УДК 332.14:004(470.45/.47+470.61/.62) DOI 10.31429/26190567-25-3-69-82

Информационное поле региональной политики юга России в сети интернет: возможности измерения

Т. А. Рунаев

Рунаев Тимофей Александрович
Кубанский государственный университет, ул. Ставропольская, 149, Краснодар, 350040, Россия
Эл. почта: runaevt@yandex.ru ORCID 0000-0002-0154-6959

Аннотация. Современная цифровизация политики влечет за собой риски усиления влияния маргинальных и экстремистских групп в онлайн-­пространстве, распространяющих деструктивную идеологию. На Юге России эта проблема получает особое значение в связи с близостью к районам межнациональной и межгосударственной напряженности. Поэтому региональным политическим элитам требуется консолидация по созданию и трансляции смысловых паттернов, направленных на позитивную репрезентацию актуальных событий и процессов макрорегиона. Цель статьи — исследование структуры и тематического содержания активности глав регионов Юга России в Интернете. Для этого автором проводится уточнение понятия информационного поля политики как пространства, в котором политические акторы создают с помощью онлайн-­ресурсов новостную повестку и объясняют реальность через общий репертуар образов, когнитивных схем и нарративов. Затем с помощью компьютерного приложения RStudio, основанного на языке программирования R, осуществляется веб-скрайпинг 11 тыс. последних постов из официальных страниц региональных лидеров Юга России в социальной сети «ВКонтакте» и применяются методы обработки естественного языка — текст-­майнинга, среди которых: латентно-­семантический анализ (LSA), сентимент-­анализ, контент-­анализ с авторским словарем и анализ совпадений слов. В результате отмечается, что в настоящее время активность региональных лидеров Юга России в Интернете имеет значительный уровень согласованности, что свидетельствует о наличии устойчивого информационного поля, смысловым ядром которого выступают темы помощи новым субъектам РФ, поддержки семьи и развития локальной городской среды.

Ключевые слова: региональная элита, публичная политика, цифровизация политики, текст-­майнинг, информационная безопасность, онлайн-­коммуникация.

Для цитирования: Рунаев Т. А. Информационное поле региональной политики Юга России в сети Интернет: возможности измерения. Южно-российский журнал социальных наук. 2024. Т. 25. № 3. С. 69–82. DOI 10.31429/26190567-25-3-69-82

Введение

Развитие цифровых технологий определило возникновение новых социальных пространств в виде платформ в сети Интернет и новой модели сетевой коммуникации, основанной на принципе «многие ко многим», где каждый присутствующий пользователь имеет возможность стать субъектом создания контента, который отражает уникальное понимание реальных фактов и событий (Castells, 2015; Miller, 2020). Однако, как показывает практика, в онлайн-­среде существуют пользователи-­инфлюенсеры, которые аккумулируют вокруг себя других участников интернет-­платформ (вплоть до организации онлайн-­сообществ) и при наличии большого социального капитала получают возможность быстрого определения информационной повестки (Захаркин, Агрылов, 2021). Тем самым, несмотря на возможности новой коммуникационной модели, обусловленной онлайн-­технологиями, в цифровой среде выстраиваются властные отношения между так называемыми «сетевыми феодалами», т. е. инфлюенсерами, которые осмысливают события реального мира, предлагают смыслы, когнитивные схемы, нарративы и формируют вокруг себя публичное пространство, и так называемыми «сетевыми крепостными», т. е. пользователями, которые не участвуют в конструировании публичных пространств и пользуются уже готовыми смысловыми паттернами (Мирошниченко, Морозова, 2017).

И поскольку онлайн-­технологии стали важным источником коммуникационной власти, то постепенно происходит цифровизация политики, в частности, вовлечение политических элит в цифровую среду для поддержания своих интересов: легитимации властных позиций, расширения электората, сетевой мобилизации к коллективному действию, отражения и формирования идеологических позиций и политических предпочтений и т. д. (Коньков, 2020). Таким образом, политические элиты стали претендовать на формирование публичного пространства в цифровом мире, а их блоги и аккаунты в социальных сетях превратились в широко используемые инструменты конструирования новостной повестки и каналы определения дискурсивных правил, объясняющих социальную реальность (Сморгунов, 2014; Зимова, Фомин, Смагина, 2020).

