систематизация как традиционных методов дискурс-анализа политических суждений, так и новых подходов с использованием социальных сетей, приложений, сайтов и цифровых платформ. В ходе исследования были использованы методы классификации и систематизации, общенаучные методы анализа и синтеза. В контексте цифровизации было рассмотрено пять разновидностей метода дискурс-анализа для анализа текста в цифровой среде: критический анализ дискурса, корпусный дискурс-анализ, опосредованный дискурс-анализ, мультимодальный дискурс-анализ и дискурс-анализ с использованием искусственного интеллекта. Тщательное рассмотрение данных методов позволило выявить лакуну в анализе политических суждений на цифровых платформах взаимодействия власти с населением и предложить вариант ее заполнения на основе параметрической модели А. Круглански.
Ключевые слова: дискурс-анализ, критический дискурс-анализ, социальные сети, мобильные приложения, нейронные сети, политические суждения.
ВВЕДЕНИЕ
Развитие методологии анализа текста на информационно-коммуникационных платформах и в социальных сетях становится насущной потребностью не только для современных социальных и гуманитарных наук, но и для практической сферы проведения эмпирических исследований. Дискурс-анализ, в отличие от контент-анализа, предполагает не просто частотный подсчет слов
* Работа выполнена при финансовой поддержке РФФИ и АНО ЭИСИ, грант № 20-011-31361 «Аутсорсинг политических суждений: критический анализ информационной парадигмы сетевой публичной коммуникации».
© Санкт-Петербургский государственный университет, 2021
в их контексте, но и контекстуальный анализ речевых актов в целом с учетом их структурных особенностей.
В настоящее время не существует единой методологии дискурс-анализа. Разные школы выбирают разный объект анализа при использовании данного метода. Школа континентальной Европы сосредотачивается на анализе письменных текстов, англосаксонская школа — преимущественно на анализе устной речи. Обращение к дискурс-анализу как методу исследования связано с постмодернистской парадигмой. Такие социальные мыслители, как Жиль Делёз, Жак Деррида, Мишель Фуко, обращались к деконструкции текста, но, пожалуй, первыми учеными, которые заложили теоретико-методологические основы данного метода, стали Эрнесто Лакло и Шанталь Муфф [Laclau, Mouffe, 1985].
Целью данной статьи являются анализ и систематизация как традиционных методов дискурс-анализа политических суждений, так и новых подходов с использованием социальных сетей, приложений, сайтов и цифровых платформ. В ходе исследования были использованы методы классификации и систематизации, общенаучные методы анализа и синтеза.
ДИСКУРС-АНАЛИЗ ПОЛИТИЧЕСКИХ ТЕКСТОВ В РОССИЙСКОЙ И ЗАРУБЕЖНОЙ ТРАДИЦИИ
Теория дискурса Э. Лакло и Ш. Муфф предполагает использование следующих понятий, которые закладывают основы для дискурс-анализа: узловые точки, ключевые знаки и мифы как основные знаки в структуре дискурса. Узловые точки (например, «демократическое управление») образуют дискурсы. Ключевые знаки (например, «гражданин») определяют идентичность. Мифы (например, «Восток», «культура») формируют социальное пространство. Все эти понятия относятся к основным знакам, однако они являются пустыми с точки зрения семантики. Их значение можно определить только посредством формирования цепочек эквивалентности. Например, «демократическое управление» становится демократическим только после того, как его соединят с понятиями «парламент» и «мажоритарная избирательная система». Когда основные понятия наполнены смыслом посредством их комбинирования с цепочками эквивалентности, можно начинать исследование как структуры дискурсов в контексте социального пространства.
Исследуя цепочки эквивалентности, можно определить, как организованы дискурсы, идентичности и социальное пространство. Цепочки эквивалентности включают как лингвистические, так и нелингвистические (материальные) элементы, которые относятся к наполнению основных знаков смыслом.
Другими основными понятиями в теории дискурса Э. Лакло и Ш. Муфф являются термины, связанные с анализом конфликта, такие как изменчивые знаки и гегемония. Говоря об изменчивых знаках, подразумевают знаки, которые можно наполнить разным содержанием. По мнению Лакло и Муфф, дискурсы никогда не являются полностью неизменными и неоспоримыми. Разные дискурсы борются за то, чтобы наполнить изменчивые знаки своим содержанием, поэтому дискурсы часто находятся в состоянии перманентного конфликта Mouffe, 1985].
Необходимо отметить, что теория дискурса Лакло и Муфф не предложила полноценной методологии для анализа дискурса. Она лишь заложила основы данного метода, определив базовые понятия и цель дискурс-анализа. Так, «цель дискурс-анализа — это деконструкция структур, которые мы принимаем как само собой разумеющиеся: он показывает, что данная организация мира — это результат политических процессов, имеющих социальные последствия» [Филлипс, Йоргенсен, 2008, с. 132].
Несмотря на наличие разных методик анализа аналогового дискурса в западной традиции, одним из самых признанных подходов в этой области стала модель критического дискурс-анализа, разработанная Норманом Фэркло [Ра1гс!оидИ, 2003]. Основная идея данного подхода заключается в том, что дискурсивные практики встроены в социальные практики. Определение вопросов исследования в критическом дискурс-анализе связано с необходимостью выбора научной дисциплины, в рамках которой предполагается изучать дискурс.
