Имплицитная vs эксплицитная оценка: как англоязычные пользователи Twitter обсуждают проблемы миграции

Обложка

Цитировать

Полный текст

Аннотация

Данное исследование отвечает на вопрос, каким образом (имплицитно или эксплицитно) и при помощи каких лингвистических средств пользователи Twitter выражают свое мнение об актуальной социальной проблеме в условиях ограниченности количества символов в сообщении. В статье подробно рассматривается влияние ограниченного количества символов в сообщении Twitter на выбор лингвистических средств пользователями для выражения своего мнения и эмоциональной оценки социально значимого события. Исследование сфокусировано на способах выражения оценки проблемы миграции в Европе и США англоязычными пользователями микроблога Twitter. Цель исследования заключается в установлении связи между эксплицитным или имплицитным способом выражения оценки и ее эмоциональной составляющей (выражающей одобрение или критику). Анализ проводился посредством использования программы компьютерного контент-анализа Atlas.ti. Корпус языкового материала составил 100 твитов. Период сбора материала для анализа (февраль-июль 2017 г.) обусловлен важными событиями в миграционной политике США и ее трагическими последствиями. Результаты исследования показали, что наибольшее количество сообщений выражает негативное отношение к миграционным процессам в США и Европе, а также недовольство проводимой миграционной политикой. Критика часто имплицируется при помощи иронии, вопросительных конструкций и цитат, в то время как императивные конструкции чаще всего были использованы в эксплицитных высказываниях. Англоязычные пользователи микроблога часто используют аббревиатуры, сокращения и эллиптические конструкции, что может быть обусловлено текстовым ограничением сообщений. Авторы исследования приходят к выводу, что, несмотря на определенную анонимность, предоставляемую коммуникацией в интернет-пространстве, пользователи Twitter склонны имплицировать негативные высказывания в адрес политических структур. Интерпретация скрытых смыслов сообщений усложняется отсутствием экстралингвистических факторов и личных характеристик коммуникантов. Результаты исследования свидетельствуют о необходимости учета импликации негативной оценки при использовании микроблога Twitter в качестве источника материала для анализа общественных настроений.

Об авторах

Елена Валерьевна Габриелова

Национальный исследовательский университет «Высшая школа экономики» (ВШЭ)

Автор, ответственный за переписку.
Email: evgabrielova@hse.ru

кандидат филологических наук, старший преподаватель Школы иностранных языков Национального исследовательского университета «Высшая школа экономики». Сфера ее научных интересов включает языкознание, прикладную лингвистику, политическую коммуникацию, массовую коммуникацию, интернет-дискурс, оценочные суждения и эмотивность в интернет-дискурсе.

Москва, 101000, ул. Мясницкая, 20

Ольга Ивановна Максименко

Московский государственный областной университет (МГОУ)

Email: maxbel7@yandex.ru

доктор филологических наук, профессор кафедры теоретической и прикладной лингвистики Московского государственного областного университета. Сфера ее научных интересов включает языкознание, прикладную лингвистику, квантитативную лингвистику, лингвоконфликтологию, дипломатический дискурс, лингвистическую теорию эмоций, сентимент-анализ.