Однако, как показывают предшествующие исследования, к настоящему времени Южный федеральный округ в масштабах России обладает низкими показателями цифровизации политики и включает в себя субъекты РФ, находящиеся на стадии развития цифровой инфраструктуры (Мирошниченко, Рябченко, 2018). В итоге имеются риски усиления коммуникативной власти среди маргинальных и экстремистских групп, которые транслируют аудитории смысловые паттерны деструктивной идеологии (Мирошниченко, Морозова, 2017; Reed, 2019), способные приводить к протестным настроениям и нестабильности в макрорегионе. И поскольку стратегически Юг России расположен рядом с районами межнациональной и межгосударственной напряженности, то в информационном поле Интернета региональным политическим элитам необходим консенсус по складыванию и репрезентации новостной повестки. Поэтому сегодня появляется потребность в мониторингах по согласованности деятельности политических элит в онлайн-­пространстве.

Теоретическая рамка

К настоящему моменту в социальных науках существуют различные варианты использования понятия поля в качестве аналитического инструмента, однако все они имеют общее ядро концептуализации. Как правило, социальное поле рассматривается как пространственная область, где индивидуальные и / или коллективные акторы занимают конкретные позиции, исходя из которых регулярно совершаются похожие (статистически воспроизводящиеся) действия (Bourdieu, 1993). При этом социальное поле обладает такими характеристиками, как: согласованность, опосредованность и структурированность.

Согласованность подразумевает, что все акторы находятся в одной тематической границе и понимают правила, по которым следует совершать действия. Поэтому для выявления границ социального поля всегда требуется определение силы согласованности между ее элементами. Другими словами, наличие акторов, которые имеют меньшее значение согласованности, свидетельствует о том, что они не являются участниками поля.

Опосредованность описывается тем, что при передаче информации акторы не обязательно находятся в прямом / личном контакте друг с другом. Поэтому в аналитической оптике поле не поддается непосредственному измерению — его существование может быть доказано только его эффектами.

Структурированность объясняется тем, что участники поля не случайно распределены в среде коммуникации — их позиции зависят от положения других акторов поля. Иначе говоря, данная характеристика описывается правилом: чем сильнее зафиксированная согласованность между акторами, тем большей упорядоченностью позиций обладает социальное поле (Martin, 2003).

Итак, структура социального поля предстает в виде континуума состояний взаимного расположения его участников, где на одном конце существует конфликтное поле, характеризующееся множеством несогласий между акторами, а на другом конце — поле стратегического действия, которое отличается высоким консенсусом акторов в производстве смыслов (Флигстин, Макадам, 2022). В первом случае имеет место символическая борьба, в ходе которой акторы поля соперничают за установление господства собственных смыслов, объясняющих реальность, во втором — кооперация акторов, транслирующих одинаковые или схожие смысловые паттерны, создающие и поддерживающие общие социальные миры и идентичности. Следовательно, в границах информационного поля политические элиты могут выбирать две взаимные коммуникативные стратегии: конкурировать между собой за влияние на аудиторию или же использовать цифровые платформы для межэлитной координации для удовлетворения собственных интересов и усиления общего контроля над населением (Kocks, 2016).

Тогда информационное поле политики определяется нами как пространство, в котором политические акторы (конкретные люди или группы), находящиеся в разной степени взаимной комплементарности, создают с помощью медиаресурсов новостную повестку и объясняют реальность через общий репертуар смыслов. При этом одним из важных индикаторов силы информационного поля политики является степень синхронизации информационных потоков и структурированность в нем информации (Леонова, 2016). Другими словами, чем тождественнее смыслы, передаваемые с помощью типичных практик, тем сильнее и устойчивее информационное поле политики.

Но отсюда в рамках исследовательской задачи возникает несколько методологических вопросов: а) как выявить границы информационного поля региональных политических элит Юга России в интернет-­пространстве; б) как определить его силу, т. е. структурированность; в) как узнать общие смыслы, транслируемые акторами информационного поля? Предлагаемое исследование является одной из попыток найти ответы на поставленные вопросы.

Методы и данные

В настоящее время оптимальным методом, который позволяет обрабатывать быстро растущие объемы информации в социальных сетях, выступает методы текст-­майнинг (интеллектуальный анализ текста — ИАТ), главная цель которого — систематизация и классификация массы рассеянных и неупорядоченных текстовых данных с помощью компьютерных программных решений (Kwartler, 2017). Поэтому сегодня ИАТ постепенно входит в методологический аппарат социальных наук: в частности на страницах современных научных изданий в области политологии и социологии появляются работы по использованию ИАТ в исследованиях социальных движений (Капшур, Барышев, Чудинов, 2021; Hanna, 2013; Lindstedt, 2019), выступлений политических лидеров (Grimmer, King 2011; Wilkerson, Casas, 2017), общественного мнения по вопросам политических решений (Дудина, Юдина, 2017). Однако, как будет показано далее, ИАТ также служит удобным инструментом для измерения информационного поля, в которое вовлечены региональные политические акторы: в рамках предлагаемого исследования методы ИАТ применялись с помощью компьютерного приложения RStudio, предназначенного для работы с языком программирования R. Исследование состояло из четырех этапов.