Трехмерная модель Н. Фэркло включает в себя три аспекта. Это поэтапное изучение дискурсивной практики, текста и социальной практики. Предметом анализа дискурсивной практики является конструирование и усвоение текста посредством таких понятий, как интертекстуальная цепочка, интердискурсив-ность и персонификация. На этапе лингвистического анализа текста с помощью интеракицонного контроля, метафор, грамматики и других инструментов можно определить, какие дискурсы активирует текст и как это влияет на процесс коммуникации.
Для того чтобы осмыслить дискурс, его необходимо анализировать в социально-культурном контексте, обращаясь к социальным и культурологическим теориям, поскольку обычный лингвистический анализ делает невозможным осмысление контекста изучаемого дискурса. Таким образом, критический дискурс-анализ, предложенный Фэркло, утверждает, что дискурс представляет собой не просто текст, а форму социальной практики, которая связана с неравным распределением власти в обществе.
В российской традиции анализа дискурса, по мнению Е. И. Шейгал, особенность политики заключается преимущественно в дискурсивном характере ее сущности, где большинство политических действий реализуются через речевые акты. Все элементы поля политики так или иначе опосредованы дискурсом, отражаются в дискурсе, реализуются через дискурс: они либо составляют собственно предмет общения (его референциальный аспект), либо выступают в качестве элементов прагматического контекста, в том числе и прагматической пресуппозиции [Шейгал, 2004, с. 35].
В работе О. Ф. Русаковой [Русакова, 2008, с. 114] выделяются два ведущих подхода в области исследований политического дискурса: критический дискурс-анализ и постмодернистский дискурс-анализ, о которых речь шла выше. По мнению Русаковой, «с развитием массмедийных технологий и массовых коммуникаций политический дискурс становится все более медиатизирован-ным. Мультимедийный дискурс в информационную эпоху — уже не слуга политики, а ее полноценный агент и креатор» [Русакова, 2008, с. 116].
При анализе политизированных сообществ в социальных сетях и суждений в них И. А. Быков [Быков, 2013], Д. С. Мартьянов и Н. А. Мартьянова [Мартьянов, Мартьянова, 2019] обращались к использованию сетевого анализа и комментировали возникновение эффекта эхо-камер, когда любое суждение и система убеждений, несмотря на несоответствие фактам, поддерживались и усиливались благодаря влиянию единомышленников. В одной из своих работ Быков говорит также о феномене отмены и персонификации политического дискурса. Так, применительно к реализации культуры отмены в социальных сетях речь идет об отмене подписки на страницу влиятельных политиков, как со стороны самих подписчиков, так и их референтных групп. «Культура отмены возникает благодаря персонификации современных СМИ, где блогеры, журналисты, политики и т. д. формируют основу общественного мнения» [Быков, Ахмедова, 2021, с. 16].
Таким образом, современные политические дискурсы становятся интерактивными и энтекстуальными и требуют применения модифицированных подходов к дискурс-анализу с учетом размещения политических суждений и текстов в социальных сетях, на сайтах и цифровых платформах. О возможности новых способов анализа дискурса в контексте цифровизации речь пойдет в следующих разделах данной статьи.
ДИСКУРС-АНАЛИЗ ПОЛИТИЧЕСКИХ И ОБЫДЕННЫХ СУЖДЕНИЙ В ЦИФРОВОЙ СРЕДЕ
Цифровизация, охватившая общество первой четверти XXI в., трансформирует не только отношения взаимодействия между людьми, населением и бизнесом, населением и властью, но и меняет характеристики текста как семантического объекта, доступ которому опосредован социальными сетями, приложениями и цифровыми платформами. В данном разделе будут рассмотрены некоторые разновидности дискурс-анализа в цифровой среде.
Критический дискурс-анализ (CDA — Critical Discourse Analysis), разработанный для аналоговых текстов, в XX в. Н. Фэркло [Fairclough, 1995], предполагает не только анализ дискурсивных практик и текста, но также их включенность в социальные практики. С учетом этой трехуровневой модели Илана Снайдер предлагает в качестве примера проведения дискурс-анализа в интернете исследование такой социальной практики, как кураторство, берущее начало в музейном деле и по сути являющееся формой идеологического, а следовательно политического контроля за процессом мышления пользователей. «Кураторство над контентом — это сбор и распространение информации, которую используют многие: от мелких блогеров до агрегированных новостных гигантов, таких как Huffington Post» [Snyder, 2015, p. 213].
Текст может создаваться посредствам онлайн-маркетинга, и тогда алгоритм его создания выглядит следующим образом: «Форма контент-маркетинга предполагает, что издатель собирает лучший контент, относящийся к определенной нише и ориентированный на конкретную аудиторию. Затем аудитория расширяет этот контент, добавляя личное мнение и экспертизу. Этот улучшен-
ный контент обеспечивает дополнительную ценность для целевой аудитории, которая потребляет его после публикации» [Gunelius, 2012]. Таким образом, кураторство добавляет дополнительную ценность публикуемому контенту, поскольку он редактируется и улучшается коллективно, прежде чем быть поданным конечному пользователю.
