Ученые ТГУ с помощью платформы PolyAnalyst измерили настроения роccиян
19 октября 2020
Изображение взято с сайта http://fotokto.ru/ | Виктор Печищев
Центром прикладного анализа больших данных Национального исследовательского Томского государственного университета реализуется исследовательский проект, направленный на мониторинг мнений и настроений пользователей на основе данных социальной сети ВКонтакте. Данный проект подразумевает применение метода социологии 1 к 1 с охватом всех активных в социальных медиа жителей региона. Основной целью исследования является мониторинг региональных сообществ для выявления реального отношения жителей к теме, явлению или муниципальному объекту. После выявления отношения населения к различным сферам общественной жизни проводится идентификация основных центров производства и распространения информации (лидеров общественного мнения), анализ их активности, портретных характеристик и генерируемого ими контента.
Стоит отметить, что следует различать лидеров общественного мнения и сетевых активистов. Лидер общественного мнения: высказывает собственное мнение о тех или иных социальных, экономических или политических событиях; генерирует собственный контент на социальную, политическую или экономическую тематику, который составляют большую часть его публикаций; получает отклик на собственные публикации (лайки, репосты, комментарии) от других пользователей. В то время как сетевой активист: распространяет контент на социальную, политическую или экономическую тематику при помощи репостов; может генерировать собственные контент на вышеуказанные темы, но основной процент публикаций является репостами; может как получать, так и не получать отклика (лайки, репосты, комментарии) на собственные публикации.
Мониторинг региональных сообществ проводится на основе подхода к измерению субъективного качества жизни населения, разработанного Центром прикладного анализа больших данных Национального исследовательского Томского государственного университета, который подразумевает измерение субъективного благополучия населения регионов, зарегистрированного в социальных сетях, посредством анализа текстового контента региональных сообществ и цифрового следа пользователей, проявленного в виде реакций (лайки, репосты, комментарии) на размещенные публикации. На данный момент подход постоянно совершенствуется и сейчас проводится совершенствование алгоритма классификации текстового контента и формулы расчета индекса субъективного благополучия. Разработанная методика подразумевает реализацию следующих этапов:
1
Отбор региональных сообществ по каждому субъекту Российской Федерации. Если ранее данные группы отбирались вручную, то на сегодняшний день это происходит автоматически.
Рисунок 1 – Процесс ручного отбора региональных сообществ
Рисунок 2 – Процесс автоматического отбора региональных сообществ
2
Из отобранных региональных сообществ за необходимый временной период (например, 2019 год) выгружается текстовый контент с указанием даты размещения и количества лайков, репостов, комментариев и просмотров. Выгрузка данных проводилась с помощью платформы по сбору и анализу данных социальных медиа Университетского консорциума исследователей больших данных (www.opendata.university), разработанной командой Центра прикладного анализа больших данных на основе API (интерфейс прикладного программирования).
Рисунок 3 – Платформа по сбору данных
В целом, за время проведения исследования анализу было подвергнуто:
Рисунок 4 – Объем проанализированных данных
3
Выгруженный текстовый контент проходит этап предварительной обработки с использованием встроенных инструментов узлов текстового анализа платформы PolyAnalyst: индексирование текста (разметка всего текста по лексическому составу), удаление дубликатов и похожих между собой текстов, очистка текста от знаков пунктуации, удаление html тегов и гиперссылок, эмодзи и нерелевантных слов; перевод слов в нижний регистр; удаление стоп-слов (с помощью дополненных пользовательских словарей), к которым относятся предлоги, причастия, междометия, цифры, частицы а также часто употребляемые слова, не несущие смысловой нагрузки, исправление орфографических ошибок и опечаток;
Рисунок 5 – Предобработка данных в PolyAnalyst
4
Автоматическая разметка публикаций региональных сообществ по критерию мусор/не мусор, категориям и типам тональности;
Мусор – это, прежде всего, сообщения рекламного характера, а также сообщения затрагивающие темы, выходящие за рамки данного исследования (содержащие информацию о вакансиях; спортивных и культурно-массовых мероприятиях; обмене и бесплатной передаче товаров; конкурсах и акциях; рецептах, доставках и питании; астрологических прогнозах; продаже вещей; предложениях знакомства романтического и эротического характера; обсуждения личной жизни участков сообщества и т.п.
После чего, нерелевантные сообщения (“мусор”) очищались и дальнейшая работа проводилась только с релевантными (“не мусор”).
Релевантные сообщения классифицировались по следующим 19 категориям:
Социальная сфера
Категории
Индикаторы/Темы
Образование
Дошкольное, среднее, среднее профессиональное, высшее, дополнительное
ЖКХ
Оказание услуг ЖКХ населению
Управление
Здравоохранение
Обслуживание, качество лечения, работа с отдельными группами населения
Инфраструктура
Дороги, топливо, доступность (между населенными пунктами, до домов и т.д.), загруженность дорог, уборка снег, ливневые системы, доступность жилья и т. д.
Безопасность
Работа служб (Полиция, МЧС, ГИБДД (ДПС), Росгвардия)
Обстановка (преступления и правонарушения)
Экология
Вырубка лесов, сокращение биоразнообразия, загрязнение воды/воздуха, перенаселение, деградация земель, отходы жизнедеятельности человека, влияние экономической и политической деятельности на экологическую ситуацию, последствия человеческого влияние на экологию, меры предотвращения экологических катастроф и т.д.
Отношения между людьми
Доброжелательность/недоброжелательность прохожих, соседей, коллег, случайных людей (попутчики, пассажиры и т.д.)
Общее эмоциональное состояние
Выражение чувств (счастлив/несчастлив, доволен/недоволен, раздражен/воодушевлен, печален/рад и т.д.)