На первом этапе через API VK с использованием пакета vkR в RStudio производился веб-скрайпинг массива постов официальных страниц региональных лидеров Юга России в социальной сети «ВКонтакте». Из каждого аккаунта было собрано по 1 тыс. последних постов (по состоянию на 12 апреля 2024 г.) с сопутствующими им метаданными, в результате чего выборочная совокупность составила корпус, включающий 11 тыс. актуальных постов глав регионов Юга России (Краснодарского края, Ростовской области, Республики Адыгея, Республики Крым, Севастополя, Астраханской области, Республики Калмыкия, а также новых регионов РФ — ДНР, ЛНР, Херсонской области, Запорожской области)1. После этого на базе выгруженных метаданных было сделано описание контекста онлайн-­коммуникации региональных лидеров и аудитории.

На втором этапе с помощью встраиваемых в RStudio пакетов udpipe, tm, SnowballC над корпусом осуществлялся препроцессинг — предварительная обработка текста постов, заключающаяся в удалении стоп-слов, не несущих смысловой нагрузки, и в лемматизации, т. е. приведении слов к своей начальной форме. Далее на базе пакетов lsa и cluster проводилось тематическое моделирование корпуса текстов в виде латентно-­семантического анализа (LSA) с расчетом метрики косинусного сходства, определяющего тематическую близость содержаний постов глав регионов. Полученная метрика позволила выявить границы и структуру информационного поля региональной политики Юга России.

На третьем этапе были проанализированы настроения (sentiment analysis) с применением русскоязычных словарей тональности AFINN (с 7640 терминами по шкале от –5 до +5), LinisCrowd (с 7 545 терминами по шкале от –2 до +2), EmoLex (с 14 181 терминами по шкале от –1 до +1), RuSentiLex (с 16 057 терминами по шкале от –1 до +1). В результате был определен эмоциональный фон поля региональной политики Юга России в интернет-­пространстве.

На четвертом этапе был проведен контент-­анализ постов глав регионов с помощью авторского русскоязычного словаря, состоящего из 1 752 терминов, разделенных на 10 тематических категорий, обозначающих сферы общественной жизни: политика (371 слово), религия (220), экономика (246), образование (162), военное дело (145), право (169), культура (141), спорт (86), социальная сфера (155), медицина (57)2. Сначала с помощью RStudio подсчитывалось количество упоминаний терминов словаря во всех постах конкретного аккаунта: Краснодарский край — 8 086 упоминаний, Ростовская область — 5 876, Республика Адыгея — 15 983, Республика Крым — 9 978, Севастополь — 12 059, Астраханская область — 12 926, Республика Калмыкия — 13 240, ДНР — 11 479, ЛНР — 11 168, Херсонская область — 7 304, Запорожская область — 11 289. Затем в каждой выборке определялось процентное распределение по частоте слов и по категориям. В завершение был реализован анализ совпадений слов (co-occurrence analysis) с применением метода k-ядра — выделением максимального подграфа, в котором каждая вершина связана минимум с k другими вершинами этого же подграфа (Люк, 2017). В итоге с помощью данных процедур было выявлена тематическая основа, общая для всех текстов рассматриваемого информационного поля.

Результаты исследования

Этап 1. Контекст информационного поля. В России цифровизация политических элит, как фиксируется в ряде исследований, началась с 2010-х гг., после того как Президент РФ Д. А. Медведев завел аккаунты в социальных сетях, через которые публично транслировал политические мессенджи, привлекавшие к себе внимание общественности. В дальнейшем данный тренд был подхвачен федеральными, региональными чиновниками и партийными деятелями (Коньков, 2020; Wijermars, 2021). Однако к настоящему времени среди российской политической элиты самой цифровизированной группой, которая лучше всего представлена в интернет-­платформах, стали главы регионов РФ (Крыштановская, 2019).