Московская область, 141014, Мытищи, ул. Веры Волошиной, 24

Список литературы

  1. Alsaeedi, Abdullah & Mohammad Zubair Khan. 2019. A study on sentiment analysis techniques of Twitter data. International Journal of Advanced Computer Science and Applications 10 (2). 361-374.
  2. Bamman, David, Jacob Eisenstein & Tyler Schnoebelen. 2014. Gender identity and lexical variation in social media. Journal of Sociolinguistics 18 (2). 135-160. doi: 10.1111/josl.12080
  3. Baranov, Anatoliy. 2007. Lingvisticheskaja jekspertiza teksta. Teoreticheskie osnovanija i praktika [The Linguistic Expertise of a Text. Theoretical Foundations and Practice]. Мoscow, Russia: Flinta: Nauka.
  4. Baron, Naomi S. 2008. Always on: Language in an Online and Mobile World. Oxford: OUP.
  5. Alsaeedi, Abdullah & Mohammad Zubair Khan. 2019. A study on sentiment analysis techniques of Twitter data. International Journal of Advanced Computer Science and Applications 10 (2). 361-374.
  6. Bamman, David, Jacob Eisenstein & Tyler Schnoebelen. 2014. Gender identity and lexical variation in social media. Journal of Sociolinguistics 18 (2). 135-160. doi: 10.1111/josl.12080
  7. Baranov, Anatoliy. 2007. Lingvisticheskaja jekspertiza teksta. Teoreticheskie osnovanija i praktika [The Linguistic Expertise of a Text. Theoretical Foundations and Practice]. Мoscow, Russia: Flinta: Nauka.
  8. Baron, Naomi S. 2008. Always on: Language in an Online and Mobile World. Oxford: OUP.
  9. Basáñez, Tatiana, Anuja Majmundar, Tes Boley Cruz & Jeniffer B. Unger. 2018. Vaping associated with healthy food words: A content analysis of Twitter. Addictive Behaviors Reports 8. 147-153. doi: 10.1016/j.abrep.2018.09.007
  10. Belyakov, Mikhail. 2015. Emotive character of a diplomatic discourse. Russian Journal of Linguistics 2. 124-132.
  11. Brundidge, Jennifer. 2010. Encountering “difference” in the contemporary public sphere: The contribution of the Internet to the heterogeneity of political discussion networks. Journal of Communication 60 (4). 680-700. doi: 10.1111/j.1460-2466.2010.01509.x
  12. De Haas, Hein, Stephen Castles & Mark J. Miller. 2019. The Age of Migration: International Population Movements in the Modern World. Guilford Press.
  13. Crystal, David. 2001. Language and the Internet. Cambridge: CUP.
  14. Earl, Jennifer, & Katrina Kimport. 2011. Digitally Enabled Social Change: Activism in the Internet Age. MA: MIT Press, Cambridge.
  15. Ebzeeva, Julija & Irina Karabulatova. 2017. Novye aspekty issledovanija kommunikacii v sovremennyh social'nyh setjah. [New aspects of the research of communication in contemporary social networks]. The Bulletin of the Adyghe State University, the series “Region Studies: Philosophy, History, Sociology, Jurisprudence, Political Sciences and Culturology” 4 (209). 258-267.
  16. Fischer, Eilee & Rebecca A. Reuber. 2011. Social interaction via new social media: (How) can interactions on Twitter affect effectual thinking and behavior? Journal of Business Venturing 26 (1). 1-18. doi: 10.1016/j.jbusvent.2010.09.002
  17. Gabrielova, Elena. 2014. New media in the protest movement: explicit and implicit expression of point of view on the protest movement Occupy Wall Street on Twitter. Journal of Psycholinguistics 3 (21). 150-159.
  18. Gabrielova, Elena. 2015. Implicit and explicit ways of expressing personal opinion on Twitter: The Tea Party movement in the USA. (Working Paper N. 90). Working Papers of Humanities: National Research University Higher School of Economics.
  19. Greenhow, Christine & Benjamin Gleason. 2012. Twitteracy: Tweeting as a new literacy practice. The Education Forum 76 (4). 464-478. doi: 10.1080/00131725.2012.709032
  20. Greenhow, Christine & Beth Robelia. 2009. Informal learning and identity formation in online social networks. Learning Media and Technology 34 (2). 119-140. doi: 10.1080/17439880902923580