В отличие от маркетингового кураторства социальное онлайн-кураторство связано с бесплатной инициативной деятельностью пользователей по улучшению онлайн-контента. «Социальное кураторство поощряет сбор историй, обмен опытом и создание смысла в обществе» [Snyder, 2015, p. 215], при этом онлайн-кураторы — это те люди, которые могут выделить качественную информацию из всего многообразия и собрать ее воедино креативным образом. Социальное кураторство в сети позволяет направлять других пользователей к интересующему вас контенту и наделять этот контент оценочными суждениями, которые, вероятно, будут разделены ими. «При возможности человек делится опосредованной, кураторской версией своего опыта, когда создает, редактирует, представляет различные медиатексты, от онлайн-резюме до фотогалереи... Слово "кураторский" включает в себя все практики цифровой культуры и добавляет другие, которые возможны в социальных сетях» [Potter, 2012, p. 5].
Таким образом, критический дискурс-анализ позволяет вскрыть особенности функционирования социальной практики в интернете и найти ее отражение в соответствующих семантических продуктах, в частности в текстах, размещенных на новостных лентах в сопровождении серии комментариев.
Следующей разновидностью дискурс-анализа текста в цифровой среде является корпусный дискурс-анализ (CADA — Corpus-Assisted Discourse Analysis). «Это подход, который используется либо сам по себе, либо в поддержку других форм дискурс-анализа. В центре его внимания лежат лексические маркеры (т. е. слова и фразы), а компьютерное программное обеспечение используется для подсчета и сравнения этих маркеров для того, чтобы больше узнать о дискурсах, частью которых они являются» [King, 2015, p. 130].
Этот подход сильно напоминает контент-анализ, так как предполагает частотный подсчет слов-маркеров, однако в отличие от него CADA предполагает также и формирование корпусов текстов, которые позволяют понять контекст используемых маркеров. Данный тип анализа применим для исследования разговоров в чатах, на форумах. Возможность использования частотного подсчета слов способствует не столько объективному познанию текста, сколько проникновению в субъективный смысл диалогов за счет соотношения маркеров с корпусом текста.
Как и в случае предыдущего метода, данный метод тоже нацелен на изучение социальных практик и особенностей поведения пользователей, выраженных в онлайн-текстах. В своем исследовании Брайан Кинг подробно описывает методологию проведения корпусного дискурс-анализа. Он начинает с того, что для вскрытия смысла практик нужно сформировать корпусы текстов. Далее необходимо определить слова-маркеры, которые отражают сущность этих изучаемых практик. В процессе кодировки слов-маркеров Кинг сталкивается с проблемой: такие слова зачастую представляют собой hapax legomena, т. е.
встречаются в тексте только один раз, что делает бессмысленным частотный подсчет слов для выявления общих закономерностей. Исследователь принимает решение категоризировать разрозненные слова для того, чтобы сделать результаты своего анализа более осмысленными. «Категоризация слов при изучении корпуса, часто выполняется с помощью тегов программного обеспечения, которые автоматически просматривают корпус и "тегитируют" лексические элементы на основе семантических категорий» [Baker, 2006].
Кодировка текста в чатах осложняется часто наличием акронимов, эррати-вов, специфической киберорфографии. Для того чтобы понять смысл этих слов (токенов), необходимы усилия со стороны кодировщика, который должен обращаться к тексту, окружающему данные слова.
После подготовки корпуса данных и получения информированного согласия пользователей на использование их «текстов» можно осуществлять частотный подсчет слов-маркеров. Также данный метод позволяет использовать более усложненные варианты статистического анализа с выдвижением и проверкой гипотез. Таким образом, с помощью корпусного дискурс-анализа возможно выявлять закономерности в поведении пользователей в процессе онлайн-ком-муникации с высокой долей вероятности, так как данный анализ основан не на качественных, а на количественных оценках с последующей качественной интерпретацией.
Пожалуй, самым необычным методом дискурс-анализа можно считать опосредованный дискурс-анализ, предложенный Родни Джонсом [Jones, 2015, p. 28-47]. Уникальность данного метода заключается в том, что он отличается инструментами для сбора данных, где в качестве таковых выступают мобильные приложения. Джонс проанализировал 18 из 20 наиболее популярных мобильных приложений и пришел к выводу, что данные, собранные сервомеханизмами для того, чтобы стать доступными для прочтения, подлежат ресемиоти-зации, ретемпорализации и реконтекстуализации. Таким образом, «неявный беспорядок данных, собранных о человеке, организован, определен и сделан ценным путем алгоритмического присвоения ему значений и, в свою очередь, ограничения потенциального избытка значений, которые предполагают необработанные данные» [Cheney-Lippold, 2011, p. 170].
Метод опосредованного дискурс-анализа скорее направлен на выявление механизмов преобразования сырых данных с сервомеханизмов в текст, и первым из них является ресемиотизация, как «перевод данных из одного семиотического режима в другой» [ledema, 2001]. По мере перемещения между модулями значения сырых данных видоизменяются. В конечном итоге они могут быть представлены в виде текстов или диаграмм, что облегчает визуализацию данных и принятие решений о самоконтроле, который является целью многих мобильных приложений.