Что касается глав субъектов Юга России, то сегодня практически все они имеют персональные аккаунты в социальной сети «ВКонтакте», однако их цифровая активность существенно различается. Наиболее активными являются: губернатор Ростовской области В. Ю. Голубев, на странице которого в среднем публикуется 9,6 постов за день; губернатор Севастополя М. В. Развожаев (4,3 постов); глава Республики Крым С. В. Аксенов (2,4 постов); глава ДНР Д. В. Пушилин (2,3 постов) и губернатор Запорожской области Е. В. Балицкий (2,2 постов). Но об эффективности публикационной активности свидетельствуют обратные реакции пользователей, т. е. значение уровня вовлеченности (Engagement Rate — ER) аудитории в контент аккаунтов региональных лидеров. И поскольку сегодня существует несколько вариантов подсчета значений ER, то для анализа нами была взята формула ER за один пост с весовыми коэффициентами, предложенными Т. С. Акоповой и А. В. Тихоновой (Акопова, Тихонова, 2019):

ER = ( (5C+3L+3R+V)/ Nposts )/F 100%,

где C — комментарии; L — лайки; R — репосты; V — просмотры; N — количество постов за период времени; F — число подписчиков; 5, 3, 3 — весовые коэффициенты. Однако при этом в нашем исследовании проводилась дифференциация ER на два вида: пассивная вовлеченность с учетом просмотром (ER1) и активная вовлеченность без учета просмотров (ER2). Полученные результаты представлены в табл. 1.

В итоге заметны две особенности коммуникации. Во-первых, наибольшая вовлеченность аудитории наблюдается в аккаунтах с низкой публикационной активностью и малым количеством подписчиков. Во-вторых, наличие существенной разницы между значениями пассивной вовлеченности (ER1) и активной вовлеченности (ER2) говорит о том, что аудитория не участвует в создании и обсуждении контента и молчаливо принимает транслируемый в аккаунтах региональных лидеров контент.

Этап 2. Структура информационного поля. Далее, рассчитанные метрики косинусного сходства, которые используются в ИАТ для выявления близости содержания между двумя текстами и принимают значения от 0 до 1, показали границы и силу информационного поля. То есть чем больше значение в данном диапазоне, тем сильнее семантическая близость между текстами (Anandarajan, 2019) и тем выше структурированность информационного поля. Именно благодаря сравнению значений косинусного сходства в корпусе текстов появляется возможность выявления аномалий, т. е. поиска текстов, содержание которых сильнее всего отклоняется от среднего значения всей совокупности анализируемых текстов (Савенков, Ивутин, 2022). Таким образом, в целом посты рассматриваемых региональных лидеров отражают одинаковую информационную повестку (рис. 1): среднее значение косинусного сходства по всему корпусу постов глав регионов Юга России составляет 0,621. Отсюда видно, что от общего значения по корпусу постов выделяется содержание глав Ростовской (0,517), Херсонской (0,587) и Запорожской областей (0,565). Однако следует отметить, что контент глав регионов с отклоняющимися значениями все же имеет среднюю силу согласованности с содержанием онлайн-­постов других региональных лидеров Юга России.

Для выявления структуры информационного поля на основании матрицы косинусного сходства при помощи метода ASW (average silhouette width — средней длины силуэта) также было определено, что по онлайн-­контенту в социальной сети «ВКонтакте» главы южных регионов России образуют 2 кластера (рис. 2). Максимальное значение ASW всего корпуса постов глав регионов (Si = 0,32) достигается при k = 2, что свидетельствует о выраженности двух кластеров в рассматриваемом информационном поле: в первый кластер входят такие регионы, как Ростовская, Херсонская и Запорожская области; во второй кластер — Краснодарский край, Республика Адыгея, ЛНР, Республика Крым, Республика Калмыкия, ДНР, Астраханская область, Севастополь.

Этап 3. Эмоциональный фон информационного поля. При определеии эмоционального содержания информации, доносимой главами южных регионов России через официальные страницы «ВКонтакте», выяснилось, что оно отличается позитивными настроениями. Словари тональности AFINN, LininsCrowd, EmoLex, RuSentiLex в большинстве случаев принимают положительные значения (табл. 2). Наиболее позитивные сведения репрезентируются в аккаунтах М. К. Кумпилова (главы Республики Адыгеи), В. Ю. Голубева (губернатора Ростовской области), В. И. Кондратьева (губернатора Краснодарского края), И. Ю. Бабушкина (губернатора Астраханской области), Б. С. Хасикова (главы Республики Калмыкия). Незначительные негативные отклонения в эмотивной тональности прослеживаются в новостных сообщениях В. В. Сальдо (главы Херсонской области), Д. В. Пушилина (главы ДНР), С. В. Аксенова (главы Республики Крым) и М. В. Развожаева (губернатора Севастополя).

Этап 4. Тематическое ядро информационного поля. Контент-­анализ также подтвердил общую схожесть информации, распространяемой в аккаунтах глав регионов Юга России (табл. 3). Так, было определено, что коммуникация глав регионов строится в первую очередь вокруг тем, связанных с политическим контекстом (в среднем они присутствуют в 33% постов), с социальной сферой (в 14,5% постов), с экономикой (11,7% постов) и с образованием (10,8% постов), тогда как право, религия, культура, спорт и медицина являются менее выраженными темами дискурса, формируемого региональными властями. Что касается военной тематики, то, как правило, она превалирует в новых субъектах РФ, занимая второе или третье место по значимости после политики.

