Статья: Динамика идеологической поляризации в пространстве русскоязычных Telegram-каналов: моделирование методами машинного обучения

Исследование сосредоточено на применении современных методов машинного обучения для анализа текстовых данных в контексте динамики идеологической поляризации в русскоязычных политических Telegramканалах в первой половине 2022 г. В работе предлагается подход к классификации текстовых сообщений по идеологической направленности – консервативной, либеральной и коммунистической, который позволит экономно использовать ресурсы исследователей.

На основе разработанного подхода был создан классификатор идеологической направленности на основе ChatGPT, который показал высокий уровень согласованности в ответах между человеком и большой языковой моделью при оценке идеологической направленности текста. Это свидетельствует о том, что предложенный подход позволяет уменьшить затраты ресурсов при проведении анализа текстовых данных.

На следующем этапе была проанализирована выборка из 559 популярных политических Telegram-каналов, в которых было опубликовано 50 тыс. сообщений на предмет динамики идеологической поляризации после начала специальной военной операции. Сравнивалось нескольких моделей: изменения распределения мнений, состава групп и изменения пропорциональности идеологических текстов внутри каналов. Был сделан вывод, что после начала специальной военной операции произошло изменение идеологической поляризации, которое проявилось в изменении конфигурации полюсов за счет усиления консервативных взглядов. При этом коммунистические взгляды практически не присутствуют в популярном Telegram-пространстве.

Работа не только фиксирует динамику идеологической поляризации, но и предлагает метод анализа сложных социально-политических процессов в русскоязычной онлайн-среде с использованием больших языковых моделей. Этот метод подходит как для изучения поляризации, так и для анализа других процессов на основе текстовых данных. Он значительно сокращает затраты на исследования, требующие большого числа экспертных оценок.