Механизм ретемпорализации связан с понятием «хронотоп», введенным М. М. Бахтиным (1981) в контексте литературных произведений. Согласно данному понятию, разные авторы в разных работах создают разное представление о времени и пространстве протекания действий сюжета. Отталкиваясь от данного понимания пространственно-временных особенностей текста, Джей Лем-
264 -
ПОЛИТЭКС 2021. Том 17, № 3
ке [Lemke, 2000] говорит о том, что действия могут происходить в разных временных масштабах, причем действия в более коротких временных масштабах могут быть частью действий в более длительных временных масштабах, а действия в более длительных временных масштабах могут ограничивать действия в более коротких временных масштабах. «При ретемпорализации информация помещается либо в более короткие, либо более длинные хронотопы, облегчая связь между различными временными шкалами» [Jones, 2015, p. 40].
И, наконец, реконтекстуализация — это механизм, который позволяет превращать индивидуальную информацию в социальную. «Сторонники приложений для самоконтроля утверждают, что их способность реконтекстуализировать данные в социальных сетях помогает создавать новый вид сознания здоровья, подпитываемого сообществами «совместных биограждан», которые берут на себя ответственность за свое здоровье и учатся друг у друга» [Jones, 2015, p. 43].
Таким образом, Р. Джонс приходит к выводу, что, хотя данный метод и может на первый взгляд показаться специфическим и подходящим не для всех текстов, на самом деле, приведенные им способы сбора, обработки и представления текстовых данных соответствуют тому, как образуются многие тексты в интернете.
Мультимодальный дискурс-анализ (MMDA — Multimodal Discourse Analysis) — это еще один метод дискурсивного анализа, позволяющий анализировать текст в цифровой среде. Однако он отличается тем, что для анализа выбираются семиотические объекты разного происхождения (тексты, числа, графики, фотографии и видео). В своей работе Филипп Бенсон проводит дискурс-анализ семиотических единиц, размещенных на платформе YouTube [Benson, 2015, p. 81-96]. Принцип интеграции разных ресурсов, характерный для данной платформы означает, что, «хотя каждый текстовый бит на странице YouTube можно рассматривать как отдельную текстовую единицу, видео и комментарии взаимодействуют шаблонным образом и взаимосвязаны по значению создания» [Androutsopolous, 2013, p. 50].
Необходимо отметить, что данный тип дискурс-анализа рассматривает текст как устный дискурс и поэтому использует и развивает методологию кон-версационного анализа, разработанную в 1970-е годы Бирмингемской школой анализа дискурса [Sinclair, Coulthard, 1975]. В основе анализа дискурса данной школы лежит выделение обмена как единицы устного дискурса, состоящей из инициирующего и ответного хода. «На страницах YouTube используются несколько семиотических режимов, включая движущиеся изображения, устные слова, музыку, звуки, объекты, значки и ссылки. Количество идентифицируемых коммуникативных элементов на страницах YouTube обычно превышает сто, и это число увеличивается по мере добавления письменных комментариев» [Benson, 2015, p. 83].
Анализ мультимодального дискурса предполагает выделение инициирующего и ответного хода в обмене. В качестве инициирующего хода обычно выступает загружаемое на страницу видео. Далее оно сопровождается текстом, который создают как пользователи, так и боты. Иногда в продолжение дискур-
са на странице УоиТиЬе последующий ответный ход может быть одновременно и инициирующим, разворачивающим продолжение дискуссии.
Таким образом, рассмотрение взаимодействия в цифровой среде как аналога устной речи, опосредованного соответствующей цифровой платформой или социальными сетями, может быть вполне оправданным, что создает потенциал для использования модификации конверсационного анализа Бирмингемской школы в виде мультимодального дискурс-анализа (ММйА). Основываясь на целях конверсационного анализа, мы можем вскрывать подразумеваемые смыслы разворачиваемого перед нами дискурса, а также анализировать особенности социальных, политических и культурных практик, отраженных в дискурсах.
Одной из первых попыток проанализировать публичную дискуссию на политическую тематику в цифровой среде была попытка российского ученого Ю. Г. Мисникова, который разработал специальную методология дискурс-анализа, позволяющую использовать искусственный интеллект для дифференциации суждений [Мисников, Филатова, 2019]. В основу методологии была положена теория коммуникативной этики Юргена Хабермаса в рамках модели делиберативной демократии. Процесс коммуникации направлен на достижение согласия посредством коммуникативного действия или, как минимум, на формирование взаимопонимания по наиболее важным проблемам. Главными условиями взаимодействия являются условия «публичной равноправной и непринужденной коммуникации, соблюдаемые в сократическом диалоге» [Хабер-мас, 2001, с. 76].
Исследование Ю. Г. Мисникова и О. Г. Филатовой, представленное в статье «Интернет-дискуссия как форма электронного участия: российская специфика» (2019), основано на двухступенчатом подходе к проведению дискурс-анализа политических суждений в интернет, т. е. на электронных площадках нескольких российских СМИ. На первом этапе используются услуги кодировщиков, которые классифицируют суждения на те, которые высказаны за уничтожение санкционных продуктов, и те, которые высказаны против этого. На втором этапе исследователи проводят эксперимент, направленный на то, чтобы обучить искусственный интеллект выполнять те же действия в отношении оценки принятия федерального закона о повышении пенсионного возраста в Российской Федерации.
