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 с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».