Также с помощью анализа совпадений (co-occurrence analysis) было определено, что тематическая основа информационного поля региональной элиты состоит из 829 биграмм (связей двух слов) с частотой встречаемости во всех постах ≥ 1 642 раза. При этом метод k-ядра позволил сузить количество биграмм, оставив только самые сильные связи слов. Максимально возможной оказалась 14-ядерная структура, которая состоит из таких терминов, обладающих семантической нагрузкой, как «Россия», «работа», «республика», «страна», «новый», «регион», «развитие», «поддержка», «ребенок», «человек», «семья», «город» (рис. 3).

Заключение

В итоге предлагаемая четырехэтапная аналитическая модель, основанная на использовании методов текст-­майнига, позволяет увидеть согласованность и структурированность публичного онлайн-­пространства глав регионов Юга России, возникающего в результате активности в Интернете.

В первую очередь полученные данные показывают, что в информационной активности региональных лидеров Юга России наблюдается сильная согласованность, что свидетельствует о существовании сегодня межэлитной координации как коммуникационной стратегии и наличии поля коллективного стратегического действия, формирующего и транслирующего общие темы для аудитории. Однако за границами этого поля находятся новые регионы РФ — Херсонская и Запорожская области, которые еще пребывают в состоянии адаптации к новой социокультурной среде российского общества, а также Ростовская область как территориально близкий «хаб» интеграции новых субъектов в пространство РФ (Дружинин, 2022) и Волгоградская область, глава которой не представлен актуальным аккаунтом в социальной сети «ВКонтакте».

Основными темами, которые в настоящее время фигурируют в информационном поле политических лидеров Юга России, является «поддержка новых регионов РФ», «поддержка семьи» и «развитие городской среды». В целом репрезентация данных тем обладает позитивной эмоциональной тональностью и предлагает аудитории положительную интерпретацию актуальных событий и процессов жизни макрорегиона, что направлено на улучшение имиджа региональных политических лидеров. В вопросе тональности настроений незначительно отличаются, как правило, лишь те регионы, которые находятся в непосредственной близости к зоне СВО.

При этом необходимо заметить, что, несмотря на высокую активность формирования и передачи смыслов, информационное поле региональной политики Юга России в онлайн-­пространстве имеет одну существенную проблему: оно обладает преимущественно низкими показателями вовлеченности граждан, что сводит на нет роль гражданского участия в осмыслении событий в публичном цифровом пространстве. Таким образом, на сегодняшний день аккаунты политических региональных лидеров продолжают оставаться «электронными досками объявлений» (Кастельс, 2004), а не площадками для реального взаимодействия и для совместного формирования смыслов с аудиторией.

Библиографический список

Акопова, Т. С., Тихонова, А. В. (2019). Применение индексов в политмаркетинговом исследовании предвыборных кампаний в социальных сетях. На примере президентской кампании в Российской Федерации 2018 г. Известия Иркутского государственного университета. Серия: Политология. Религиоведение, 30, 18–31. DOI: 10.26516/2073-3380.2019.30.18

Дружинин, А. Г. (2022). Новые субъекты Российской Федерации: специфика, тренды, потенциал развития. Научная мысль Кавказа, 4, 62–74. DOI: 10.18522/2072-0181-2022-112-62-74

Дудина, В. И. (2021). «Пересборка социологии»: цифровой поворот и поиски новой теоретической оптики. Социологические исследования, 47(11), 3–11. DOI: 10.31857/S013216250016829-4

Захаркин, Р. А., Аргылов, Н. А. (2021). Инфлюенсеры как медиазначимые другие: современные тренды вторичной социализации. Власть, 29(6), 27–37. DOI: 10.31171/vlast.v29i6.8674

Зимова, Н. С., Фомин, Е. В., Смагина, А. А. (2020). Социальные сети как новый канал взаимодействия общества и власти. Научный результат. Социология и управление, 6(2), 159–171. DOI: 10.18413/2408-9338-2020-6-2-0-11

Капшур, В. В., Барышев, А. А., Чудинов, С. И. (2021). Репрезентация радикальных сообществ в российских социальных медиа: специфика контента и индекс активности. Вестник Томского государственного университета, 467, 133–143. DOI: 10.17223/15617793/467/17

Кастельс, М. (2004). Галактика Интернет. Екатеринбург: У-Фактория.

