Язык российских фейковых статей: исследование на основе корпуса актуальных изменений в вирусной дезинформации
Аннотация
Распространение дезинформации во время пандемии COVID-19 во многом связано с социальными сетями и онлайн-мессенджерами. Вирусная дезинформация, распространявшаяся в 2020–2021 годах, была связана с рядом вопросов, вызывавших панику у людей. Появилось множество ложных статей, которые со временем привлекли общественный интерес, что указывает на глубокое доверие общественных масс к такой информации. Интеллектуальный анализ текста можно применять для изучения частоты использования ключевых слов и лексики по определенной теме, чтобы отслеживать внимание общества касательно дезинформации в Интернете. В данной статье мы представляем результаты корпусного исследования широко распространившихся в течение первого года пандемии COVID-19 российских фейков. Мы предлагаем метод анализа центральных тем и динамику их изменений в контексте российских фейков о COVID-19. Для достижения этой цели мы используем набор инструментов: поиск ключевых слов, подсчет их частотности и анализ соответствующих контекстов. Мы применяем эти инструменты для составления специализированного диахронического корпуса российских вирусных ложных новостей о COVID-19. Полученные данные оцениваются для определения динамики изменений тем путем отслеживания частоты использования ключевых слов и других высокочастотных слов корпуса. Выводы работы о колебаниях дезинформирующих тем о вирусе COVID-19 в России, а также толкования изменений общественного интереса к ним в течение первого года пандемии могут способствовать разработке эффективных стратегий противодействия распространению фейковых новостей в будущем.
Скачивания
Литература
Anspach, N., M., Jennings, J., T., & Arceneaux, K. (2019). A little bit of knowledge: Facebook’s news feed and self-perceptions of knowledge. Research and Politics, 6(1), 1–9. https://doi.org/10.1177/2053168018816189
Baron, A., Rayson, P., & Archer, D. (2009). Word frequency and key word statistics in historical corpus linguistics. Anglistik: International Journal of English Studies, 20(1), 41–67.
Biber, D., Conrad, S., & Reppen, R. (1998). Corpus linguistics. Investigating language structure and use. Cambridge University Press. https://doi.org/10.1017/CBO9780511804489
Biber, D., & Jones, J. K. (2009). Quantitative methods in corpus linguistics. In A. Lüdeling & M. Kytö (Eds.), Corpus linguistics: An international handbook (vol. 2, p. 1286-1304). De Gruyter Mouton. https://doi.org/10.1515/9783110213881.2.1286
Brezina, V. (2018). Statistics in Corpus linguistics: A practical guide. Cambridge University Press. https://doi.org/10.1017/9781316410899.008
Brezina, V., McEnery, T., & Wattam, S. (2015). Collocations in context: A new perspective on collocation networks. International Journal of Corpus Linguistic, 20(2), 39–73. https://doi.org/10.1075/ijcl.20.2.01bre
Budge, I, & Pennings, P. (2007) Do they work? Validating computerised word frequency estimates against policy series. Electoral Studies, 26(1), 121–129. https://doi.org/10.1016/j.electstud.2006.04.002
Curzan, A. (2009) Historical corpus linguistics and evidence of language change. In A. Lüdeling & M. Kytö (Eds.), Corpus linguistics: An international handbook (vol. 2, pp. 1091–1109). De Gruyter Mouton. https://doi.org/10.1515/9783110213881.2.1091
Faust, O. (2018) Documenting and predicting topic changes in Computers in Biology and Medicine: A bibliometric keyword analysis from 1990 to 2017. Informatics in Medicine Unlocked, 11, 15-27. https://doi.org/10.1016/j.imu.2018.03.002
Grimmer, J., & Stewart, B. M. (2013). Text as data: The promise and pitfalls of automatic content analysis methods for political texts. Political Analysis, 21(3), 267–297. https://doi.org/10.1093/pan/mps028
Islam, M. S., Sarkar, T., Khan, S. H., Kamal, A. M., Hasan, S. M., Kabir, A., Yeasmin, D., Islam, M. A., Chowdhury, K. I. A., Anwar, K. S., Chughtai, A. A., & Seale, H. (2020). Covid-19–Related infodemic and its impact on public health: A global social media analysis. American Journal of Tropical Medicine and Hygiene, 103(4), 1621–1629. https://doi.org/10.4269/ajtmh.20-0812
Ivanenko, A. A., & Zhuravlyova, K. A. (2020). CHto zaraznee: Ocenka upotrebitel’nosti leksem koronavirusnoj epohi [What’s more contagious: Assessing the prevalence of coronavirus-era lexemes]. In N.V. Kozlovskaya (Ed.), Novye slova i slovari novyh slov [New words and dictionaries of new words] (pp. 63-70). RAS. https://doi.org/10.30842/9785604483862
Jurisica, I., &Wigle D. (2005). Knowledge discovery in proteomics. Chapman and Hall. https://doi.org/10.1201/9781420035162
Karjus, A., Blythe, R., Kirby, S., Smith, K. (2020). Quantifying the dynamics of topical fluctuations in language. Language Dynamics and Change, 10(1), 86–125. https://doi.org/10.1163/22105832-01001200
Kim, J. D., Ohta, T., & Tsujii, J. (2008). Corpus annotation for mining biomedical events from literature. BMC Bioinformatics, 9(1), 1–25. https://doi.org/10.1186/1471-2105-9-10
Kim, S. N., Baldwin, T., & Kan, M. Y. (2010). Evaluating N-gram based evaluation metrics for automatic keyphrase extraction. In Proceedings of the 23rd International Conference on Computational Linguistics (pp. 572–580). Coling.