На первом этапе исследователи разрабатывают модель на основе концепции Ю. Хабермаса, позволяющую перейти от рационального обоснования согласия или несогласия с данным решением к нормативному, а затем морально обоснованному утверждению. «Важность претензий на значимость как инструмента дискурс-анализа состоит в возможности структурирования записей постов таким образом, чтобы не только осуществить смысловой анализ путем выявления базового смыла и намерения текста записи, но и выявить интерактивную глубину межсубъектных солидарностей участников (в терминологии Хабермаса), т. е. состава и размера групп, считающих какие-то важные для них позиции морально верными» [Мисников, Филатова, 2019, с. 330]. Таким образом, первый этап исследования можно считать пилотным, так как он проводится на сравнительно небольшой выборке из пятисот комментариев.
На втором этапе для дифференциаций суждений на положительные и отрицательные была использована рекуррентная нейронная сеть со специальными блоками долгосрочной памяти для машинного обучения. Общий объем выборки составил десять тысяч сообщений. Выборка была поделена на обучающую и тестирующую в отношении 80% на 20%. С обучающей работали также кодировщики, которые кодировали несогласие с пенсионной реформой как «0», согласие как «1» и нейтральное отношение как «2». Использование данной нейронной сети подтвердило ее эффективность в отношении классифицирования суждений и возможностей прогнозирования результата.
ПАРАМЕТРИЧЕСКАЯ МОДЕЛЬ А. КРУГЛАНСКИ КАК ОСНОВА ДЛЯ ДИСКУРС-АНАЛИЗА ПОЛИТИЧЕСКИХ СУЖДЕНИЙ НА ЦИФРОВЫХ ПЛАТФОРМАХ
В основу разработки методологии дискурс-анализа политических суждений на цифровых платформах публичной коммуникации органов власти с населением положена параметрическая модель суждений американского социального психолога А. Круглански. В своей работе «О параметрах суждений» [Кгид!апэк1 et а1., 2007, р. 265-276] он выделяет пять типов параметров, которые характеризуют разные аспекты суждений и влияют на их формирование. Это 1) субъективная релевантности информации, 2) трудности задачи логического вывода, 3) ресурсы обработки информации, 4) ненаправленная мотивация и 5) направленная мотивация. В основе данной работы лежит теория «профанной эписте-мики» (обыденного познания) Круглански [Кгид!апэк1 et а1., 2010, р. 940-945]. Ее ключевой идеей является утверждение Карла Поппера о том, что научное познание формируется так же, как и обыденное [Поппер, 2005, с. 28].
Первый параметр «Субъективная релевантность информации» — описывает степень веры познающего в суждение на основе конкретизации информации о ситуации. Степень релевантности информации X для суждения У определяется как степень значимости информации, которую индивид приписывает утверждению (если X, то У) или, другими словами, главной посылке силлогизма.
Второй параметр, трудности задачи логического вывода, подразумевает, что задача, сформулированная в ходе размышления, может определять, насколько легко или сложно выявить потенциальную релевантность информации для формируемого суждения. Можно выделить два источника трудности задачи логического вывода:
— сложность подтверждения второстепенной посылки силлогизма, т. е. определение того, чего X является случаем;
— сложность использования правила вывода (если... то) из основной посылки, которую X может создавать.
Третий параметр, ресурсы обработки, связан с особенностями когнитивных способностей познающего к обработке информации [Р1]кз1егЬи1з et а!., 1996, р. 250-256]. Здесь можно выделить два основных класса когнитивных возможностей, связанных с данным параметром:
— доступность правил;
— способность к концентрации внимания.
Потенциальная релевантность информации касается степени готовности познающего использовать правило «если... то» при формировании суждения. Иногда готовность использовать данное правило вывода бывает низкой, и тогда релевантность суждения по заявленной теме тоже будет низкой. Следующий класс когнитивных возможностей в рамках данного параметра касается способности познающего к концентрации внимания. Если способность к концентрации внимания у познающего подвергается чрезмерной нагрузке (например, из-за перегрузки мышления другими вопросами), то он может быть менее способным к тщательной обработке информации, а следовательно к подбору релевантной информации.
Последние два параметра связаны единым концептом — концептом мотивации. Мотивация (стремление) к осмыслению информации может позволить компенсировать трудность сбора информации. Мотивация в параметрической модели А. Круглански дифференцируется на ненаправленную и направленную.
Итак, четвертый параметр модели — это «ненаправленная мотивация», определяемая как степень усилий, затрачиваемых на определение предмета суждения. Степень ненаправленной мотивации людей к определению предмета суждения определяется их различными целями обработки информации, такими как цель точности, подотчетности, когнитивной активности [Кгид!апэк1, 1999, р. 53-58]. Чем выше стремление к точности выражения мысли и когнитивная активность познающего, тем выше степень мотивации по определению предмета суждения и желание вступить в дискуссию. Чем больше готовность познающего к когнитивному закрытию, тем меньше уровень мотивации для определения предмета суждения и обработки информации.
И, наконец, последний параметр — это «направленная мотивация», отражающая степень, в которой данное содержание суждения желательно для человека. Другими словами, данный параметр означает уровень готовности познающего к специфическому или неспецифическому закрытию [Кгид!апэк1 е! а!., 2010, р. 939-940]. Направленная мотивация определяет вес, присвоенный каждому элементу информации в зависимости от его совместимости с различными желаниями людей. Направленная мотивация отражает степень, в которой данное содержание суждения желательно для человека. Человек с учетом информации о вреде курения может соответствующим образом исказить информацию, чтобы прийти к желательному для него выводу. Или участники дискуссии могут продолжать ее до тех пор, пока не придут к требуемому решению. Это характеризует феномен специфического закрытия. Неспецифическое закрытие, наоборот, характеризует готовность познающего принять любой вывод за истину для скорейшего завершения процесса познания или делиберации.
