Virtual Communication and Social Networks Virtual Communication and Social Networks Виртуальная коммуникация и социальные сети 2782-4799 2782-4802 93098 10.21603/2782-4799-2025-4-2-144-152 jtmkki Медиакоммуникации и журналистика Media Communications and Journalism Медиакоммуникации и журналистика Applying Social Network Analysis to Risk Communication in the Professional Segment of News Media Discourse Прикладной сетевой анализ риск-коммуникации в профессиональном сегменте новостного медиадискурса https://orcid.org/0000-0002-9075-429X Плешкова Екатерина Константиновна Pleshkova Ekaterina Konstantinovna catherine.pleshkova@gmail.com ФГАОУ ВО НИ ТГУ Томск Россия ФГАОУ ВО НИ ТГУ Tomsk Russian Federation ФГБОУ ВО СибГМУ Минздрава России Томск Россия FSFEI HE SSMU of the Ministry of Health of Russia Tomsk Russian Federation 04 07 2025 04 07 2025 4 2 144 152 30 12 2024 19 02 2025 https://jsocnet.ru/en/nauka/article/93098/view

Цель – изучить стратегии риск-коммуникации в профессиональном сегменте новостного медиа­дискурса в период новой коронавирусной инфекции с использованием метода прикладного сетевого анализа. Научная новизна заключается в применении комплексного подхода к изучению феномена риск-­коммуникации, который основан на методах математической обработки текстовых данных. Материал – тексты новостей, размещенные на официальных сайтах Министерства здравоохранения Российской Федерации и Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека в период первой итерации ограничительных мер, связанных с пандемией новой коронавирусной инфекции (март 2020 г.). Использованы методы математического анализа текста и методы дискурс-анализа. Для визуализации и последующей интерпретации лексической репрезентации пандемии в профессиональном сегменте новостного медиадискурса применен прикладной сетевой анализ. Он выполнен в свободном программном обеспечении R Studio версии 4.4.1 с использованием библиотеки Quanteda, а также встроенных пакетов base и функции gsub (замена участков строк). На базе обработанных данных с помощью функции topfeatures определены наиболее частотные лексические единицы; объем датасета составил 30723 слова. Доказано, что для анализируемого типа дискурса характерны стратегии минимальной и умеренной коммуникации, которые направлены на сдерживание роста панических настроений среди населения.

The authors applied the method of social network analysis to official and business medical discourse during the COVID-19 pandemic to examine the risk communication strategies. The corpus comprised news published on the official websites of the Russian Ministry of Health and the Federal Service for Consumer Protection and Welfare (Rospotrebnadzor) during the initial phase of restrictive measures in March 2020. The collected data underwent both mathematical processing and discourse analysis. The method of applied network analysis facilitated the visualization and interpretation of lexical representation of the pandemic in the professional news media discourse. The study utilized R Studio 4.4.1 and the Quanteda library with built-in base packages and the gsub function that replaces sections of lines. The topfeatures function revealed 30,723 most frequent lexical units. Findings indicate that medical news discourse predominantly adopted minimal to moderate communication strategies to mitigate public panic.

