Формирование «повестки дня» в сфере электронного правительства: результаты контент-анализа новостных сообщений

Л. А. Видясова (Бершадская), С. Н. Кольцов, А. В. Чугунов

Аннотация


В статье представлена методика и результаты локального исследовательского проекта, выполненного в 2013 году коллективом Центра технологий электронного правительства Университета ИТМО совместно с Лабораторией интернет-исследований Санкт-Петербургского кампуса НИУ ВШЭ. С целью анализа формируемой «повестки дня» по тематике услуг электронного правительства был проведен автоматизированный контент-анализ новостных сообщений по тематике электронного правительства. В результате была исследована специфика формирования «повестки дня» по тематике электронного правительства и особенности циркулирования информации по отдельным темам. Исследованием была выявлена корреляция между тематикой публикуемых сообщений и официальными сроками реализации государственных программ и проектов, этапностью при переходе на электронные услуги.

Ключевые слова


электронное правительство; контент-анализ; автоматическая обработка текстов; корпуса текстов; тематическая модель; латентное размещение Дирихле

Полный текст:

PDF

Литература


Бершадская Л.А., Чугунов А.В. Услуги электронного правительства: исследование дискуссий в социальных сетях // Межотраслевая информационная служба. 2014. № 1 (166). С. 10-17. URL: http://elibrary.ru/item.asp?id=21278501

Бершадская Л.А., Биккулов А.С., Болгова Е.В., Чугунов А.В., Якушев А.В. Социальные сети и социометрические исследования: теоретические основания и практика использования автоматизированного инструментария изучения виртуальных сообществ // Информационные ресурсы России. 2012. № 4. С. 19—24. URL: http://elibrary.ru/item.asp?id=17910592

Koltsova O., Koltcov S. Mapping the Public Agenda with Topic Modeling: The Case of the Russian LiveJournal // Policy & Internet. 2013. Vol. 5. No. 2. P. 207-227.

Blei D.M., Ng A.Y., Jordan M.I. Latent Dirichlet allocation // Journal of Machine Learning Research. 2003. Vol. 3. P. 993–1022.

Steyvers M., Griffiths T. Finding scientific topics // Proceedings of the National Academy of Sciences. 2004. Vol. 101, no. Suppl. 1. P. 5228–5235.

Коршунов А., Гомзин А. Тематическое моделирование текстов на естественном языке // Труды ИСП РАН. М., 2012.

Лаборатория Интернет - исследований, Национальный Исследовательский университет, Высшая Школа Экономики, Отчет о научно-исследовательской работе: Социально политические процессы в интернете. 2013г. URL: http://www.hse.ru/org/projects/79645357.

Andrews N.O, Fox E.A. Recent Developments in Document Clustering, 2007. October 16. URL: http://eprints.cs.vt.edu/archive/00001000/01/docclust.pdf.

Sugar C., James G. Finding the number of clusters in a data set: An information theoretic approach // J. of the American Statistical Association. 2003. Vol. 98. P. 750–763.

Кольцова О.Ю., Ясавеев И.Г. Конструирование проблемы полицейского насилия в Российской блогосфере: риторика, лейтмотивы и стили // Журнал социологии и социальной антропологии. 2013. № 3. С. 81 - 100.

S. Still and W. Bialek: How many clusters? An information theoretic perspective // Neural Computation. 2004. Vol. 16(12). P. 2483-2506.

Newman D., Smyth P., Steyvers M. Scalable Parallel Topic Models // Journal of Intelligence Community Research and Development. 2006. Vol. 1 .

Koltsova O., Koltsov S., Nikolenko S.I. Comment Based Discussion Communities In The Russian LiveJournal And Their Topical Coherence // Working papers by NRU Higher School of Economics. Series SOC "Sociology". 2013. No. WP BRP 33/SOC/2013. URL: http://www.hse.ru/data/2014/01/13/1340844763/33SOC2013.pdf


Ссылки

  • На текущий момент ссылки отсутствуют.