<div>
	Автоматизированный кластерный анализ коммуникативных стратегий образовательных telegram-каналов</div>

Низомутдинов Борис Абдуллохонович , Углова Анна Борисовна, Богдановская Ирина Марковна

doi:10.17586/2226-1494-2023-23-1-142-149

2023 , ТОМ 23, НОМЕР 1 ( январь-февраль )

ISSN 2226-1494 (print), ISSN 2500-0373 (online)

Меню

Публикации

Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор

Партнеры

doi: 10.17586/2226-1494-2023-23-1-142-149

УДК 004.946

Автоматизированный кластерный анализ коммуникативных стратегий образовательных telegram-каналов

Низомутдинов Б.А., Углова А.Б., Богдановская И.М.

Читать статью полностью

Язык статьи - русский

Ссылка для цитирования:

Низомутдинов Б.А., Углова А.Б., Богдановская И.М. Автоматизированный кластерный анализ коммуникативных стратегий образовательных telegram-каналов // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23, № 1. С. 142–149. doi: 10.17586/2226-1494-2023-23-1-142-149

Аннотация

Предмет исследования. Вопросы мониторинга образовательной коммуникации, анализа коммуникативных стратегий и тактик в презентации учебных материалов мало изучены. Изучение основных тематик содержания публикаций на каналах с разным рейтингом популярности у пользователей может рассматриваться как один из этапов разработки инструментов для анализа образовательной коммуникации в Telegram. В данной работе исследован дидактический дизайн виртуального образовательного канала на примере Telegram. Изучена его коммуникативная направленность, стратегии и тактики взаимодействия, которые используются преподавателями для достижения высоких результатов своих студентов и повышения вовлеченности аудитории. Метод. С применением методов машинного обучения по имеющемуся набору публикаций образовательных telegram-каналов выполнено разбиение текстового массива на кластеры для дальнейшего экспертного анализа и определения приблизительной тематики. С этой целью использована программная платформа для анализа данных PolyAnalyst, разработанная компанией Megaputer Intelligence. Платформа обеспечивает кластеризацию документов по методу k-средних (k-means), поддерживает этапы процесса анализа данных от загрузки и обработки данных до расширенного анализа текста и данных, а также создание пользовательских отчетов. Основные результаты. Представлена тематическая структура контента образовательных telegram-каналов с высоким и низким рейтингами и статистическая информация о дидактическом наполнении образовательных ресурсов. Показано, что высокорейтинговые образовательные telegram-каналы осуществляют смысловую стратегию интеграции образовательного и карьерного маршрутов. Образовательные telegram-каналы с низким рейтингом выполняют коммуникативную стратегию, направленную на предоставление узкоспециализированной, логически разобщенной справочной, коммерческой или развлекательной информации. Одним из признаков коммуникативных тактик на низкорейтинговых каналах выступают приемы манипулятивного воздействия, которые позволяют влиять на мнение аудитории. К ним относятся тактики: косвенного убеждения, актуализации мотива финансовой выгоды и заполнения информационных «пробелов». Практическая значимость. Полученные результаты могут найти применение при разработке инструментов для анализа и мониторинга образовательной коммуникации в сети Интернет. Методика автоматизированного кластерного анализа коммуникативных стратегий образовательных telegram-каналов может быть востребована широким кругом специалистов в сфере менеджмента образования, разработчиками контента образовательных интернет-каналов, маркетологам, педагогам, работающим в виртуальной среде.

Ключевые слова: автоматизированный кластерный анализ, коммуникативные стратегии, коммуникативные тактики, образовательные ресурсы, Telegram

Благодарности. Исследование выполнено за счет гранта Российского научного фонда № 22-78-10047 «Конструктивные и деструктивные коммуникативные практики специалистов помогающих профессий в цифровых медиа», https://rscf.ru/project/22-78-10047/