  21. Hardy, Bruce W. & Dietram A. Scheufele. 2005. Examining differential gains from Internet use: Comparing the moderating role of talk and online interactions. Journal of Communication. International Communication Association 55 (1). 71-84. DOI j.1460-2466.2005.tb02659.x
  22. Kaase, Max. 1999. Interpersonal trust, political trust and non-institutionalised political participation in Western Europe. West European Politics 22 (3). 1-21. doi: 10.1080/01402389908425313
  23. Maksimenko, Olga & Tatiana Semina. 2019. Sozdanie korpusa tekstov dlya analiza tonal'nosti [Creating a corpus for sentiment analysis]. Proceedings of National Association of Applied Linguistics 3 (27). 106-114.
  24. Nagarajan, Senthil Murugan & Usha Devi Gandhi. 2019. Classifying streaming of Twitter data based on sentiment analysis using hybridization. Neural Computing and Applications 31 (5). 1425-1433. doi: 10.1007/s00521-018-3476-3
  25. Pechenikhina, Ekaterina. 2008. Yazykovoe vyrazhenie ironii v proizvedeniyakh Zh.M. Esy de Keyrosha [Verbal expression of irony in works by Esy Keyrosh]. Moscow University Philology Bulletin 4. 140-147.
  26. Pennebaker, James W., Martha E. Francis & Roger J. Booth. 2001. Linguistic inquiry and word count: LIWC 2001. Mahway: Lawrence Erlbaum Associates, 71.
  27. Pennebaker, James W. 1993. Putting stress into words: Health, linguistic, and therapeutic implications. Behaviour Research and Therapy 31 (6). 539-548. doi: 10.1016/0005-7967(93)90105-4
  28. Porter, Lance, Kaye Sweetser & Deborah Chung. 2009. The blogosphere and public relations. Investigating practioner’s role and blog use. Journal of Communication Management 13 (3), 250-267. doi: 10.1108/13632540910976699
  29. Popova, Zinaida & Iosif Sternin. 2007. Obshchee Yazykoznanie [General Linguistics]. 2nd edn. Moscow: AST: Vostok-Zapad.
  30. Renkema, Jan. 2009. The Texture of Discourse. Towards an Outline of Connectivity Theory. Amsterdam: John Benjamins Publishing Company.
  31. Rojas, Hernando & Eulalia Puig-i-Abril. 2009. Mobilizers mobilized: Information, expression, mobilization and participation in the digital age. Journal of Computer-Mediated Communication 14 (4). 902-927. doi: 10.1111/j.1083-6101.2009.01475.x
  32. Sharafutdinova, Svetlana. 2009. Sportivnaya analiticheskaya stat'ya kak zhanr diskursa SMI [Sport analytical article as a genre of mass media discourse]. Bulletin of Chelyabinsk State University 34 (172). 141-145.
  33. Schultz, Friederike, Sonja Utz & Anja Göritz. 2011. Is the medium the message? Perceptions of and reactions to crisis communication via twitter, blogs and traditional media. Public relations review 37 (1). 20-27. doi: 10.1016/j.pubrev.2010.12.001
  34. Simon-Vandenbergen, Anne-Marie, Miriam Taverniers & Louise J. Ravelli. 2003. Grammatical Metaphor: Views from Systemic Functional Linguistics. Amsterdam: John Benjamins Publishing Company.
  35. Stemler, Steve. 2001. An overview of content analysis. Practical Assessment, Research & Evaluation 7 (17). doi: 10.7275/z6fm-2e34
  36. Stubbs, Michael. 1983. Discourse analysis: the sociolinguistic analysis of natural language. Chicago: University of Chicago Press.
  37. Tejerina, Benjamin, Ignacia Perugorría, Tova Benski & Lauren Langman. 2013. From the streets and squares to social movement studies: What have we learned? Current Sociology 61 (4). 541-561. doi: 10.1177/0011392113479753
  38. Villarroel Ordenes, Francisco, Stephan Ludwig, Ko De Ruyter, Dhruv Grewal & Martin Wetzels. 2017. Unveiling what is written in the stars: Analyzing explicit, implicit, and discourse patterns of sentiment in social media. Journal of Consumer Research 43 (6). 875-894. doi: 10.1093/jcr/ucw070
  39. Vlieger, Esther & Loet Leydesdorff. 2011. Content analysis and the measurement of meaning: The visualization of frames in collections of messages. The Public Journal of Semiotics 3 (1). 321-339.
  40. Wirawanda, Yudha & Tangguh Okta Wibowo. 2018. TWITTER: Expressing Hate Speech Behind Tweeting. Profetik: Jurnal Komunikasi 11 (1). 5-11. doi: 10.14421/pjk.v11i1.1378
  41. Yule, George. 1996. The Study of Language. 2nd ed. Cambridge: CUP.
