Сприйняття західних лідерів анонімними українськими телеграм-каналами новин
Ключові слова:
штучний інтелект, сентимент-аналіз, політична комунікація, повномасштабне російське вторгнення, соціальні мережі, інформаційний контент, публічні комунікації, цифровізація, цифрові технологіїАнотація
Стаття присвячена сентимент-аналізу текстів про західних політичних лідерів анонімними українськими телеграм-каналами новин у період з початку повномасштабного вторгнення Росії в Україну до кінця 2024 року. Мета дослідження полягає в оцінці релевантності використання української бібліотеки на основі штучного інтелекту (Ukrainian Roberta base) для автоматичного визначення сентиментів у текстах. Матеріалом дослідження стали експортовані публікації найбільш популярних аннімних телеграм-каналів «Труха» та «Украина Сейчас» за вказаний період, з яких відібрано фрагменти, що містять згадки про західних лідерів (Джо Байден, Дональд Трамп, Олаф Шольц, Борис Джонсон, Ріші Сунак, Емануель Макрон). Методологія включала кількісний підрахунок згадок та застосування сентимент-аналізу для класифікації їх (позитивні, негативні, нейтральні). Аналіз здійснювався за допомогою моделі Ukrainian Roberta base, яка оцінює ймовірність належності тексту до певного сентименту. Результати показали переважання нейтральних згадок у обох каналах, проте «Труха Україна» виявилася більш емоційною, з вищим відсотком негативних та дуже негативних сентиментів порівняно з «Украина Сейчас». Найбільш негативні згадки стосувалися Дональда Трампа та Олафа Шольца (для «Украина Сейчас») і Емануеля Макрона (для «Трухи»). Водночас найбільш позитивні сентименти були зафіксовані щодо Бориса Джонсона («Украина Сейчас»), Ріші Сунака та Джо Байдена («Труха»). Важливим спостереженням стало те, що негативний сентимент часто виникав через наявність заперечних часток або слів із негативною конотацією, а не через реальне негативне ставлення медіа. Позитивні сентименти здебільшого формувалися завдяки цитатам політиків, що містили слова підтримки та емоджі. Тобто наявність позитивних чи негативних сентиментів не означає відповідного ставлення медіа. У висновках наголошено, що сентимент-аналіз на основі ШІ є релевантним для великих масивів даних, проте його результати слід інтерпретувати обережно, оскільки вони відображають лінгвістичні маркери, а не позицію медіа. Дослідження також виявило україноцентричність контенту телеграм-каналів: згадки про західних лідерів здебільшого пов’язані з їхньою підтримкою України або відмовою від неї. Отримані результати можуть бути корисними для подальших досліджень інформаційного впливу анонімних телеграм-каналів та оцінки ефективності інструментів автоматичного аналізу тональності в українському медіапросторі.
Посилання
Споживання новин і довіра до медіа в Україні. URL: https://internews.ua/media-research
Стеблина Н. Нам пишуть, що щось коїться – як регіональні телеграм-канали інформують українців під час Великої війни. URL: https://idpo.org.ua/reports/6136-nam-pishut-shho-shhos-ko%d1%97tsya-yak-regionalni-telegram-kanali-informuyut-ukra%d1%97nciv-pid-chas-veliko%d1%97-vijni.html
Баркар Д. Телеграм-канали як інструмент. Хто і як формував підтримку закону № 12414 та атакував НАБУ – дослідження ІМІ. URL: https://imi.org.ua/monitorings/telegram-kanaly-yak-instrument-hto-i-yak-formuvav-pidtrymku-zakonu-12414-ta-atakuvav-nabu-i69667
Медіавійна проти НАБУ і САП. Як топові телеграм-канали намагаються знищити репутацію антикорупційних інституцій. URL: https://detector.media/infospace/article/245610/2025-11-14-mediaviyna-proty-nabu-i-sap-yak-topovi-telegram-kanaly-namagayutsya-znyshchyty-reputatsiyu-antykoruptsiynykh-instytutsiy/
Як телеграм-канали заробляють на страхах українців: основні маніпуляції. URL: https://texty.org.ua/fragments/115168/yak-telehram-kanaly-zaroblyayut-na-strahah-ukrayinciv-osnovni-manipulyaciyi/
Машкова Я. Джинса і маніпуляції. Як заробляють українські телеграм-канали з мільйонними аудиторіями? URL: https://detector.media/infospace/article/218087/2023-10-14-dzhynsa-i-manipulyatsii-yak-zaroblyayut-ukrainski-telegram-kanaly-z-milyonnymy-audytoriyamy/
Власник Telegram-каналу "Труха" Лавриненко: Один дуже-дуже відомий олігарх сказав: "Хочу купити ваш канал зі збереженням команди". Пропонував $5 млн. URL: https://gordonua.com/ukr/news/money/vlasnik-telegram-kanalu-trukha-lavrinenko-odin-duzhe-duzhe-vidomij-oliharkh-skazav-khochu-kupiti-vash-kanal-zi-zberezhennjam-komandi-proponuvav-5-mln-1687779.html
Неплій А. “Нас читають російські воєнні блогери”. Інтерв’ю з автором Telegram-каналу “Лачен пише”. URL: https://www.kyivpost.com/uk/post/12105
Коджушко Я. Великі гравці не мають бути анонімними: власник "України на часі" Вадим Інгеров пояснив, як треба регулювати телеграм-канали в Україні. URL: https://informator.ua/uk/veliki-gravci-ne-mayut-buti-anonimnimi-vlasnik-ukrajini-na-chasi-vadim-ingerov-poyasniv-yak-treba-regulyuvati-telegram-kanali-v-ukrajini
Kermanidis, K.L., & Maragoudakis, M. (2013). Political sentiment analysis of tweets before and after the Greek elections of May 2012. Int. J. Soc. Netw. Min., 1, 298-317.
Matalon, Y., Magdaci, O., Almozlino, A., & Yamin, D. (2021). Using sentiment analysis to predict opinion inversion in Tweets of political communication. Scientific Reports, 11.
Tumasjan, Andranik & Sprenger, Timm & Sandner, Philipp & Welpe, Isabell. (2010). Predicting Elections with Twitter: What 140 Characters Reveal about Political Sentiment. Word. Journal Of The International Linguistic Association. 10.
Stieglitz, S., & Dang-Xuan, L. (2013). Emotions and Information Diffusion in Social Media—Sentiment of Microblogs and Sharing Behavior. Journal of Management Information Systems, 29, 217 - 248.
Antypas, D., Preece, A.D., & Camacho-Collados, J. (2022). Negativity spreads faster: A large-scale multilingual twitter analysis on the role of sentiment in political communication. Online Soc. Networks Media, 33, 100242.
Ott, B. L. (2017). The age of Twitter: Donald J. Trump and the politics of debasement. Critical Studies in Media Communication, 34(1), 59–68. https://doi.org/10.1080/15295036.2016.1266686
Методологія оцінювання якості контенту в регіональних друкованих та он-лайн виданнях. URL: https://idpo.org.ua/wp-content/uploads/methodology-2023.pdf
Haselmayer, M., & Jenny, M. (2016). Sentiment analysis of political communication: combining a dictionary approach with crowdcoding. Quality & Quantity, 51, 2623 - 2646.
Стеблина Н. Цифрові інструменти для медіа-аналітика. Одеса: Фенікс, 2023.
Yang, X., Zhu, J.Y., & Meo, P.D. (2024). A quantum-like zero-shot approach for sentiment analysis in finance. Journal of Intelligent Information Systems, 63, 705 - 721.