Список литературы

Butnaru G.I., Niță V., Anichiti A., Brînză G. The effectiveness of online education during Covid 19 pandemic – a comparative analysis between the perceptions of academic students and high school students from Romania // Sustainability. 2021. V. 13. N 9. P. 5311. https://doi.org/10.3390/su13095311
Elfahal H.S., Saeid E., Elfatih Y. Assessment of the applicability of using Telegram as a learning management system // International Journal of Information Technology and Language Studies. 2021. V. 5. N 3. P. 1–7.
Hrastinski S. What do we mean by blended learning? // TechTrends. 2019. V. 63. N 5. P. 564–569. https://doi.org/10.1007/s11528-019-00375-5
Nosenko O., Nosenko Y., Shevchuk R. Telegram messenger for supporting educational process under the conditions of quarantine restrictions // Communications in Computer and Information Science. 2022. V. 1635. P. 308–319. https://doi.org/10.1007/978-3-031-14841-5_20
Swartz B.C., Valentine L.Z., Jaftha D.V. Participatory parity through teaching with Telegram // Perspectives in Education. 2022. V. 40. N 1. P. 96–111. https://doi.org/10.18820/2519593X/pie.v40.i1.6
Cabral L., Monteiro J.M., da Silva J.W.F., Mattos C.L., Mourão P.J.C. FakeWhastApp.BR: NLP and machine learning techniques for misinformation detection in Brazilian Portuguese WhatsApp messages // Proc. of the 23^rd International Conference on Enterprise Information Systems (ICEIS 2021). P. 63–74.https://doi.org/10.5220/0010446800630074
Júnior M., Melo P., Kansaon D., Mafra V., Sa K., Benevenuto F. Telegram monitor: Monitoring Brazilian political groups and channels on Telegram // HT'22: Proc. of the 33^rd ACM Conference on Hypertext and Social Media. 2022. P. 228–231. https://doi.org/10.1145/3511095.3536375
Bodrunova S., Nepiyuschikh D. Dynamics of distrust, aggression, and conspiracy thinking in the anti-vaccination discourse on Russian Telegram // Lecture Notes in Computer Science. 2022. V. 13315. P. 468–484. https://doi.org/10.1007/978-3-031-05061-9_33
Iksan Z.H., Saufian S.M. Mobile learning: Innovation in Teaching and learning using Telegram // International Journal of Pedagogy and Teacher Education. 2017. V. 1. N 1. P. 19–26. https://doi.org/10.20961/ijpte.v1i1.5120
Molina O.E. The effects of WhatsApp and Telegram on student engagement: An analysis from the mixed-methods approach // Education Research International. 2022. P. 2881404. https://doi.org/10.1155/2022/2881404
Patahuddin P., Yuliati Y., Syawal S. Evaluating Telegram application to empower the students’ vocabulary mastery // International Journal of English Linguistics. 2022. V. 12. N 4. P. 106. https://doi.org/10.5539/ijel.v12n4p106
Soon M.K.S., Martinengo L., Lu J., Car L.T., Chia C.L.K. The use of Telegram in surgical education: Exploratory study // JMIR Medical Education. 2022. V. 8. N 3. P. e35983. https://doi.org/10.2196/35983
Alharbi A., Sultan N.Y. Jeddah University Students' Attitude toward Using Telegram to Support their EFL Learning. 2022 [Электронный ресурс]. URL: https://www.researchgate.net/publication/361567240_Jeddah_University_Students%27_Attitude_toward_Using_Telegram_to_Support_their_EFL_Learning(дата обращения: 01.11.2022)
Utomo M.R., Cahyaningrum N., Aliah N., Nafi Z.C. A systematic review: Telegram as learning media in teaching english // Proc. of the Conference on English Language Teaching. V. 1. 2021. P. 32–40. https://doi.org/10.24090/celti.v1.4
Ляховенко О.И. Телеграм-каналы в системе экспертной и политической коммуникации в современной России // GalacticaMedia: JournalofMediaStudies. 2022. Т. 4. № 1. С. 114–144. https://doi.org/10.46539/gmd.v4i1.230
Muharom S., Ramadhan A., Juje A.G.K. Design and build a Telegram – Based infusion droplet control and monitoring system // Procedia of Engineering and Life Science. 2022. V. 2. N 2. https://doi.org/10.21070/pels.v2i2.1225
Hakim D.K., Nugroho S.A. Implementasi Telegram bot untuk monitoring mikrotik router // Sainteks. 2020. V. 16. N 2. https://doi.org/10.30595/st.v16i2.7132
Богдановская И.М., Королева Н.Н., Углова А.Б. Психологические факторы доверия к популярным видеоблогерам у современной молодежи // Психология. Журнал Высшей школы экономики. 2021. Т. 18. № 3. С. 451–467. https://doi.org/10.17323/1813-8918-2021-3-451-467
Романова Е.В., Калаврий Т.Ю. Анализ реакции студентов на изменение финансового положения в период пандемии по цифровым следам в социальной сети ВКонтакте// Вестник Северо-Восточного федерального университета им. М.К. Аммосова. Серия:Экономика. Социология. Культурология.2021. № 4(24). С. 54–64. https://doi.org/10.25587/SVFU.2021.24.4.006

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License