ЗАКЛЮЧЕНИЕ
Итак, нами было рассмотрено пять разновидностей метода дискурс-анализа для анализа текста в цифровой среде: критический анализ дискурса, корпусный дискурс-анализ, опосредованный дискурс-анализ, мультимодальный дискурс-анализ и дискурс-анализ с использованием искусственного интеллекта. Каждый из методов обладает своими преимуществами и недостатками. Для дискурс-анализа политических суждений на цифровых платформах, ближе всего подходит вариант дискурс-анализа, предложенный Ю. Г. Мисниковым. Однако у него также есть ряд недостатков. Во-первых, он проводит анализ суждений на дискуссионных площадках СМИ и в социальных сетях, а не на цифровых платформах. Во-вторых, его подход не позволяет проследить механизм формирования суждений в процессе делиберации. «При этом до сих пор отсутствует достаточно аргументированное и научно обоснованное понимание того, каким образом участники дискуссий формируют (и меняют) свое мнение в ходе дискуссий, реагируя на мнения других, и как происходит сближение или поляризация позиций» [Мисников, Филатова, 2019, с. 324]. Данный недостаток может быть разрешен посредством проведения дискурс-анализа политических суждений на цифровых платформах с помощью дискурс-анализа, основанного на модификации параметрической модели суждений А. Круглански. Использование данной модели в качестве инструментария для дискурс-анализа позволяет проследить процесс формирования суждений в ходе дискурса с учетом контекста суждений в рамках информационной и когнитивной парадигм.
Литература
Быков И. А. Сетевая политическая коммуникация: Теория, практика и методы исследования: монография. СПб.: ФГБОУ ВПО «СПГУТД», 2013. 200 с.
Быков И. А., Ахмедова Ю. Д. Культура отмены в политическом дискурсе современной России // Вестник Кабардино-Балкарского университета, 2021. Т. 1, № 1. https://doi.org/10.24334/ KBSU.2021.1.1.002
Мартьянов Д. С., Мартьянова Н. А. Управляемость виртуальных сообществ: сравнительный анализ политизированных групп Вконтакте // Журнал политических исследований, 2019. Т. 3, № 3. С. 79-93.
Мисников Ю. Г., Филатова О. Г. Интернет-дискуссия как форма электронного участия: российская специфика // Мониторинг общественного мнения: Экономические и социальные перемены. 2019. № 5. С. 320-340. https://doi.org/10.14515/monitoring.2019.5.15
Поппер К. Логика научного исследования. М.: Республика. 2005. 447 с.
Русакова О. Ф. Политическая дискурсология: актуальность исследования и теоретико-методологические основания // Tempus et memoria. 2008. Т. 3, № 6. С. 114-122.
ФиллипсЛ., Йоргенсен М. В. Дискурс-анализ. Теория и метод: пер. с англ. Харьков: Гуманитарный центр, 2008. 352 с.
Хабермас Ю. Вовлечение Другого. Очерки политической теории. СПб.: Наука. 2001. 417 с.
Шейгал Е. И. Семиотика политического дискурса. М.: Гнозис, 2004. 326 с.
Androutsopoulos J. Participatory culture and metalinguistic discourse: performing and negotiating German dialects on YouTube // Discourse 2.0: language and new media / D. Tannen and A. M. Trester (eds), Washington, D.C.: Georgetown University Press, 2013. P. 47-71.
Bakhtin M. M. The Dialogic Imagination: four essays, trans. by C. Emerson and M. Holquist, ed. by M. Holquist. Austin, TX: University of Texas Press, 1981. 258 p.
Baker P. Using Corpora in Discourse Analysis. London: Continuum, 2006. 198 p. Benson Ph. YouTube as text: spoken interaction analysis and digital discourse // Discourse and digital practices: doing discourse analysis in the digital age / R. Jones, A. Chik, C. Hafner (eds). London, New York: Routledge, 2015. P. 81-96.
Cheney-Lippold J. A new algorithmic identity: soft biopolitics and the modulation of control // Theory, Culture & Society. 2011. No. 28. P. 164-181.
Dijksterhuis A., van Knippenberg A., KruglanskiA., Schper C. Motivated Social Cognition: Need for Closure Effects on Memory and Judgment // Journal of Experimental Social Psychology, 1996. Vol. 32, iss. 0012. P. 254-270.
Fairclough N. Analysing Discourse: Textual Analysis for Social Research. London: Routledge, 2003. 269 p.
Fairclough N. Critical Discourse Analysis, London: Longman, 1995. 334 p. Gunelius S. 5 Ways to use content curation for marketing and tools to do it // Forbes. URL: https://www.forbes.com/sites/work-in-progress/2012/07/05/5-ways-to-use-content-curation-for-marketing-and-tools-to-do-it/?sh=6bb4100c3e57 (accessed: 28.03.2021). ledema R. Resemiotization // Semiotica. 2001. Vol. 137, no. 1. P. 23-39. Jones R. Discourse, cybernetics and the entextualization of the self // Discourse and digital practices: doing discourse analysis in the digital age / R. Jones, A. Chik, Ch. Hafner (eds). London, New York: Routledge, 2015. P. 28-47.