  42. Zanzotto, Fabio Massimo, Marco Pennacchiotti & Kostas Tsioutsiouliklis. 2011. Linguistic redundancy in Twitter. Proceedings of the 2011 Conference on empirical methods in natural language processing. Edinburgh, Scotland, 659-669.
  43. Basáñez, Tatiana, Anuja Majmundar, Tes Boley Cruz & Jeniffer B. Unger. 2018. Vaping associated with healthy food words: A content analysis of Twitter. Addictive Behaviors Reports 8. 147-153. doi: 10.1016/j.abrep.2018.09.007
  44. Belyakov, Mikhail. 2015. Emotive character of a diplomatic discourse. Russian Journal of Linguistics 2. 124-132.
  45. Brundidge, Jennifer. 2010. Encountering “difference” in the contemporary public sphere: The contribution of the Internet to the heterogeneity of political discussion networks. Journal of Communication 60 (4). 680-700. doi: 10.1111/j.1460-2466.2010.01509.x
  46. De Haas, Hein, Stephen Castles & Mark J. Miller. 2019. The Age of Migration: International Population Movements in the Modern World. Guilford Press.
  47. Crystal, David. 2001. Language and the Internet. Cambridge: CUP.
  48. Earl, Jennifer, & Katrina Kimport. 2011. Digitally Enabled Social Change: Activism in the Internet Age. MA: MIT Press, Cambridge.
  49. Ebzeeva, Julija & Irina Karabulatova. 2017. Novye aspekty issledovanija kommunikacii v sovremennyh social'nyh setjah. [New aspects of the research of communication in contemporary social networks]. The Bulletin of the Adyghe State University, the series “Region Studies: Philosophy, History, Sociology, Jurisprudence, Political Sciences and Culturology” 4 (209). 258-267.
  50. Fischer, Eilee & Rebecca A. Reuber. 2011. Social interaction via new social media: (How) can interactions on Twitter affect effectual thinking and behavior? Journal of Business Venturing 26 (1). 1-18. doi: 10.1016/j.jbusvent.2010.09.002
  51. Gabrielova, Elena. 2014. New media in the protest movement: explicit and implicit expression of point of view on the protest movement Occupy Wall Street on Twitter. Journal of Psycholinguistics 3 (21). 150-159.
  52. Gabrielova, Elena. 2015. Implicit and explicit ways of expressing personal opinion on Twitter: The Tea Party movement in the USA. (Working Paper N. 90). Working Papers of Humanities: National Research University Higher School of Economics.
  53. Greenhow, Christine & Benjamin Gleason. 2012. Twitteracy: Tweeting as a new literacy practice. The Education Forum 76 (4). 464-478. doi: 10.1080/00131725.2012.709032
  54. Greenhow, Christine & Beth Robelia. 2009. Informal learning and identity formation in online social networks. Learning Media and Technology 34 (2). 119-140. doi: 10.1080/17439880902923580
  55. Hardy, Bruce W. & Dietram A. Scheufele. 2005. Examining differential gains from Internet use: Comparing the moderating role of talk and online interactions. Journal of Communication. International Communication Association 55 (1). 71-84. doi: 10.1111/j.1460-2466.2005.tb02659.x
  56. Kaase, Max. 1999. Interpersonal trust, political trust and non-institutionalised political participation in Western Europe. West European Politics 22 (3). 1-21. doi: 10.1080/01402389908425313
  57. Maksimenko, Olga & Tatiana Semina. 2019. Sozdanie korpusa tekstov dlya analiza tonal'nosti [Creating a corpus for sentiment analysis]. Proceedings of National Association of Applied Linguistics 3 (27). 106-114.
  58. Nagarajan, Senthil Murugan & Usha Devi Gandhi. 2019. Classifying streaming of Twitter data based on sentiment analysis using hybridization. Neural Computing and Applications 31 (5). 1425-1433. doi: 10.1007/s00521-018-3476-3
  59. Pechenikhina, Ekaterina. 2008. Yazykovoe vyrazhenie ironii v proizvedeniyakh Zh.M. Esy de Keyrosha [Verbal expression of irony in works by Esy Keyrosh]. Moscow University Philology Bulletin 4. 140-147.
  60. Pennebaker, James W., Martha E. Francis & Roger J. Booth. 2001. Linguistic inquiry and word count: LIWC 2001. Mahway: Lawrence Erlbaum Associates, 71.
