«Õîðîøèìè äåëàìè ïðîñëàâèòüñÿ íåëüçÿ»: ïðîáëåìû ðåïðåçåíòàöèè â ÑÌÈ äåÿòåëüíîñòè íåêîììåð÷åñêîãî ñåêòîðà âî âðåìÿ ïàíäåìèè COVID-19 â Ðîññèè ...

«Õîðîøèìè äåëàìè ïðîñëàâèòüñÿ íåëüçÿ»: ïðîáëåìû ðåïðåçåíòàöèè â ÑÌÈ äåÿòåëüíîñòè íåêîììåð÷åñêîãî ñåêòîðà âî âðåìÿ ïàíäåìèè COVID-19 â Ðîññèè ...



Ñàïîíîâà À.Â., Çàäîðèí È.Â.
«Õîðîøèìè äåëàìè ïðîñëàâèòüñÿ íåëüçÿ»: ïðîáëåìû ðåïðåçåíòàöèè â ÑÌÈ äåÿòåëüíîñòè íåêîììåð÷åñêîãî ñåêòîðà âî âðåìÿ ïàíäåìèè COVID-19 â Ðîññèè // Ìîíèòîðèíã îáùåñòâåííîãî ìíåíèÿ: ýêîíîìè÷åñêèå è ñîöèàëüíûå ïåðåìåíû. 2021. ¹ 2. Ñ. 423-444.
ISSN 2219-5467
DOI: 10.14515/monitoring.2021.2.1919
ÐÈÍÖ: https://elibrary.ru/item.asp?id=46118600

Ðàçìåùåíà íà ñàéòå: 23.11.22

Ïîèñêàòü ïîëíûé òåêñò íà Google Academia

Ññûëêà ïðè öèòèðîâàíèè:

Ñàïîíîâà À.Â., Çàäîðèí È.Â. «Õîðîøèìè äåëàìè ïðîñëàâèòüñÿ íåëüçÿ»: ïðîáëåìû ðåïðåçåíòàöèè â ÑÌÈ äåÿòåëüíîñòè íåêîììåð÷åñêîãî ñåêòîðà âî âðåìÿ ïàíäåìèè COVID-19 â Ðîññèè // Ìîíèòîðèíã îáùåñòâåííîãî ìíåíèÿ: ýêîíîìè÷åñêèå è ñîöèàëüíûå ïåðåìåíû. 2021. ¹ 2. Ñ. 423-444.
DOI: 10.14515/monitoring.2021.2.1919

Àííîòàöèÿ

 ñòàòüå ðàññìàòðèâàþòñÿ îñîáåííîñòè ðåïðåçåíòàöèè òðåòüåãî ñåêòîðà â ðîññèéñêèõ ÑÌÈ â ïåðèîä ïàíäåìèè COVID-19. Èññëåäîâàíèå âûïîëíåíî â êîëè÷åñòâåííîé ïàðàäèãìå (N = 1535).  Äëÿ ïîâûøåíèÿ óðîâíÿ íàäåæíîñòè ïîëó÷àåìûõ äàííûõ áûëè ïðèìåíåíû ìåòîä êîíòåíò-àíàëèçà (ðó÷íîé êîäèðîâêè) è ìåòîäû àâòîìàòèçèðîâàííîãî àíàëèçà òåêñòîâ (ñåòåâîé àíàëèç è òåìàòè÷åñêîå ìîäåëèðîâàíèå). Àâòîðû ïðèõîäÿò ê âûâîäó, ÷òî â ñîâðåìåííîé ðîññèéñêîé ìåäèàñèñòåìå, êîòîðàÿ íàõîäèòñÿ ïîä äàâëåíèåì êàê ãîñóäàðñòâåííûõ ñòðóêòóð, òàê è êîììåð÷åñêèõ èíòåðåñîâ, âíèìàíèå ê íåêîììåð÷åñêîìó ñåêòîðó îêàçûâàåòñÿ ôðàãìåíòàðíûì è ñèòóàòèâíûì. Ñåêòîð íå ïðåäñòàâëÿåòñÿ êàê öåëüíûé ñîöèàëüíûé èíñòèòóò, à â ôîêóñ âíèìàíèÿ ìåäèà ïîïàäàþò ëèáî îòäåëüíûå ñîáûòèÿ, çàòðàãèâàþùèå ñåíñèòèâíûå, áëèçêèå ÷èòàòåëþ òåìû (â ñëó÷àå ñ COVID-19 åùå è àêòóàëüíûå), ëèáî çàâåäîìî èçâåñòíûå ïóáëè÷íûå ôèãóðû, àôôèëèðîâàííûå ñ ñåêòîðîì.  ñâîþ î÷åðåäü èíòåíñèâíîñòü îñâåùåíèÿ äåÿòåëüíîñòè ÍÊÎ ìîæåò ÿâëÿòüñÿ îäíîé èç îñîáåííîñòåé, õàðàêòåðíîé äëÿ ðàçâèòûõ ìåäèàñèñòåì.  ñòàòüå ïîêàçàíî, ÷òî ÑÌÈ ðåãèîíîâ ñ âûñîêèìè ïîêàçàòåëÿìè Èíäåêñà ðàçâèòèÿ ìåäèàñôåðû ÷àùå îñâåùàþò äåÿòåëüíîñòü íåêîììåð÷åñêîãî ñåêòîðà, ÷åì ÑÌÈ, ïðåäñòàâëÿþùèå ðåãèîíû ñ ìåíåå ðàçâèòûìè ìåäèàñèñòåìàìè.

Êëþ÷åâûå ñëîâà:

íåêîììåð÷åñêèé ñåêòîð COVID-19 ðîññèéñêèå ìåäèà ìåäèàñèñòåìà êîíòåíò-àíàëèç àâòîìàòèçèðîâàííûå ìåòîäû àíàëèçà òåêñòîâ non-profit sector COVID-19 russian media content-analysis media system automated text analysis methods

Ðóáðèêè:

Ñîöèîëîãèÿ êîììóíèêàöèé