Введение

В условиях современных геополитических вызовов, стоящих перед Россией, одним из значимых аспектов внутренней политики является формирование и укрепление гражданской идентичности жителей страны. Опорой идентичности во многом является память, называемая экспертами социальной, коллективной, исторической, политической и т.д., в зависимости от смысловых акцентов. Авторами данной работы используется термин «историческая память» в связи с рядом вопросов исторической направленности, поднимаемых в ходе контент-анализа медиапространства СКФО.

Целенаправленная «работа» с памятью населения, проводимая различными политическими акторами, называется политикой памяти. А.И. Миллер пишет: «Политика памяти на наших глазах стала ареной непримиримой конфронтации не только между Россией и Западом, между Западом и Глобальным Югом, но и внутри западных обществ» [1, с. 81]. Поэтому исследование вопросов памяти особенно актуально не только в контексте внутренней политики, но и для позиционирования государства на мировой арене.

Для исследования была выбрана историческая память народов Северного Кавказа, долгое время бывшего фронтирным регионом [2], а сегодня имеющего ряд незакрытых межэтнических и иных противоречий.

Медиапространство сегодня является одним из полей репрезентации социально-политической обстановки в регионе. Российские учёные, исследующие политические и социальные процессы, активно применяют контент-анализ материалов СМИ, социальных сетей, телеканалов и других цифровых источников в своих трудах, в том числе по вопросам исторической памяти. Поэтому данную проблему можно назвать достаточно изученной, однако существующие на сегодняшний день исследования, основанные на контент-анализе, выполняются в основном вручную. Следовательно, охватываемый объём материалов, а также скорость выполнения исследования сталкиваются с объективными ограничениями.

Степень изученности проблемы

Джумасов Р.С. в своей работе «Роль средств массовой коммуникации в сети интернет в социальном управлении на примере Тюменской области» [3] анализирует интеракцию общества и власти методом контент-анализа региональных интернет-форумов.

Ардальянова А.Ю., Мунхбат О. и Цэрэн Г. исследуют в статье «Российско-монгольские отношения: опыт контент-анализа медиаресурсов Дальнего Востока России» [4] ключевые направления международных отношений РФ и Монголии, нашедших отражение в медиаресурсах Дальневосточного федерального округа.

Нефедьев А.А. в статье «Социокультурные особенности медиапространства Забайкалья» [5] рассматривает проявления различных аспектов общественной жизни через призму Забайкальских медиа.

Михайлов А.П. и Рунаев Т.А. в работе «Политика памяти как инструмент формирования региональной идентичности: применение метода контент-анализа» представили результаты исследования социальных сетей Краснодарского края по вопросам войн, вооружённых конфликтов, истории казачества и др. [6] Авторы вручную отобрали и проанализировали 450 релевантных постов в социальной сети «ВКонтакте» за 2021–2023 годы.

Медиапространство Северного Кавказа также является одним из направлений политологических и иных социогуманитарных исследований.

Бредихин С.Н., Авдеев Е.А. и Шишкин Б.А. анализируют конфликтогенный контент в социальных сетях трёх субъектов СКФО (Ставропольского края, Республики Дагестан, а также Республики Северная Осетия-Алания) в работе «Коммуникативные тактики конфликтогенеза в сетевом медиапространстве фронтирных регионов» [7].

Хуажев А.А. в статье «Особенности медийного имиджа Северного Кавказа: сравнительный анализ материалов провластных и оппозиционных СМИ» [8] определяет «составы атрибутивных повесток дня, формируемых СМИ в отношении Северного Кавказа» [8, с. 231] путём ручного, а также машинного анализа, с акцентом на разделение провластных и оппозиционных источников, что было актуально до блокировки в России определённых зарубежных новостных ресурсов.

Желнакова Н.Ю. в труде «Конструирование позитивного образа СКФО как фактор противодействия этнополитическим кризисам» [9] подчёркивает «необходимость выработки ценностей гражданской интеграции» [9, с. 39] и указывает на значимость формирования положительного «имиджа региона для достижения этнополитической стабильности в условиях современного информационного общества» [9].

Авксентьев В.А., Иванова С.Ю. и Шульга М.М. в статье «Репрезентации этнополитической ситуации на Северном Кавказе в медиапространстве региона» разносторонне анализируют политический дискурс в региональных медиа. Эксперты отмечают, что сбор материалов для контент-анализа в рамках их исследования был трудоёмким, кропотливым процессом, поскольку выполнялся в «ручном режиме» [10, с. 41].

Авторы солидарны с ранее упомянутыми экспертами в том, что ручной процесс отбора релевантных материалов требует существенных временных затрат. В связи с этим в данном исследовании используются машинные технологии. Научная новизна данной работы заключается в применении специально запрограммированных технических средств на основе авторских параметров.

Научная проблема данного исследования заключается в возможности выявления ключевых точек исторической памяти в медиапространстве субъектов Северо-Кавказского федерального округа с помощью машинного поиска.