 медиадискурс риск-коммуникация прикладной сетевой анализ новости обработка естественного языка лексическая репрезентация новая коронавирусная инфекция media discourse risk communication applied network analysis news natural language processing lexical representation COVID-19

Басараб М. А., Глинская Е. В., Иванов И. П., Колесников А. В., Кузовлев В. И. Исследование структуры графа научного соавторства методами анализа социальных сетей. Вопросы кибербезопасности. 2017. № 1. С. 31–36. https://elibrary.ru/xxhpvp Basarab M. A., Glinskaya E. V., Ivanov I. P., Kolesnikov A. V., Kuzovlev V. I. Study into the structure of the scientific coathorship graph using social network analysis. Voprosy kiberbezopasnosti, 2017, (1): 31–36. (In Russ.) https://elibrary.ru/xxhpvp Бурганова Л. А., Исхакова Э. И. Риск-коммуникация как механизм эффективного управления рисками. Вестник экономики, права и социологии. 2019. № 1. С. 132–135. https://elibrary.ru/gpfjof Burganova L. A., Iskhakova E. I. Risk-communication as an effective condition of risk management. The Review of Economy, the Law and Sociology, 2019, (1): 132–135. (In Russ.) https://elibrary.ru/gpfjof Иванов А. В. Доверие и риск-коммуникация в публичном пространстве: нормативное измерение. Наука и современность. 2015. № 37-2. С. 65–70. https://elibrary.ru/tufemj Ivanov A. V. Trust and risk communication in the public space: A normative dimension. Nauka i sovremennost, 2015, (37-2): 65–70. (In Russ.) https://elibrary.ru/tufemj Исхакова Э. И. Технологии риск-коммуникации в сфере международного туризма: медиа-волны в эпоху COVID-19. Вестник экономики, права и социологии. 2020. № 2. С. 144–147. https://elibrary.ru/ekpfgf Iskhakova E. I. Technologies of risk-communication in the field of international tourism: Media-waves in COVID-19 era. The Review of Economy, the Law and Sociology, 2020, (2): 144–147. (In Russ.) https://elibrary.ru/ekpfgf Кожемякин Е. А. Дискурс-анализ как междисциплинарный проект: между методом и идеологией. Научные ведомости Белгородского государственного университета. Серия: Гуманитарные науки. 2015. № 6. С. 5–12. https://elibrary.ru/vwyzrf Kozhemiakin E. A. Discourse analysis as an interdisciplinary project: Between a method and an ideology. Nauchnye vedomosti Belgorodskogo gosudarstvennogo universiteta. Seriia: Gumanitarnye nauki, 2015, (6): 5–12. (In Russ.) https://elibrary.ru/vwyzrf Купчинова Т. В. Риск и рисковые коммуникации. Философия и социальные науки. 2009. № 1-2. С. 48–52. Kupchinova T. V. Risk and risk communications. Filosofiia i sotsialnye nauki, 2009, (1-2): 48–52. (In Russ.) Оломская Н. Н. К вопросу о жанровой классификации медиадискурса. Научный диалог. 2013. № 5. С. 250–259. https://elibrary.ru/qcqeix Olomskaya N. N. On genre classification of media discourse. Nauchnyi Dialog, 2013, (5): 250–259. (In Russ.) https://elibrary.ru/qcqeix Плешкова Е. К. Дискурсивная маркированность лексики пандемии: сетевой анализ дискурсов. Актуальные проблемы лингвистики и литературоведения: X (XXIV) Междунар. науч.-практ. конф. (Томск, 13–15 апреля 2023 г.) Томск: НИ ТГУ, 2023. С. 97–103. https://doi.org/10.17223/978-5-907572-02-7-2023-19 Pleshkova E. K. Discoursive marking of the pandemia vocabulary: Network analysis of discourses. Relevant issues of linguistics and literary studies: Proc.  X (XXIV) Intern. Sci.-Prac. Conf., Tomsk, 13–15 Apr 2023. Tomsk: TSU, 2023, 97–103. (In Russ.) https://doi.org/10.17223/978-5-907572-02-7-2023-19 Плешкова Е. К., Резанова З. И. Влияние противоэпидемических (карантинных) мероприятий в условиях пандемии COVID-19 на население: выявление ключевых тематик с помощью социально-сетевого анализа. Бюллетень сибирской медицины. 2024. Т. 23. № 4. С. 120–128. https://elibrary.ru/xucwom Pleshkova E. K., Rezanova Z. I. Effects of anti-epidemic (quarantine) measures on people during the COVID-19 pandemic: Applying social network analysis to identify the key topics. Bulletin of Siberian Medicine, 2024, 23(4): 120–128. (In Russ.) https://elibrary.ru/xucwom Резанова З. И. Фреймирование ситуации пандемии в новостном дискурсе. Когнитивные исследования языка. 