King B. Investigating digital sex talk practices: a reflection on corpus-assisted discourse analysis // Discourse and digital practices: doing discourse analysis in the digital age / R. Jones, A. Chik, Ch. Hafner (eds). London, New York: Routledge, 2015. P. 130-143.
Kruglanski A., Orehek E., Dechesne M., Pierro A. Lay Epistemic Theory: The Motivational, Cognitive and Social Aspects of Knowledge Formation // Social and Personality Psychology Compass, 2010. Vol. 10, no. 4. P. 939-950. https://doi.org/10.1111/j.1751-9004.2010.00308.x
Kruglanski A. W., Pierro A., Mannetti L., Erb H., Young Chun W. On The Parameters of Human Judgment // Advances in Experimental Social Psychology, 2007. Vol. 39. P. 255-303.
Kruglanski A. Motivation, Cognition and Reality: Three Memos for the Next Generation of Research // Psychological Inquiry. 1999. Vol. 10, iss. 1. P. 54-58. https://doi.org/10.1207/s15327965p-li1001_8
Laclau E., Mouffe Ch. Hegemony and Socialist Strategy: Towards a Radical Democratic Politics. London, New York: Verso, 1985. 197 p.
Lemke J. L. Across the scales of time: artifacts, activities, and meanings in ecosocial systems // Mind, Culture, and Activity. 2000. Vol. 7, no. 4. P. 273-290.
Potter J. Digital Media and Learner Identity: the new curatorship, New York: Palgrave Macmillan, 2012. 198 p.
Sinclair J. M., Coulthard R. M. Towards an Analysis of Discourse. Oxford: Oxford University Press, 1975. 163 p.
Snyder I. Discourses of 'curation' in digital times // Discourse and digital practices: doing discourse analysis in the digital age / R. Jones, A. Chik, Ch. Hafner (eds). London, New York: Rout-ledge, 2015. P. 209-225.
Игнатьева Ольга Анатольевна — канд. соц. наук; [email protected]
Статья поступила в редакцию: 3 июня 2021 г.;
pекомендована в печать: 26 июля 2021 г
Для цитирования: Игнатьева О. А. Дискурс-анализ политических суждений в контексте цифровизации // Политическая экспертиза: ПОЛИТЭКС. 2021. Т. 17. № 3. С. 259-272. https://doi.org/10.21638/spbu23.2021.303
ПОЛИТЭКС. 2021. Том 17, № 3
DISCOURSE ANALYSIS OF POLITICAL JUDGMENTS IN THE CONTEXT OF DIGITALIZATION*
Olga A.Ignatjeva
St. Petersburg State University,
7-9, Universitetskaya nab., St. Petersburg, 199034, Russian Federation; [email protected]
Discourse analysis of texts and speeches has been one of the most popular research methods since the second half of the 20th century. Its emergence is associated with the works of postmodernists, such as G. Deleuze, J. Derrida, M. Foucault, E. Laclau, and Ch. Mouffe. The method is interesting because it allows us to take into account the context of expressed judgments and to uncover the implied meaning of statements. Despite the widespread use of this method, no unified methodology has been created. In foreign and Russian science, parallel trends and schools in the field of discourse analysis were formed, the most influential of which is discussed in this article. The emergence of social networks, digital platforms and applications has set a new trend in modifying and creating new variants of discourse analysis of texts and judgments, but already in a digital environment. Some of them, such as Y G. Misnikov's approach, can serve as an alternative to studying public opinion by means of a social survey. The purpose of this article is to analyze and systematize both traditional methods of discourse analysis of political judgments and new approaches using social networks, apps, websites, and digital platforms. In the course of the research, the methods of classification and systematization as well as, general scientific methods of analysis and synthesis were used. In the context of digitalization, five varieties of discourse analysis method were considered for text analysis in a digital environment: critical discourse analysis, corpus discourse analysis, mediated discourse analysis, multimodal discourse analysis, and discourse analysis using artificial intelligence. A thorough analysis of these methods allowed us to identify a gap in the analysis of political judgments on digital platforms of interaction between the government and the population, and to propose a variant of filling it on the basis of A. Kruglanski's parametric model.
Keywords: discourse analysis, critical discourse analysis, social media, mobile applications, neural networks, political judgments.
References
Androutsopoulos J. Participatory culture and metalinguistic discourse: performing and negotiating German dialects on YouTube. Discourse 2.0: language and new media, ed. by D. Tannen and A. M. Trester. Washington, D.C., Georgetown University Press, 2013, pp. 47-71.
Bakhtin M. M. The Dialogic Imagination: four essays, trans. by C. Emerson and M. Holquist, ed. by M. Holquist. Austin, TX, University of Texas Press, 1981. 258 p.
Baker P. Using Corpora in Discourse Analysis. London, Continuum Publ., 2006. 198 p. Benson Ph. YouTube as text: spoken interaction analysis and digital discourse. Discourse and digital practices: doing discourse analysis in the digital age, ed. by R. Jones, A. Chik, Ch. Hafner. London;New York, Routledge Publ., 2015, pp. 81-96.
