Как контент-анализ помогает разоблачать фейки
Фактчекинг — это не только проверка отдельных утверждений, но и анализ больших массивов данных. Контент-анализ помогает систематизировать информацию, находить закономерности и выявлять манипуляции в текстах и медиа.
Контент-анализ — это метод систематического изучения содержания текстовых и графических данных с целью выявления ключевых тем, тенденций и образцов. Этот метод позволяет исследователям анализировать большие объёмы информации и выявлять в ней скрытые паттерны, что делает его полезным инструментом в различных областях, включая исследования в области коммуникации, социологии, политологии, медицины и, разумеется, фактчекинге.
Основные этапы контент-анализа
- Определение целей и расчётов. Вначале исследователи определяют цели исследования, формулируют исследовательские вопросы и разрабатывают план анализа.
- Сбор данных. Для контент-анализа требуется собрать данные, которые будут подвергнуты анализу. Это могут быть тексты из различных источников, включая печатные издания, интернет, социальные сети, аудио- и видеозаписи, изображения и другие.
- Кодирование. На этом этапе исследователи разрабатывают систему кодирования, которая позволяет структурировать и классифицировать данные в соответствии с целями исследования. Кодирование может быть качественным (описательным) или количественным (присвоением численных значений).
- Анализ и интерпретация. После кодирования исследователи анализируют закодированные данные с целью выявления тенденций, тематических областей, часто встречающихся концепций и других важных аспектов. Интерпретация результатов позволяет сформулировать выводы и ответить на исследовательские вопросы.
- Проверка надёжности и валидности. Важным этапом контент-анализа является проверка надёжности и валидности результатов. Это может включать в себя межкодерное согласие (согласованность результатов между независимыми исследователями), а также проверку на соответствие методологическим требованиям исследования.
Применение контент-анализа
- Медиа-анализ. Контент-анализ используется для изучения медийных контентов, таких как новости, статьи, реклама, для выявления тематических тенденций, пропаганды, предвзятости и других аспектов:
— Исследование нарративов в фейковых статьях (например, выявление повторяющихся клише: «учёные скрывают», «власти замалчивают»).
— Сравнение тональности в достоверных и фейковых материалах (например, больше эмоциональных оценок в фейках).
— Контент-анализ заголовков разных СМИ на предмет предвзятости (например, как одно событие подаётся в проправительственных и оппозиционных изданиях).
— Выявление частоты упоминаний определённых персон или тем (например, замалчивание одних событий и гиперболизация других).
Пример: В 2020 году в США был проведён анализ около 200 постов в Facebook*, содержащих ложные утверждения перед вторым туром выборов в Джорджии. Таким образом выяснилось, что 60% из них не были помечены партнёрами Facebook* по проверке фактов. Это демонстрирует, как платформы не смогли маркировать вводящий в заблуждение контент о выборах.
- Выявление ботов и скоординированных кампаний в соцсетях.
— Анализ постов в соцсетях на предмет шаблонных фраз, времени публикации и повторяющихся аккаунтов.
— Поиск паттернов в комментариях (например, массовое использование одинаковых реплик).
— Анализ распространения дезинформации в тематических сообществах.
— Выявление ключевых источников ложных нарративов (боты, сетки пабликов, фейковые эксперты).
Пример: Исследование данных в соцсети Х (бывшая Twitter) вокруг выборов 2019 года в Великобритании использовало контент-анализ для измерения пропаганды, выявления скоординированных сообществ и применение ботов, усиливающих политические нарративы.
- Политический анализ. Контент-анализ используется для изучения политических документов, речей, обращений, чтобы выявить политические тенденции, стратегии и риторику.
— Анализ частоты использования определённых терминов в речах политиков (например, «национальная безопасность», «угроза»).
— Анализ публичных выступлений на предмет ложных статистических данных.
— Выявление манипулятивных приёмов (например, подмена понятий, ложные аналогии).
— Сравнение обещаний в предвыборных программах с реальными действиями.