2024. № 1-2. С. 327–330. https://elibrary.ru/nycvnn Rezanova Z. I. Framing the pandemic situation in news discourse. Cognitive Studies of Language, 2024, (1-2): 327–330. (In Russ.) https://elibrary.ru/nycvnn Резанова З. И., Степаненко А. А. Дискурсивные варианты тематического моделирования пандемии COVID-19 (новостной медиадискурс vs социальные сети). Вестник Томского государственного университета. Филология. 2023. № 86. С. 84–101. https://elibrary.ru/jrufis Rezanova Z. I., Stepanenko A. A. Discursive variants of thematic modeling of COVID-19 (news media discourse vs social networks). Tomsk State University Journal of Philology, 2023, (86): 84–101. (In Russ.) https://elibrary.ru/jrufis Уварова Е. А. Медиатекст и медиадискурс: к проблеме соотношения понятий. Вестник Московского государственного областного университета. Серия: Лингвистика. 2015. № 5. С. 47–54. https://elibrary.ru/vcqgfj Uvarova E. A. Mediatext and mediadiscourse: The problem of their correlation. Bulletin of the Moscow Region State University. Series: Linguistics, 2015, (5): 47–54. (In Russ.) https://elibrary.ru/vcqgfj Ширяева О. В. Информационно-аналитический медиадискурс как предмет коммуникативно-дискурсивного исследования. Медиаскоп. 2012. № 4. https://elibrary.ru/pkzhjn Shiriaeva O. V. Information and analytical media discourse as an object of communication and discourse research. Mediascope, 2012, (4). (In Russ.) https://elibrary.ru/pkzhjn Ahmad W., Wang B., Martin P., Xu M., Xu H. Enhanced sentiment analysis regarding COVID-19 news from global channels. Journal of computational social science, 2023, 6(1): 19–57. https://doi.org/10.1007/s42001-022-00189-1 Ahmad W., Wang B., Martin P., Xu M., Xu H. Enhanced sentiment analysis regarding COVID-19 news from global channels. Journal of computational social science, 2023, 6(1): 19–57. https://doi.org/10.1007/s42001-022-00189-1 Bokaee Nezhad Z., Deihimi M. A. Twitter sentiment analysis from Iran about COVID 19 vaccine. Diabetes & Metabolic Syndrome: Clinical Research & Reviews, 2022, 16(1). https://doi.org/10.1016/j.dsx.2021.102367 Bokaee Nezhad Z., Deihimi M. A. Twitter sentiment analysis from Iran about COVID 19 vaccine. Diabetes & Metabolic Syndrome: Clinical Research & Reviews, 2022, 16(1). https://doi.org/10.1016/j.dsx.2021.102367 Singer N. Coronavirus media discourse and current situation (QCA for different responses to combat COVID-19). Humanities & Social Sciences Reviews, 2020, 8(3). https://elibrary.ru/sdbbfa Singer N. Coronavirus media discourse and current situation (QCA for different responses to combat COVID-19). Humanities & Social Sciences Reviews, 2020, 8(3). https://elibrary.ru/sdbbfa Stefanis C., Giorgi E., Kalentzis K., Tselemponis A., Nena E., Tsigalou C., Kontogiorgis C., Kourkoutas Y., Chatzak E., Dokas I., Constantinidis T., Bezirtzoglou E. Sentiment analysis of epidemiological surveillance reports on COVID-19 in Greece using machine learning models. Frontiers in Public Health, 2023, 11. https://doi.org/10.3389/fpubh.2023.1191730 Stefanis C., Giorgi E., Kalentzis K., Tselemponis A., Nena E., Tsigalou C., Kontogiorgis C., Kourkoutas Y., Chatzak E., Dokas I., Constantinidis T., Bezirtzoglou E. Sentiment analysis of epidemiological surveillance reports on COVID-19 in Greece using machine learning models. Frontiers in Public Health, 2023, 11. https://doi.org/10.3389/fpubh.2023.1191730 Wang J., Fan Y., Palacios J., Chai Yu., Guetta-Jeanrenaud N., Obradovich N., Zhou Ch., Zheng S. Global evidence of expressed sentiment alterations during the COVID-19 pandemic. Nature Human Behaviour, 2022, 6(3): 349–358. https://elibrary.ru/xiqnug Wang J., Fan Y., Palacios J., Chai Yu., Guetta-Jeanrenaud N., Obradovich N., Zhou Ch., Zheng S. Global evidence of expressed sentiment alterations during the COVID-19 pandemic. Nature Human Behaviour, 2022, 6(3): 349–358. https://elibrary.ru/xiqnug Yakunin K., Mukhamediev R. I., Zaitseva E., Levashenko V., Yelis M., Symagulov A., Kuchin Ya., Muhamedijeva E., Aubakirov M., Gopejenko V. Mass media as a mirror of the COVID-19 pandemic. Computation, 2021, 9(12). https://doi.org/10.3390/computation9120140 Yakunin K., Mukhamediev R. I., Zaitseva E., Levashenko V., Yelis M., Symagulov A., Kuchin Ya., Muhamedijeva E., Aubakirov M., Gopejenko V. Mass media as a mirror of the COVID-19 pandemic. Computation, 2021, 9(12). https://doi.org/10.3390/computation9120140