Bykov I. A. Network political communication: Theory, practice and research methods: monograph. St. Petersburg, FGBOU VPO "SPGUTD" Publ., 2013. 200 p. (In Russian)
Bykov I. A., Akhmedova Y D. The Culture of Cancellation in the Political Discourse of Modern Russia. Bulletin of Kabardino-Balkarian University, 2021, vol. 1, no. 1. https://doi.org/10.24334/ KBSU.2021.1.1.002. (In Russian)
Cheney-Lippold J. A new algorithmic identity: soft biopolitics and the modulation of control. Theory, Culture & Society, 2011, no. 28, pp. 164-181.
* This work was supported with a grant from the Russian Foundation for Basic Research (grant no. 20-011-31361 "Outsourcing of Political Judgment: A Critical Analysis of the Information Paradigm of Network Public Communication").
Dijksterhuis A., van Knippenberg A., Kruglanski A., Schper C. Motivated Social Cognition: Need for Closure Effects on Memory and Judgment. Journal of Experimental Social Psychology, 1996, vol. 32, iss. 0012, pp. 254-270.
Fairclough N. Analysing Discourse: Textual Analysis for Social Research. London, Routledge Publ., 2003. 269 p.
Fairclough N. Critical Discourse Analysis. London, Longman Publ., 1995. 334 p. Gunelius S. 5 Ways to use content curation for marketing and tools to do it. Forbes. Available at: https://www.forbes.com/sites/work-in-progress/2012/07/05/5-ways-to-use-content-curation-for-marketing-and-tools-to-do-it/?sh=6bb4100c3e57 (accessed: 28.03.2021).
Habermas J. Involvement of the Other. Essays on Political Theory. St. Petersburg, Nauka Publ., 2001. 417 p. (In Russian)
ledema R. Resemiotization. Semiotica, 2001, vol. 137, no. 1, pp. 23-39. Jones R. Discourse, cybernetics and the entextualization of the self. Discourse and digital practices: doing discourse analysis in the digital age, ed. by R. Jones, A. Chik, Ch. Hafner. London; New York, Routledge Publ., 2015, pp. 28-47.
King B. Investigating digital sex talk practices: a reflection on corpus-assisted discourse analysis. Discourse and digital practices: doing discourse analysis in the digital age, ed. by R. Jones, A. Chik, Ch. Hafner. London; New York, Routledge Publ., 2015, pp. 130-143.
Kruglanski A., Orehek E., Dechesne M., Pierro A. Lay Epistemic Theory: The Motivational, Cognitive and Social Aspects of Knowledge Formation. Social and Personality Psychology Compass, 2010, vol. 10, no. 4, pp. 939-950. https://doi.org/10.1111/j.1751-9004.2010.00308.x
Kruglanski A.W., Pierro A., Mannetti L., Erb H., Young Chun W. On The Parameters of Human Judgment. Advances in Experimental Social Psychology, 2007, vol. 39, pp. 255-303.
Kruglanski A. Motivation, Cognition and Realty: Three Memos for the Next Generation of Research. Psychological Inquiry, 1999, vol. 10, iss. 1. pp. 54-58. https://doi.org/10.1207/s15327965pli1001_8 Laclau E., Mouffe Ch. Hegemony and Socialist Strategy: Towards a Radical Democratic Politics. London; New York, Verso Publ., 1985. 197 p.
Lemke J. L. Across the scales of time: artifacts, activities, and meanings in ecosocial systems. Mind, Culture, and Activity, 2000, vol. 7, no. 4, pp. 273-290.
Martyanov D. S., Martyanova N. A. Manageability of virtual communities: a comparative analysis of politicized Vkontakte groups. Journal of Political Studies, 2019, vol. 3, no. 3, pp. 79-93. (In Russian) Misnikov Y. G., Filatova O. G. Internet discussion as a form of electronic participation: Russian specifics. Public Opinion Monitoring: Economic and Social Changes, 2019, no. 5, pp. 320-340. https://doi.org/10.14515/monitoring.2019.5.15 (In Russian)
Phillips L., Jorgensen M. V. Discourse Analysis. Theory and method: transl. from English. Kharkov, Gumanitarnyi tsentr Publ., 2008. 352 p. (In Russian)
Popper K. The Logic of Scientific Research. Moscow, Respublika Publ., 2005. 447 p. (In Russian) Potter J. Digital Media and Learner Identity: the new curatorship, New York: Palgrave MacMillan Publ., 2012. 198 p.
Rusakova O. F. Political discursology: relevance of research and theoretical and methodological foundations. Tempus et memoria, 2008, vol. 3, no. 6, pp. 114-122. (In Russian)
Sheigal E. I. Semiotics of Political Discourse. Moscow, Gnosis Publ., 2004. 326 c. (In Russian) Sinclair J. M., Coulthard R. M. Towards an Analysis of Discourse. Oxford, Oxford University Press, 1975. 163 p.
Snyder I. Discourses of 'curation' in digital times. Discourse and digital practices: doing discourse analysis in the digital age, ed. by R. Jones, A. Chik, Ch. Hafner. London; New York, Routledge Publ., 2015, pp. 209-225.
Received: June 3, 2021
Accepted: July 26, 2021
For citation: Ignatjeva O. A. Discourse analysis of political judgments in the context of digitali-zation. Political Expertise: POLITEX, 2021, vol. 17, no. 3, pp. 259-272. https://doi.org/10.21638/spbu23.2021.303 (In Russian)
tfOßMmBKC 2021. TOM 17, № 3
