Поляризованные слова, поляризованные миры: сравнительный компьютерный анализ про- и антивакцинного дискурса во «ВКонтакте»
DOI:
https://doi.org/10.14515/monitoring.2026.4.3147Ключевые слова:
вакцинная нерешительность, социальные сети, цифровая коммуникация, вычислительная социология, анализ тональности, тематическое моделированиеАннотация
В работе проводится сравнительный анализ эмоциональных и тематических различий в дискурсе провакцинных и антивакцинных сообществ в российской социальной сети «ВКонтакте». В качестве интерпретативной рамки используется теория языковых ожиданий. Для анализа 18,239 постов из 229 антивакцинных и 84 провакцинных сообществ применялись методы обработки естественного языка: анализ тональности на основе словарей и структурное тематическое моделирование. Результаты показали, что антивакцинный контент характеризуется более интенсивным использованием эмоционально насыщенной и негативной лексики, в то время как провакцинные сообщества придерживаются более нейтрального и рационального тона. Тематически антивакцинный дискурс чаще фокусируется на детях, семье и теориях заговора, тогда как провакцинный — на науке, исследованиях и эффективности общественного здравоохранения. При этом эмоциональность постов не оказала значимого влияния на вовлеченность пользователей. Исследование выявляет систематические различия в лингвистических профилях провакцинных и антивакцинных сообществ, которые согласуются с ожиданиями, предсказываемыми теорией языковых ожиданий для различных аудиторных групп. Однако, поскольку не проводилось прямое измерение персуазивности или ожиданий аудитории, интерпретации на основе данной теории носят предварительный характер и требуют дальнейшей эмпирической проверки.
Библиографические ссылки
Anello P., Cestari L., Baldovin T., Simonato L., Frasca G., Caranci N., Pascucci M. G., Valent F., Canova C. (2017) Socioeconomic Factors Influencing Childhood Vaccination in Two Northern Italian Regions. Vaccine. Vol. 35. No. 36. P. 4673—4680. https://doi.org/10.1016/j.vaccine.2017.07.058.
Apollonio D. E., Malone R. E. (2009) Turning Negative into Positive: Public Health Mass Media Campaigns and Negative Advertising. Health Education Research. Vol. 24. No. 3. P. 483—495. https://doi.org/10.1093/her/cyn046.
Averbeck J. M., Miller C. (2014) Expanding Language Expectancy Theory: The Suasory Effects of Lexical Complexity and Syntactic Complexity on Effective Message Design. Communication Studies. Vol. 65. No. 1. P. 72—95. https://doi.org/10.1080/10510974.2013.775955.
Betsch C., Brewer N. T., Brocard P., Davies P., Gaissmaier W., Haase N., Leask J., Renkewitz F., Renner B., Reyna V. F., Rossmann C., Sachse K., Schachinger A., Siegrist M., Stryk M. (2012) Opportunities and Challenges of Web 2.0 for Vaccination Decisions. Vaccine. Vol. 30. No. 25. P. 3727—3733. https://doi.org/10.1016/j.vaccine.2012.02.025.
Blei D. M., Ng A. Y., Jordan M. I. (2003) Latent Dirichlet Allocation. Journal of Machine Learning Research. Vol. 3. P. 993—1022.
Broniatowski D. A., Jamison A. M., Qi S., AlKulaib L., Chen T., Benton A., Quinn S. C., Dredze M. (2018) Weaponized Health Communication: Twitter Bots and Russian Trolls Amplify the Vaccine Debate. American Journal of Public Health. Vol. 108. No. 10. P. 1378—1384. https://doi.org/10.2105/AJPH.2018.304567.
Buller D. B., Burgoon M., Hall J. R., Levine N., Taylor A. M., Beach B., Buller M. K., Melcher C. (2000) Long-Term Effects of Language Intensity in Preventive Messages on Planned Family Solar Protection. Health Communication. Vol. 12. No. 3. P. 261—275. https://doi.org/10.1207/S15327027HC1203_03.
Burgoon M. (1995) Language Expectancy Theory: Elaboration, Explication, and Extension. In: Berger C. R., Burgoon M. (eds.) Communication and Social Influence Processes. East Lansing, MI: Michigan State University Press. P. 29—52.
Burgoon M., Denning V. P., Roberts L. (2002) Language Expectancy Theory. In: Dillard J. P., Pfau M. (eds.) The Persuasion Handbook: Developments in Theory and Practice. Thousand Oaks, CA: SAGE Publications. P. 117—137. https://doi.org/10.4135/9781412976046.n7.