Коньков, А. Е. (2020). Цифровизация политики vs политика цифровизации. Вестник Санкт-­Петербургского университета. Серия 6. Философия. Культурология. Политология. Право. Международные отношения, 13(1), 47–68. DOI: 10.21638/spbu06.2020.104

Крыштановская, О. В. (2019). Элита в сетях: новые формы обратной связи в цифровую эпоху. Цифровая социология, 2(2), 4–11. DOI: 10.26425/2658-347X-2019-2-4-1

Люк, Д. (2017). Анализ сетей (графов) в среде R. Руководство пользователя. Москва: ДМК Пресс.

Мирошниченко, И. В., Морозова, Е. В. (2017). Сетевая публичная политика: контуры предметного поля. Полис. Политические исследования, 2, 82–102. DOI: 10.17976/jpps/2017.02.06

Мирошниченко, И. В., Рябченко, Н. А. (2018). Сетевая экосистема и инновационные практики в регионах России. В Л. В. Сморгунов (ред.). Публичная политика: институты, цифровизация, развитие: коллективная монография (с. 306–318). Москва: Аспект Пресс.

Савенков, П. А., Ивутин, А. Н. (2022). Методы анализа естественного языка в задачах детектирования поведенческих аномалий. Известия Тульского государственного университета. Технические науки, 3, 358–366. DOI:10.24412/2071-6168-2022-3-358-366

Сморгунов, Л. В. (2014). Сетевые политические партии. Полис. Политические исследования, 4, 21–37. DOI: 10.17976/jpps/2014.04.03

Флигстин, Н. Макадам, Д. (2022). Теория полей. Москва: Изд. дом Высшей школы экономики.

Anandarajan, M., Hill, Ch., Nolan, T. (2019). Practical Text Analytics. Maximizing the Value of Text Data. Cham: Springer.

Bourdieu, P. (1993). Sociology in Question. London: Sage.

Castells, M. (2015). Networks of Outrage and Hope: Social Movements in the Internet Age. Cambridge: Polity Press.

Grimmer, J, King, G. (2011). General Purpose Computer-­assisted Clustering and Conceptualization. PNAS, 108(7), 2643–2650. DOI: 10.1073/pnas.1018067108

Hanna, A. (2013). Computer-­aided Content Analysis of Digitally Enabled Movements. Mobilization: an International Quarterly, 18(4), 367–388. DOI: 10.17813/maiq.18.4.m1g180620x7n1542

Kocks, J. N. (2016). Political Media Relations Online as an Elite Phenomenon. Wiesbaden: Springer VS.

Kwartler, T. (2017). Text Mining in Practice with R. Hoboken: John Wiley & Sons.

Lindstedt, N. C. (2019). Structural Topic Modeling for social Scientists: a Brief Case Study with Social Movement Studies Literature, 2005–2017. Social Currents, 6(4), 307–318. DOI: 10.1177/2329496519846505

Martin, J. L. (2003). What is Field Theory? American Journal of Sociology, 109(1), 1–49. DOI: 10.1086/375201

Miller, V. (2020). Understanding Digital Culture. London: SAGE Publications Ltd.

Reed, T. V. (2019) Digitized lives. Culture, Power and Social Change in the Internet Era. New York; London: Routledge.

Wijermars, M. (2021) The Digitalization of Russian Politics and Political Participation. In D. Gritsenko, M. Kopotev, M. Wijermars (Eds.). The Palgrave Handbook of Digital Russia Studies (pp. 15–32). Cham: Palgrave Macmillan.

Wilkerson J., Casas A. (2017). Large-scale Computerized Text Analysis in Political Science: Opportunities and Challenges. Annual Review of Political Science, 20, 529–544. DOI: 10.1146/annurev-­polisci-052615-025542

Статья поступила в редакцию 07.06.2024
Статья принята к публикации 15.08.2024

Potential for Measuring the Information Field of Regional Policy in Southern Russia on the Internet

T. A. Runaev

Timofei A. Runaev
Kuban State University, Stavropolskaya Str., 149, Krasnodar, 350040, Russia
E-mail: runaevt@yandex.ru ORCID 0000-0002-0154-6959.