  61. Pennebaker, James W. 1993. Putting stress into words: Health, linguistic, and therapeutic implications. Behaviour Research and Therapy 31 (6). 539-548. doi: 10.1016/0005-7967(93)90105-4
  62. Porter, Lance, Kaye Sweetser & Deborah Chung. 2009. The blogosphere and public relations. Investigating practioner’s role and blog use. Journal of Communication Management 13 (3), 250-267. doi: 10.1108/13632540910976699
  63. Popova, Zinaida & Iosif Sternin. 2007. Obshchee Yazykoznanie [General Linguistics]. 2nd edn. Moscow: AST: Vostok-Zapad.
  64. Renkema, Jan. 2009. The Texture of Discourse. Towards an Outline of Connectivity Theory. Amsterdam: John Benjamins Publishing Company.
  65. Rojas, Hernando & Eulalia Puig-i-Abril. 2009. Mobilizers mobilized: Information, expression, mobilization and participation in the digital age. Journal of Computer-Mediated Communication 14 (4). 902-927. doi: 10.1111/j.1083-6101.2009.01475.x
  66. Sharafutdinova, Svetlana. 2009. Sportivnaya analiticheskaya stat'ya kak zhanr diskursa SMI [Sport analytical article as a genre of mass media discourse]. Bulletin of Chelyabinsk State University 34 (172). 141-145.
  67. Schultz, Friederike, Sonja Utz & Anja Göritz. 2011. Is the medium the message? Perceptions of and reactions to crisis communication via twitter, blogs and traditional media. Public relations review 37 (1). 20-27. doi: 10.1016/j.pubrev.2010.12.001
  68. Simon-Vandenbergen, Anne-Marie, Miriam Taverniers & Louise J. Ravelli. 2003. Grammatical Metaphor: Views from Systemic Functional Linguistics. Amsterdam: John Benjamins Publishing Company.
  69. Stemler, Steve. 2001. An overview of content analysis. Practical Assessment, Research & Evaluation 7 (17). doi: 10.7275/z6fm-2e34
  70. Stubbs, Michael. 1983. Discourse analysis: the sociolinguistic analysis of natural language. Chicago: University of Chicago Press.
  71. Tejerina, Benjamin, Ignacia Perugorría, Tova Benski & Lauren Langman. 2013. From the streets and squares to social movement studies: What have we learned? Current Sociology 61 (4). 541-561. doi: 10.1177/0011392113479753
  72. Villarroel Ordenes, Francisco, Stephan Ludwig, Ko De Ruyter, Dhruv Grewal & Martin Wetzels. 2017. Unveiling what is written in the stars: Analyzing explicit, implicit, and discourse patterns of sentiment in social media. Journal of Consumer Research 43 (6). 875-894. doi: 10.1093/jcr/ucw070
  73. Vlieger, Esther & Loet Leydesdorff. 2011. Content analysis and the measurement of meaning: The visualization of frames in collections of messages. The Public Journal of Semiotics 3 (1). 321-339.
  74. Wirawanda, Yudha & Tangguh Okta Wibowo. 2018. TWITTER: Expressing Hate Speech Behind Tweeting. Profetik: Jurnal Komunikasi 11 (1). 5-11. doi: 10.14421/pjk.v11i1.1378
  75. Yule, George. 1996. The Study of Language. 2nd ed. Cambridge: CUP.
  76. Zanzotto, Fabio Massimo, Marco Pennacchiotti & Kostas Tsioutsiouliklis. 2011. Linguistic redundancy in Twitter. Proceedings of the 2011 Conference on empirical methods in natural language processing. Edinburgh, Scotland, 659-669.
  77. Kozlovskij, Vladimir. 2017. Storonniki Trampa: “Strana bez granic - jeto ne strana” (Trump supporters: “The country without borders is not a country”). Russian BBC. URL: http://www.bbc.com/russian/features-38807554 (accessed: 10 March 2020)
  78. Montgomery, David, Manny Fernandez & Yonette Joseph. 2017. Journey fatal for 9 migrants found in truck in a San Antonio parking lot. The New York Times. URL: https://www.nytimes.com/2017/07/23/us/san-antonio-truck-walmart-trafficking.html (accessed: 8 June 2020)
  79. World Migration Report. The international organization for migration. URL: https://www.iom.int/wmr/world-migration-report-2018
  80. Zimmer, Ben. 2011. On the front line of Twitter linguistics. [Blog post]. URL: http://languagelog.ldc.upenn.edu/nll/?p=3536> (accessed: 8 June 2020)

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Габриелова Е.В., Максименко О.И., 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

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».