Авторами были поставлены следующие задачи, реализуемые в ходе исследования: определить наиболее часто упоминаемые мотивы исторической памяти Северного Кавказа, проявляющиеся в медиаполе; сравнить «популярные» точки исторической памяти по субъектам СКФО; на основе полученных результатов выделить тенденцию; продолжить «обучение» нейросети посредством добавления в базу тематически релевантных материалов.

Предлагаемое исследование имеет практическое назначение и является частью создаваемого авторами цикла, направленного на «обучение» нейросетевой модели с целью автоматизированного поиска необходимых материалов для дальнейшего исследования самими авторами, а также обнародования данного метода в научно-экспертном сообществе. В результате набора достаточного количества релевантного контента будет сформирована база, на которой нейросетевая модель «обучится» с точностью совершать цикл обработки данных с минимальным участием человека. Это в дальнейшем существенно сократит срок работы над исследованием, освободив человека от долгой кропотливой вычитки текстов, подсчёта данных и др., что особенно значимо, учитывая масштабы обрабатываемых данных, необходимых для получения корректных результатов.

Выбор исторической памяти в качестве объекта исследования был обусловлен тем, что она, являясь изменяемой и конструируемой величиной (например, В.А. Шнирельман пишет: «… прошлое в известной мере конструируется, исходя из настоящего» [11, с. 118]), может быть использована как в позитивном ключе для формирования национально-гражданской идентичности жителей России, так и в негативном – для усугубления межэтнической розни в определённых политических целях. При этом медиапространство даёт возможность политическим акторам любой направленности быстро, беспрепятственно и зачастую анонимно распространять контент на тему исторической памяти, влияя на общественное мнение россиян в целом и жителей Северного Кавказа в частности.

Выявление социально-политической напряжённости путём контент-анализа цифрового пространства действительно является актуальной задачей, стоящей перед исследователями, в связи с внутри- и внешнеполитическими вызовами, с которыми Россия сталкивается в настоящее время. Одним из недавних примеров использования медиапространства с целью распространения деструктивного контента, стимулирующего социальные волнения, являются антисемитские беспорядки в аэропорту Махачкалы осенью 2023 г. Призывы в telegram-каналах быстро достигли целевой аудитории и стали причиной противозаконной массовой акции, закончившейся арестами с последующим широким общественным резонансом. Следовательно, выявление и упреждение подобных акций, провоцируемых на основе явных или скрытых противоречий, находящих отражение в социальных сетях и их аналогах, имеет особую значимость в условиях быстрой и анонимной передачи информации в медиапространстве.

Материалы и методы

В рамках данного исследования стояла задача собрать и проанализировать публикации из открытых источников по субъектам СКФО, чтобы оценить, какие темы и события являются наиболее обсуждаемыми в разных видах медиаресурсов – от официальных новостей, транслируемых местными телеканалами, до неформальных обсуждений в социальных сетях. Не учитывались в работе материалы научных статей, поскольку данный объёмный пласт информации в дальнейшем будет проанализирован авторами отдельно.

Для сбора данных были выбраны три основные площадки: ВКонтакте, Telegram и официальные сайты региональных телеканалов. Такой набор позволяет охватить как официальную, так и «живую» региональную повестку. Отдельно отметим, что на первоначальном этапе также планировался анализ зарубежных социальных сетей, чтобы получить максимально полный срез обсуждений. Однако все попытки реализовать автоматизированный парсинг этих платформ столкнулись с жёсткими ограничениями – антибот-системы на этих ресурсах блокировали доступ практически сразу, что сделало автоматизированный сбор данных невозможным. Таким образом, анализ по этим площадкам пришлось исключить из итогового массива данных.

В ходе работы использовался комплекс автоматизированных инструментов на языке Python. Везде применялся единый список ключевых слов на русском и английском языках, что обеспечивало сопоставимость массивов. Дополнительная ручная нормализация форм слов не понадобилась, поскольку как VK API, так и встроенный поиск Telegram учитывают морфологические варианты. В ряде случаев мы включали в список словоформы, чтобы повысить полноту выдачи.

Во «ВКонтакте» сбор данных осуществлялся через официальный API (версия 5.199). Исходным массивом послужил список пабликов по каждому субъекту СКФО. Выбор пабликов осуществлялся исходя из географической привязки (указана в подробной информации или в самом названии), наличия свежих постов (не более пары дней без публикаций на момент исследования), а также общедоступности (возможен доступ не только для подписчиков). Длительность существования паблика не являлась принципиальным критерием по ряду причин: страницы могут перепродаваться со сменой тематики, но с сохранением первичной даты создания паблика; политизированная тематика может появляться на страницах-однодневках, создающихся для манипулирования общественным мнением; паблик, существующий недолгое время, может развиваться активнее и выпускать больше актуальной информации, чем заброшенный паблик, существующий формально уже долгое время; и др.