Abstract. The contemporary digitalization of politics carries an inherent risk of aggravating the influence of marginalized and extremist groups in the online domain, which disseminate destructive ideologies. In the southern regions of the Russian Federation, this issue assumes particular significance in light of the proximity of these territories to areas characterized by interethnic and interstate tensions. It is therefore necessary for regional political elites to consolidate their position in order to create and disseminate meaningful narratives that portray current events and processes in a positive light at the macro-­regional level. The objective of this article is to examine the structure and thematic content of the online activities of regional leaders in southern Russia. In order to achieve this, the author clarifies the concept of the information field of politics as a domain in which political actors construct a news agenda with the assistance of online resources and explain reality through a shared repertoire of images, cognitive schemas and narratives. Subsequently, the RStudio computer application, which is based on the R programming language, was used to web-scrape 11,000 recent posts from the official pages of regional leaders of Southern Russia in the “VKontakte” social network. Natural language processing methods, specifically text mining, were then applied to these posts. These methods included latent semantic analysis (LSA), sentiment analysis, content analysis with the author’s dictionary, and word match analysis. As a result, it can be observed that the online activity of regional leaders in southern Russia is currently characterized by a notable degree of consistency. This suggests the existence of a stable information field, with the semantic core centered on themes of assistance to newly-­established constituent entities of the Russian Federation, family support and the advancement of local urban environments.

Keywords: regional elite, public policy, digitalization of politics, text-mining, information security, online communication.

For citation: Runaev T. A. Potential for Measuring the Information Field of Regional Policy in Southern Russia on the Internet. South-­Russian Journal of Social Sciences. 2024. Vol. 25. No. 3. Pp. 69–82. DOI 10.31429/26190567-25-3-69-82

References

Akopova, T. S., Tikhonova, A. V. (2019). Primenenie indeksov v politmarketingovom issledovanii predvybornykh kampanii v sotsial’nykh setyakh. Na primere prezidentskoi kampanii v Rossiiskoi Federatsii 2018 g. [The Use of Indices in the Political Marketing Research of Election Campaigns in Social Networks. The Case of 2018 Presidential Campaign in the Russian Federation]. Izvestiya Irkutskogo gosudarstvennogo universiteta. Seriya: Politologiya. Religiovedenie [The Bulletin of Irkutsk State University. Series “Political Science and Religion Studies”], 30, 18–31. DOI: 10.26516/2073-3380.2019.30.18

Anandarajan, M., Hill, Ch., Nolan, T. (2019). Practical Text Analytics. Maximizing the Value of Text Data. Cham: Springer.

Bourdieu, P. (1993). Sociology in Question. London: Sage.

Castells, M. (2004). Galaktika Internet [The Internet Galaxy]. Ekaterinburg: U-Faktoriya.

Castells, M. (2015). Networks of Outrage and Hope: Social Movements in the Internet Age. Cambridge: Polity Press.

Druzhinin, A. G. (2022). Novye sub”ekty Rossiiskoi Federatsii: spetsifika, trendy, potentsial razvitiya [New Subjects of the Russian Federation: Specifics, Trends, Development Potential]. Nauchnaya mysl’ Kavkaza [Scientific Thought of the Caucasus], 4, 62–74. DOI: 10.18522/2072-0181-2022-112-62-74

Dudina, V. I. (2021). “Peresborka sotsiologii”: tsifrovoi povorot i poiski novoi teoreticheskoi optiki [“Reassembling Sociology”: Digital Turn and Searching for New Theoretical Optics]. Sotsiologicheskie issledovaniya [Sociological Studies], 47(11), 3–11. DOI: 10.31857/S013216250016829-4

Fligstin, N. Makadam, D. (2022). Teoriya polei [Field Theory]. Moscow: Publishing House of the Higher School of Economics.

Grimmer, J, King, G. (2011). General Purpose Computer-­assisted Clustering and Conceptualization. PNAS, 108(7), 2643–2650. DOI: 10.1073/pnas.1018067108

Hanna, A. (2013). Computer-­aided Content Analysis of Digitally Enabled Movements. Mobilization: an International Quarterly, 18(4), 367–388. DOI: 10.17813/maiq.18.4.m1g180620x7n1542

Kapshur, V. V., Baryshev, A. A., Chudinov, S. I. (2021). Reprezentatsiya radikal’nykh soobshchestv v rossiiskikh sotsial’nykh media: spetsifika kontenta i indeks aktivnosti [Representation of Radical Communities in Russian Social Media: Content Specifics and Activity Index]. Vestnik Tomskogo gosudarstvennogo universiteta [Bulletin of Tomsk State University], 467, 133–143. DOI: 10.17223/15617793/467/17

Kocks, J. N. (2016) Political Media Relations Online as an Elite Phenomenon. Wiesbaden: Springer VS.