Cohen D. A., Scribner R. A., Farley T. A. (2000) A Structural Model of Health Behavior: A Pragmatic Approach to Explain and Influence Health Behaviors at the Population Level. Preventive Medicine. Vol. 30. No. 2. P. 146—154. https://doi.org/10.1006/pmed.1999.0609.
Đorđević J. M., Mari S., Vdović M., Milošević A. (2021) Links Between Conspiracy Beliefs, Vaccine Knowledge, and Trust: Anti-Vaccine Behavior of Serbian Adults. Social Science & Medicine. Vol. 277. Art. 113930. https://doi.org/10.1016/j.socscimed.2021.113930.
Dudina V. I., Saifulina V. O. (2023) “I Read It, I Wanted To Get Vaccinated Even Less”: An Online Discourse of Vaccine Hesitancy. Monitoring of Public Opinion: Economic and Social Changes. No. 1. P. 279—298. https://doi.org/10.14515/monitoring.2023.1.2344. (In Russ.)
Дудина В. И., Сайфулина В. О. «Почитала, еще меньше вакцинироваться захотелось»: онлайн-дискурс вакцинной нерешительности // Мониторинг общественного мнения: экономические и социальные перемены. 2023. № 1. C. 279—298. https://doi.org/10.14515/monitoring.2023.1.2344.
Faasse K., Chatman C. J., Martin L. R. (2016) A Comparison of Language Use in Pro- and Anti-Vaccination Comments in Response to a High Profile Facebook* Post. Vaccine. Vol. 34. No. 47. P. 5808—5814. https://doi.org/10.1016/j.vaccine.2016.09.029.
Jensen M. L., Averbeck J. M., Zhang Z., Wright K. B. (2013) Credibility of Anonymous Online Product Reviews: A Language Expectancy Perspective. Journal of Management Information Systems. Vol. 30. No. 1. P. 293—324. https://doi.org/10.2753/MIS0742-1222300109.
Jolley D., Douglas K. M. (2014) The Effects of Anti-Vaccine Conspiracy Theories on Vaccination Intentions. PLOS ONE. Vol. 9. No. 2. Art. e89177. https://doi.org/10.1371/journal.pone.0089177.
Kata A. (2010) A Postmodern Pandora’s Box: Anti-Vaccination Misinformation on the Internet. Vaccine. Vol. 28. No. 7. P. 1709—1716. https://doi.org/10.1016/j.vaccine.2009.12.022.
Kata A. (2012) Anti-Vaccine Activists, Web 2.0, and the Postmodern Paradigm — An Overview of Tactics and Tropes Used Online by the Anti-Vaccination Movement. Vaccine. Vol. 30. No. 25. P. 3778—3789. https://doi.org/10.1016/j.vaccine.2011.11.112.
Koltsova O. Y., Alexeeva S. V., Kolcov S. N. (2016) An Opinion Word Lexicon and a Training Dataset for Russian Sentiment Analysis of Social Media. In: Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference “Dialog”. Vol. 15. No. 22. P. 277—287.
Larson H. J., Jarrett C., Eckersberger E., Smith D. M. D., Paterson P. (2014) Understanding Vaccine Hesitancy Around Vaccines and Vaccination from a Global Perspective: A Systematic Review of Published Literature, 2007—2012. Vaccine. Vol. 32. No. 19. P. 2150—2159. https://doi.org/10.1016/j.vaccine.2014.01.081.
Lee C. H., Yu H. (2020) The Impact of Language on Retweeting During Acute Natural Disasters: Uncertainty Reduction and Language Expectancy Perspectives. Industrial Management & Data Systems. Vol. 120. No. 8. P. 1501—1519. https://doi.org/10.1108/IMDS-12-2019-0711.
Liu J., Jiang H., Wang S. (2023) Physicians’ Online Writing Language Style and Patient Satisfaction: The Mediator of Depth of Physician–Patient Interactions. Healthcare. Vol. 11. No. 11. Art. 1569. https://doi.org/10.3390/healthcare11111569.
MacDonald N. E. (2015) Vaccine Hesitancy: Definition, Scope and Determinants. Vaccine. Vol. 33. No. 34. P. 4161—4164. https://doi.org/10.1016/j.vaccine.2015.04.036.
