Применение метода контент-анализа в изучении отношения пользователей социальных сетей к современной российской медицине
PDF
HTML
PDF
HTML
JATS XML

Рубрика

Социологические интерпретации

DOI

https://doi.org/10.31429/26190567-20-1-72-90

Как цитировать

Никольская, А.В., Костригин, А.А. (2019). Применение метода контент-анализа в изучении отношения пользователей социальных сетей к современной российской медицине. Южно-российский журнал социальных наук, 20(1), 72-90. DOI: 10.31429/26190567-20-1-72-90
Дата поступления 13 июля 2018
Дата принятия 20 декабря 2018
Дата публикации 23 марта 2019
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Copyright (c) 2019 Анастасия Всеволодовна Никольская, Артем Андреевич Костригин

Аннотация

В статье обсуждается общественное мнение и отношение к медицине и здравоохранению в России. Отмечается проблема надежности социологических опросов по данной проблематике. В качестве одного из перспективных методов исследования отношения к медицине и здравоохранению предлагается контент-­анализ текстов социальных сетей, постов пользователей. Обсуждаются проблемы и возможности контент-­анализа социальных сетей. Ставится задача исследования общественного мнения к медицине с помощью данного метода. Используется количественный и качественный контент-­анализ постов в социальных сетях ВКонтакте и Instagram по медицинской проблематике. По результатам исследования выявлены различные характеристики текстов в постах пользователей: наиболее часто встречаемые слова, «водность» текста, стоп-­слова, ядро текста. Наиболее часто встречаемые слова данной тематики: врач, человек, медицина, больница, ребенок, бесплатный, работать, говорить, помощь, лечить. Установлены основные категории, которые используют пользователи различных соцсетей для описания своего отношения к медицине, и вопросы, которыми аудитории озабочены больше всего. На основе полученных данных сделаны выводы о суждениях и отношении пользователей к российской медицине: представления о «хороших» и «плохих» врачах», медицине, отношение к платной и бесплатной медицине, бескорыстной помощи и вымогательству денег. Делается вывод о том, что метод контент-­анализа позволяет ставить новые исследовательские и прикладные задачи изучения общественного мнения по различным вопросам, а также обращать внимание на ту проблематику, которая социальными опросами слабо затрагивается (характеристики «хорошей» и «плохой» медицины, вымогательство денег, потребности, характеристики идеального врача и др.).

Ключевые слова

контент-­анализ социальные сети общественное мнение медицина врач платная медицина бесплатная медицина отношение к медицине здравоохранение

Библиографические ссылки

Ачкасов, Е.Е., Шурупова, Р.В., Куршев, В.В. (2015). Формирование позитивного имиджа врача в процессе профессионального образования (по материалам контент-анализа СМИ). Социология образования, 6, 79–96.

Вершинин, Е.Г., Ковалёва, М.Д., Хвастунова, Е.П. (2015). Какие новые социальные проблемы медицины интересуют отечественных исследователей? Международный журнал экспериментального образования, 8–1, 14–16.

Всероссийский центр изучения общественного мнения. (2017). Врач в России: доверие пациентов, доходы, положение в обществе. Режим доступа https://wciom.ru/index.php?id=236&uid=3590

Всероссийский центр изучения общественного мнения. (2018). Каждому возрасту — свои соцсети. Режим доступа https://wciom.ru/index.php?id=236&uid=116691

Григорьева, С.В., Дмитриева, Т.В. (2015). Социальные сети как каналы распространения недостоверной информации, формирующие общественное мнение. В Е.А. Ильин (ред.) Информационное пространство региона: история, современность и актуальные проблемы: сборник научных статей (с. 46–51). Чебоксары: Чувашский государственный педагогический университет им. И.Я. Яковлева.

Кузьмин, К.В., Семенова (Павленко), Е.В., Петрова, Л.Е., Закроева, А.Г. (2016). Коммуникация врача и пациента: прошлое, настоящее, будущее (исторический и медико-социологический анализ). Екатеринбург: «Южно-Уральский государственный медицинский университет».

Ледовая, Я.А., Паничева, П.В., Причисленко, А.Г., Бутаков, Н.А. (2017). Научная составляющая текстов по психологии, публикующихся в социальной сети «Вконтакте». Вопросы психологии, 6, 79–91.

Литовка, В.А. (2013). Контент-анализ рекламных фотографий клиник репродуктивной медицины. Теория и практика общественного развития, 10, 136–138.

Никитин, П.В., Мурадянц, А.А., Шостак, Н.А. (2015). Мобильное здравоохранение: возможности, проблемы, перспективы. Клиницист, 9 (4), 13–21.

Панова, Е.Л., Туторская, М.С. (2018). Социальные сети и организация внеаудиторного обучения студентов в системе высшего медицинского образования. Проблемы социальной гигиены, здравоохранения и истории медицины, 26 (1), 48–52.

Полынская, Г.А., Месропян, М.Г. (2018). Выявление моделей и трендов поведения пациентов при использовании электронных приложений и Интернет-ресурсов для самодиагностики. Бизнес-информатика, 1 (43), 28–38.

Савельева, Ж.В. (2011). Потребление медицинских услуг или оказание медицинской помощи: конструирование образов платной и бесплатной медицины средствами массовой коммуникации. Журнал социологии и социальной антропологии, Т. XIV (5), 347–355.

Семенова, О.А. (2016). Региональные СМИ о проблемах здравоохранения и путях их решения. В О.И. Лепилкина, А.М. Горбачев (ред.) Медиачтения СКФУ: сборник научных статей Всероссийского научного семинара (с. 169–174). Ставрополь: Северо-Кавказский федеральный университет.

Храбан, Т.Е. (2017). Дискурсивный анализ распространения ложной информации в социальных сетях. Ученые записки УО ВГУ им. П.М. Машерова, 24, 127–132.

Чижик, А.В. (2016). Факторы формирования социального настроения на основе анализа эмоциональной окраски постов в русскоязычном Twitter. Новые информационные технологии в автоматизированных системах, 19, 61–64.

Bollen, J., Mao, H., & Zeng, X. (2011). Twitter Mood Predicts the Stock Market. Journal of computational science, 2 (1), 1–8. DOI: 10.1016/j.jocs.2010.12.007

Gergen, K.J. (1985). The Social Constructionist Movement in modern Psychology. American Psychologist, 40 (3), 266–275. DOI: 10.1037/0003-066X.40.3.266

Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. New York, NY: Springer.

Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2 (1–2), 1–135. DOI: 10.1561/1500000011

Pennebaker, J.W., Boyd, R.L., Jordan, K., & Blackburn, K. (2007). The Development and Psychometric Properties of LIWC2007. LIWC2007, 1–22.

Статистика скачивания

Нет статистики