Kon’kov, A. E. (2020). Tsifrovizatsiya politiki vs politika tsifrovizatsii [Digitalization of Politics vs Digitalization Policy]. Vestnik Sankt-­Peterburgskogo universiteta. Seriya 6. Filosofiya. Kul’turologiya. Politologiya. Pravo. Mezhdunarodnye otnosheniya [Bulletin of St. Petersburg University. Series 6. Philosophy. Cultural Studies. Political science. Right. International Relations], 13(1), 47–68. DOI: 10.21638/spbu06.2020.104

Kryshtanovskaya, O. V. (2019). Elita v setyakh: novye formy obratnoi svyazi v tsifrovuyu epokhu [Elite in Networks: New Forms of Feedback in the Digital Age]. Tsifrovaya sotsiologiya [Digital Sociology], 2(2), 4–11. DOI: 10.26425/2658-347X-2019-2-4-1

Kwartler, T. (2017). Text Mining in Practice with R. Hoboken: John Wiley & Sons.

Lindstedt, N. C. (2019). Structural Topic Modeling for social Scientists: a Brief Case Study with Social Movement Studies Literature, 2005–2017. Social Currents, 6(4), 307–318. DOI: 10.1177/2329496519846505

Luke D. (2017). Analiz setei (grafov) v srede R. Rukovodstvo polzovatelya [Analysis of Networks (graphs) in the R Environment. User’s Guide]. Moscow: DMK Press.

Martin, J. L. (2003). What is Field Theory? American Journal of Sociology, 109(1), 1–49. DOI: 10.1086/375201

Miller, V. (2020). Understanding Digital Culture. London: SAGE Publications Ltd.

Miroshnichenko I. V., Ryabchenko N. A. (2018). Setevaya ekosistema i innovacionnye praktiki v regionah Rossii [The Network Ecosystem and Innovative Practices in the Regions of Russia]. In L. V. Smorgunov (Ed.). Publichnaya politika: instituty, tsifrovizatsiya, razvitie: kollektivnaya monografiya [Public Policy: Institutions, Digitalization, Development: a Collective Monograph] (pp. 306–318). Moscow: Aspect Press.

Miroshnichenko, I. V., Morozova, E. V. (2017). Setevaya publichnaya politika: kontury predmetnogo polya [Network Public Policy: Outlines of Subject Field]. Polis. Politicheskie issledovaniya [Polis. Political Studies], 2, 82–102. DOI: 10.17976/jpps/2017.02.06

Reed, T. V. (2019). Digitized lives. Culture, Power and Social Change in the Internet Era. New York; London: Routledge.

Savenkov, P. A., Ivutin, A. N. (2022). Metody analiza estestvennogo yazyka v zadachakh detektirovaniya povedencheskikh anomalii [Natural Language Analysis Methods for Detecting Behavioral Anomalies]. Izvestiya Tul’skogo gosudarstvennogo universiteta. Tekhnicheskie nauki [Proceedings of Tula State University. Technical Sciences], 3, 358–366. DOI: 10.24412/2071-6168-2022-3-358-366

Smorgunov, L. V. (2014). Setevye politicheskie partii [Network Political Parties]. Polis. Politicheskie issledovaniya [Polis. Political Studies], 4, 21–37. DOI: 10.17976/jpps/2014.04.03

Wijermars, M. (2021). The Digitalization of Russian Politics and Political Participation. In D. Gritsenko, M. Kopotev, M. Wijermars (Eds.). The Palgrave Handbook of Digital Russia Studies (pp. 15–32). Cham: Palgrave Macmillan.

Wilkerson J., Casas A. (2017). Large-scale Computerized Text Analysis in Political Science: Opportunities and Challenges. Annual Review of Political Science, 20, 529–544. DOI: 10.1146/annurev-­polisci-052615-025542

Zakharkin, R. A., Argylov, N. A. (2021). Inflyuensery kak mediaznachimye drugie: sovremennye trendy vtorichnoi sotsializatsii [Influencers as Media Significant Others: Modern Trends in Secondary Socialization]. Vlast’ [Vlast’], 29(6), 27–37. DOI: 10.31171/vlast.v29i6.8674

Zimova, N. S., Fomin, E. V., Smagina, A. A. (2020). Sotsial’nye seti kak novyi kanal vzaimodeistviya obshchestva i vlasti [Social Networks as a New Channel of Interaction between Society and Government]. Nauchnyi rezul’tat. Sotsiologiya i upravlenie [Research Result. Sociology and Management], 6(2), 159–171. DOI: 10.18413/2408-9338-2020-6-2-0-11

Received 07.06.2024
Accepted 15.08.2024

© 2024 by the author(s). This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license (http://creativecommons.org/licenses/by/4.0/).

---

1. 1 Глава Волгоградской области не был взят в выборку анализа в связи с отсутствием личного действующего аккаунта в социальной сети «ВКонтакте».

2. 2 Структура словаря частично основывается на Гарвардском словаре контент-анализа (Harvard IV-4 dictionary).

Юг России: люди, общество, политика