Koplenig, A. (2017). The impact of lacking metadata for the measurement of cultural and linguistic change using the Google Ngram data sets - Reconstructing the composition of the German corpus in times of WWII. Digital Scholarship in the Humanities, 32(1), 169–188. https://doi.org/10.1093/llc/fqv037
Leech, G. (2005). Adding linguistic annotation. Developing linguistic corpora: A guide to good practice (pp. 17–29). Oxbow Books.
Leech, G., & Roger, F. (1992). Computer corpora - What do they tell us about culture? ICAME Journal, 16, 29–50. http://dx.doi.org/10.1111/j.1749-818X.2009.00149.x
MacFarlane, D., Tay, L.Q., Hurlstone, M. J., & Eckera, U. K. H. (2021). Refuting spurious Covid-19 treatment claims reduces demand and misinformation sharing. Journal of Applied Research in Memory and Cognition, 10(2), 248–258. https://doi.org/10.1016/j.jarmac.2020.12.005
Mariani, J., Francopoulo, G., Paroubek, P., & Vernier, F. (2019). The NLP4NLP corpus (II): 50 years of research in speech and language processing. Frontiers in Research Metrics and Analytics, 3, 1–30. https://doi.org/10.3389/frma.2018.00036
McCarthy, M., & Carter, R. (2001). Size isn’t everything: Spoken English, corpus and the classroom. TESOL Quarterly, 35(2), 337–340. https://doi.org/10.2307/3587654
Meurers, W. D. (2005). On the use of electronic corpora for theoretical linguistics. Case studies from the syntax of German. Lingua, 115(11), 1619–1639. https://doi.org/10.1016/J.Lingua.2004.07.007
Murakami, A., Thompson, P., Hunston, S., & Vajn, D. (2017). What is this corpus about?’: Using topic modelling to explore a specialised corpus. Corpora, 12(2), 243-277. https://doi.org/10.3366/cor.2017.0118
Nel, D., van Heerden, G., Chan, A., Ghazisaeedi, M., Halvorson,W., & Steyn, P. (2011). Eleven years of scholarly research in the Journal of Services Marketing. Journal of Services Marketing, 25(1), 4–13. https://doi.org/10.1108/08876041111107014
Ngula, R. (2018) Corpus methods in language studies. In Perspectives on Conducting and Reporting Research in the Humanities (pp. 205–223). University of Cape Coast Press.
Pesta, B., Fuerst, J., & Kirkegaard, E.O.W. (2018). Bibliometric keyword analysis across seventeen years (2000–2016) of intelligence articles. Journal of Intelligence, 6(4), 1–46. https://doi.org/10.3390/jintelligence6040046
Sampsel, L. J. (2018). Voyant tools. Music Reference Services Quarterly, 21(3), 153-157. https://doi.org/10.1080/10588167.2018.1496754
Sarica, S., Luo, J., & Wood, K. L. (2020). TechNet: Technology semantic network based on patent data. Expert Systems with Applications, 142, 112995. https://doi.org/10.1016/j.eswa.2019.112995
Scott, M. (2001). Comparing corpora and identifying key words, collocations, and frequency distributions through the WordSmith tools suite of computer programs. Small corpus studies and ELT: Theory and practice (pp. 47–67). John Benjamins. https://doi.org/10.1075/scl.5.07sco
Sinclair, J. (2005) Corpus and text - basic principles. Developing linguistic corpora: A guide to good practice (pp. 1–16). Oxbow Books.
Sinclair, J. (1991). Corpus, concordance, collocation. Oxford University Press.
Stefanowitsch, A. (2006). Negative evidence and the raw frequency fallacy. Corpus Linguistics and Linguistic Theory, 2(1), 61–77. https://doi.org/10.1515/CLLT.2006.003
Stefanowitsch, A., & Gries, S. Th. (2009). Corpora and grammar. Corpus linguistics: An international handbook (vol. 2, pp. 933–952). De Gruyter Mouton. https://doi.org/10.1515/9783110213881.2.933
Stubbs, M. (2001). Texts, corpora, and problems of interpretation: A response to Widdowson. Applied Linguistics, 22(2), 149–172. https://doi.org/10.1093/applin/22.2.149
Webber, R., & Stroud, D. (2013) How changes in word frequencies reveal changes in the focus of the JDDDMP. Journal of Direct, Data Digit Marketing Practice, 14, 310–320. https://doi.org/10.1057/dddmp.2013.19
Weismayer, C., & Pezenka, I. (2017) Identifying emerging research fields: A longitudinal latent semantic keyword analysis. Scientometrics, 113(3), 1757–1785. https://doi.org/10.1007/s11192-017-2555-z
Wilbur, W. J., Rzhetsky, A., Shatkay, H. (2006). New directions in biomedical text annotation: Definitions, guidelines, and corpus construction. BMC Bioinformatics, 7(1), 1–10. https://doi.org/10.1186/1471-2105-7-356
Williams, G. (1998). Collocational networks: Interlocking patterns of lexis in a corpus of plant biology research articles. International Journal of Corpus Linguistics, 3(1), 151–71. https://doi.org/10.1075/ijcl.3.1.07wil
Copyright (c) 2021 Национальный исследовательский университет «Высшая школа экономики»
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, публикующие статьи в журнале, соглашаются с условиями политики авторских прав.