Пример: В ходе рандомизированного полевого эксперимента, проведённого в 2023 году, исследователи проанализировали высказывания 55 итальянских депутатов в течение 16 недель, начиная с марта 2021 года. Политики, чьи заявления проверялись, значительно сократили количество ложных утверждений — и сохранили этот эффект как минимум на восемь недель.Этот пример показывает, как контент-анализ не только выявляет недостоверные заявления, но и может влиять на риторику, меняя характер политического дискурса.
- Социологические исследования. В социологии контент-анализ позволяет изучать образы, представления и стереотипы, присутствующие в общественных дискуссиях и медийных сообщениях.
— Анализ тональности ответов о социальных группах (мигранты, меньшинства) для выявления негативного/позитивного перекоса.
— Проверка частоты упоминаний проблем (например, сравнение освещения экологических и экономических тем).
— Анализ формулировок вопросов (выявление наводящих или двусмысленных формулировок, которые могут вызвать искажение результатов).
— Сравнение данных разных опросов на одну тему для выявления возможных противоречий или подтасовок.
Пример: В Великобритании было проанализировано более 63 млн слов из 52 990 новостных статей и 317 дебатов в Палате общин по вопросам иммиграции за период с 2019 года до всеобщих выборов в июле 2024 года. Исследователи пришли к выводу, что использование СМИ и политиками лексики, касающейся расы и иммиграции, способствовало «усилению реакционной политики и негативной реакции на антирасизм, что воодушевило крайне правых в этой стране».
- Маркетинговые исследования. В маркетинге контент-анализ используется для анализа рекламных материалов, отзывов потребителей, социальных медиа для выявления потребительских предпочтений и трендов.
— Сравнение маркетинговых стратегий (например, частоты использования определённых слов в рекламе).
— Исследование конкурентной среды (например, анализ количества и тональности упоминаний брендов в СМИ и соцсетях).
— Анализ потребительских настроений
— Проверка рекламных утверждений и их сопоставление с научными данными.
— Выявление скрытой рекламы в блогах и СМИ.
— Выявление фейковых отзывов и накруток (массовые отзывы за короткий период, шаблонные фразы, неестественные формулировки)
— Выявление реальных проблем клиентов (анализ жалоб vs. официальных заявлений компании).
Пример: После выборов 2020 года в США, где победил Джо Байден, а Дональд Трамп оспаривал результаты, исследователи изучили, как люди обсуждали голосование в соцсетях. Они проанализировали твиты до, во время и после выборов, чтобы понять, совпадают ли настроения пользователей с реальными итогами.
Инструменты в контент-анализе
Контент-анализ требует не только методологии, но и технических решений — от ручного кодирования до автоматизированных систем с искусственным интеллектом. Это ускоряет анализ больших данных и снижает субъективность при кодировании. Ниже приведены основные категории инструментов.
- Программы для ручного и полуавтоматического анализа (MAXQDA, NVivo) используются для качественного и смешанного анализа текстов, особенно когда важна глубина интерпретации.
- Автоматизированные инструменты для текстового анализа (LIWC, KH Coder) используют NLP (Natural Language Processing) для быстрой обработки больших объёмов данных.
- Python-библиотеки для контент-анализа (NLTK, spaCy) применяются для анализа, обработки и очистки данных.
- Инструменты для анализа соцсетей и медиа (Brandwatch, Talkwalker) – это специализированные платформы для мониторинга и фактчекинга.
- Инструменты для визуализации данных (Tableau, Gephi) создают визуализацию сетевых связей.
Вызовы и перспективы
Контент-анализ, несмотря на свою эффективность, сталкивается с рядом вызовов, таких как субъективность при кодировании данных, сложность обработки больших объёмов информации и необходимость применения современных методов анализа больших данных. Однако с развитием технологий и методов исследования контент-анализ остаётся важным инструментом для понимания контекста и анализа текстовых и графических данных.
Использование контент-анализа в фактчекинге помогает не только находить фейки, но и понимать, как распространяется ложная информация. Главное — соблюдать чёткую методологию и критический подход к интерпретации данных.
*Решением суда запрещена деятельность компании Meta Platforms Inc. по реализации продуктов — социальных сетей Facebook и Instagram на территории Российской Федерации по основаниям осуществления экстремистской деятельности.