Экономическая сфера
Категории
Индикаторы/Темы
Работа
Уровень безработицы, зарплата, условия труда, официально/неофициальное трудоустройство, полная/неполная ставка
Товары
Цены и влияние инфляции
Конкуренция между производителями
Налоги
Бюрократия, уровень налоговой ставки, налоговая нагрузка населения, распределение собранных налогов
Кредитование и предпринимательство
Кредиты и ипотека
Предпринимательство (барьеры, бюрократия и т.д.)
Кредиты и ипотека
Предпринимательство (барьеры, бюрократия и т.д.)
Субсидии, пенсии, льготы, пенсионный возраст
Политическая сфера
Категории
Индикаторы/Темы
Свобода СМИ
Цензура/свобода слова, достоверность информации, объективность и т.д.
Протестный потенциал (недовольство населения)
Политический протест (протест к представителям власти)
Социальный протест (протест против социального неравенства, проблем, существующих в обществе)
Культурный протест (протест в культурной жизни и повлёкший возмущение населения)
Свобода выборов
Честность выборов, давление на избирателей, прозрачность, вбросы, явка, конкуренция на выборах
Отношение к власти
Отношение населения к отдельным политическим персонам и их деятельности
Политические решения
Оценка проблемы в регионе
Управленческие и кадровые решения властей
Законодательство (новые законы и изменения старых)
Нарушения прав граждан
Отношение к населению
Бюджет (формирование и распределение)
Оценка населением принятых решений
Внутренняя политика
Оценка функций, возложенных на региональные власти:
— способность организовывать хозяйственно-экономическую жизнь в регионе
— способность поддерживать стабильность
— соблюдение социальной справедливости при распределении благ
— безопасное использование ресурсов страны,
— поддержание законности и порядка
Для автоматической классификации использовался узел “Классификации текстов” совместно с модулем предобработки данных извлечением ключевых слов”.
Рисунок 6 – Классификация текстового контента по категориям с помощью PolyAnalyst
После чего проводился анализ тональности сообщений по 3-м категориям: положительная, нейтральная и негативная.
Рисунок 7 – Классификация текстового контента по типам тональности с помощью PolyAnalyst
Рисунок 8 – Пример результата классификации текстового контента по типам тональности в PolyAnalyst
5
Расчет индекса онлайн активности пользователей в региональных сообществах;
Рисунок 9 – Формула расчета индекса онлайн-активности
После расчета индекс онлайн-активности пользователей регионах можно отследить динамику мнений в регионе по той или иной теме и выявить какие публикации вызывают всплески активности.
Рисунок 10 — Активность: категория «Инфраструктура» (Томская область)
Рисунок 11 — Пост, вызвавший всплеск активности: Инфраструктура (Томская область)
Рисунок 12 — Активность: категория «Протестный потенциал» (Томская область)
Рисунок 13 — Пост, вызвавший всплеск активности: Протестный потенциал (Томская область)
6
Расчет индекса субъективного качества жизни населения регионов.
Рисунок 14 — Формула расчета индекса субъективного качества жизни
Стоит отметить, что отобранные регионы предварительно были разделены на национальные и не национальные. На основе полученных данных был получен индекс субъективного благополучия по каждому региону Российской Федерации:
Рисунок 15 – Индекс благополучия в национальных регионах
Рисунок 16 – Индекс благополучия в не национальных регионах (Часть 1)
Рисунок 17 – Индекс благополучия в не национальных регионах (Часть 2)
Исследовательский проект по анализу мнений и настроений в регионе также включает в себя выявление лидеров общественного мнения внутри субъекта РФ, которые могут стать эффективным каналом коммуникации и распространения информации среди населения. Разработанная методика включает выполнение работ по выявлению двух типов лидеров мнений:
- Лидеры общественного мнения среди пользователей
Рисунок 18 — Определение лидеров мнений среди пользователей
Пользователей, генерирующих собственный контент на своей персональной странице достаточно небольшое количество. Например, в Томской области на 2019 год их было всего 5 человек.
Рисунок 19 — Лидер общественного мнения среди пользователей
- Лидеры общественного мнения среди авторов
Рисунок 20 — Определение лидеров мнений среди авторов
Стоит отметить, что лидер общественного мнения среди авторов не просто генерирует контент для региональных сообществ, но и получает высокий отклик (лайки, репосты, комментарии) на свои публикации.
Рисунок 21 — Лидер общественного мнения среди авторов
Таким образом, на основе результатов, полученных в ходе реализации данного исследовательского проекта можно сделать вывод о том, что созданная методика измерения субъективного благополучия актуальна в современных условиях цифровизации и развития информационно-коммуникационных технологий и позволяет оценивать изменений мнений и настроений в регионе. На данный момент совершенствуется алгоритм автоматической «очистки» текстового контента отобранных региональных сообществ, а также алгоритмы классификации публикаций по категориям и тональностям, что позволит в дальнейшем создать инструмент, позволяющий в современных условиях измерять уровень благополучия населения регионов. В то же время разработанная методика выявления лидеров общественного мнения работает на отдельных регионах и также постоянно совершенствуется, что на данный момент позволяет выявлять лидеров мнений по конкретным тематикам (сферы общественной жизни/тематические категории). Регулярный мониторинг социальных сетей позволит выявлять ключевые инфоповоды и пользователей, способных распространять информацию и коммуницировать с пользователями внутри конкретного региона.
В рамках данного проекта возможно проведение анализа информационного освещения деятельности организаций и отдельных персон. Методология может быть основана на поиске, сборе и классификации сообщений в социальных медиа, касающихся целевого объекта.