Malthouse E. (2023) Confirmation Bias and Vaccine-Related Beliefs in the Time of COVID-19. Journal of Public Health. Vol. 45. No. 2. P. 523—528. https://doi.org/10.1093/pubmed/fdac128.
Mnookin S. (2011) The Panic Virus: A True Story of Medicine, Science, and Fear. New York, NY: Simon & Schuster.
Mohammad S. M., Turney P. D. (2013) Crowdsourcing a Word-Emotion Association Lexicon. Computational Intelligence. Vol. 29. No. 3. P. 436—465. https://doi.org/10.1111/j.1467-8640.2012.00460.x.
Murugesan S. (2007) Understanding Web 2.0. IT Professional. Vol. 9. No. 4. P. 34—41. https://doi.org/10.1109/MITP.2007.78.
Petrov I. (2022) Anti-Vaccination Movement on VK: Information Exchange and Public Concern. In: Alexandrov D. A., Boukhanovsky A. V., Chugunov A. V., Kabanov Y., Koltsova O., Musabirov I. (eds.) Digital Transformation and Global Society. Cham: Springer. Vol. 1503. P. 108—121. https://doi.org/10.1007/978-3-030-93715-7_8.
Platonov K., Svetlov K. (2020) Conspiracy Theories Dissemination on SNS Vkontakte: COVID-19 Case. In: Chugunov A., Khodachek I., Misnikov Y., Trutnev D. (eds.) Electronic Governance and Open Society: Challenges in Eurasia. Cham: Springer. Vol. 1349. P. 322—335. https://doi.org/10.1007/978-3-030-67238-6_23.
Powell J., Pring T. (2024) The Impact of Social Media Influencers on Health Outcomes: Systematic Review. Social Science & Medicine. Vol. 340. Art. 116472. https://doi.org/10.1016/j.socscimed.2023.116472.
Recio-Román A., Recio-Menéndez M., Román-González M. V. (2023) Influence of Media Information Sources on Vaccine Uptake: The Full and Inconsistent Mediating Role of Vaccine Hesitancy. Computation. Vol. 11. No. 10. Art. 208. https://doi.org/10.3390/computation11100208.
Renaud L., Bouchard C., Caron-Bouchard M., Dubé L., Maisonneuve D., Mongeau L. (2006) A Model of Mechanisms Underlying the Influence of Media on Health Behaviour Norms. Canadian Journal of Public Health. Vol. 97. No. 2. P. 149—152. https://doi.org/10.1007/BF03405337.
Reyna V. F. (2012) Risk Perception and Communication in Vaccination Decisions: A Fuzzy-Trace Theory Approach. Vaccine. Vol. 30. No. 25. P. 3790—3797. https://doi.org/10.1016/j.vaccine.2011.11.070.
Taddy M. (2012) On Estimation and Selection for Topic Models. In: Lawrence N. D., Girolami M. (eds.) Proceedings of the Fifteenth International Conference on Artificial Intelligence and Statistics (AISTATS). PMLR. Vol. 22. P. 1184—1193.
Tokojima Machado D. F., de Siqueira A. F., Gitahy L. (2020) Natural Stings: Selling Distrust About Vaccines on Brazilian YouTube. Frontiers in Communication. Vol. 5. Art. 577941. https://doi.org/10.3389/fcomm.2020.577941.
Tserkovnaya D., Larson H. (2019) Vaccine Confidence in Russia: Digital Analysis of the Online Behavior and Attitudes of the Russian Speaking Internet Users. In: Proceedings of the 9th International Conference on Digital Public Health. New York, NY: Association for Computing Machinery. P. 135—136. https://doi.org/10.1145/3357729.3357763.
Vranceanu A.-M., Elbon M., Adams M., Ring D. (2012) The Emotive Impact of Medical Language. HAND. Vol. 7. No. 3. P. 293—296. https://doi.org/10.1007/s11552-012-9419-z.
Weston S. J., Shryock I., Light R., Fisher P. A. (2023) Selecting the Number and Labels of Topics in Topic
Modeling: A Tutorial. Advances in Methods and Practices in Psychological Science. Vol. 6. No. 2. P. 1—13. https://doi.org/10.1177/25152459231160105.
* Readers should note that Meta Platforms, Inc. and its product Facebook* are legally designated as extremist organizations and banned in the Russian Federation.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Игорь Дмитриевич Петров
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.