Для каждого паблика определялся его числовой идентификатор, после чего публикации выгружались блоками через серверную функцию execute, внутри которой циклически вызывался метод wall.get. Такой способ позволял получать до тысячи записей за один вызов и обходить стандартные ограничения API. Далее тексты проверялись на наличие ключевых слов, и совпадения сохранялись с указанием региона, даты (нормализованной из Unix-времени), ссылки и полного текста. Иллюстративный фрагмент фильтрации выглядел следующим образом:

def find_match(text):

    text = text.lower()

    for kw in KEYWORDS:

        if kw in text:

            return kw

    return None

Результаты помещались в таблицу формата CSV, что упрощало их последующий анализ в pandas и статистических пакетах.

В Telegram использовалось два последовательных шага. Сначала формировалась сеть каналов. В качестве отправной точки выступал список открытых региональных каналов, далее при помощи библиотеки Telethon анализировались репосты: если сообщение имело атрибут fwd_from, фиксировался канал-источник и добавлялся в общий перечень. Это позволяло расширять охват и строить «паутинку» информационных связей внутри региона. При превышении лимитов Telegram парсер автоматически учитывал ошибки FloodWaitError и ждал необходимое число секунд, тем самым обеспечивая устойчивость сбора. На втором шаге применялся Playwright (Chromium в headless-режиме), который эмулировал работу браузера и открывал страницу вида https://t.me/s/?q=. Система прокручивала выдачу до конца, извлекала тексты и даты сообщений из DOM и сохраняла их вместе с каналом, регионом и ключевым словом. Для повышения надёжности одновременно обрабатывалось не более десяти каналов, между запросами вставлялись случайные паузы 1,5–3 секунды. Результаты фиксировались в CSV-файлах, где каждая запись включала канал, тему (группу ключей), конкретное ключевое слово, дату и текст сообщения. Фрагмент запроса выглядел так:

url = f"https://t.me/s/{channel}?q={word}"

await page.goto(url, timeout=20000)

await scroll_to_bottom(page, max_scrolls=40)

messages = await page.query_selector_all(".tgme_widget_message_wrap")

Для официальных сайтов телеканалов использовался набор индивидуальных парсеров, написанных на Python с применением библиотеки Playwright. Каждый скрипт был адаптирован под структуру конкретного сайта: на одних использовались блоки , на других — карточки новостей с уникальными CSS-классами или таблицы результатов поиска. Алгоритм в целом повторял подход Telegram-парсеров: на вход подавался список ключевых слов, далее формировался поисковый запрос к сайту (например, https://rgvktv.ru/search/index.php?q=...&PAGEN_1=...), открывалась страница, ожидались элементы с новостными карточками, извлекались заголовок, ссылка, дата (если доступна) и текст или сниппет. Чтобы избежать дублей, при сохранении проверялись комбинации «ссылка+ключевое слово», и уже обработанные записи исключались. Для примера, на сайте «Магас ТВ» парсер искал блоки , извлекал заголовки из h2.entry-title a и даты из span.posted-date. На «Ингушетия ТВ» использовались карточки с классом div._newsCard_ugpbh_1, где дополнительно собирался текст из всех параграфов внутри контейнера. В «Архыз 24» обработчик ориентировался на элементы earch-item и приводил ссылки к абсолютным адресам. Аналогичная логика применялась для сайтов Северной Осетии («alaniatv.ru», «iryston.tv») и Кабардино-Балкарии («gtv-kbr.ru», «vestikbr.ru»), где страницы поиска имели собственные структуры и пагинацию. Общим оставался принцип: цикл по ключевым словам, переход на страницы поиска, сбор результатов до исчерпания страниц, фильтрация от дубликатов и сохранение в CSV. Во всех случаях итоговый массив содержал регион, название сайта, ключевое слово, ссылку, заголовок и текст или сниппет.

Все результаты по трем блокам источников сохранялись в CSV-файлы, что обеспечивало их совместимость и удобство для дальнейшей обработки. Ограничения исследования связаны с доступностью: во «ВКонтакте» извлекались только тексты публикаций без комментариев, в Telegram исключались приватные и удалённые каналы, а на сайтах телеканалов возможны пропуски при изменении структуры страниц. Тем не менее комплексный подход, сочетающий API, Telethon и Playwright, позволил сформировать репрезентативный корпус, сопоставимый между площадками и пригодный для дальнейшего анализа.

Результаты

Полученные данные по всем источникам сводились в Excel-таблицу с разбивкой по субъектам СКФО и источникам. Для каждой публикации сохранялись основные параметры: источник, регион, дата, ссылка и выдержка из текста. После автоматического сбора проводилась ручная чистка от нерелевантных публикаций и дублей. На основании таблицы строились сравнительные диаграммы, представленные ниже (см. рис. 1–7). Ключевые слова, обозначенные на диаграммах, являются обобщённым вариантом перечня использованных ключевых слов, в соответствии с полученными результатами.

Результаты, указанные на диаграммах, даются по каждому источнику в отдельности (в процентах от общего количества релевантных материалов в каждом конкретном источнике), но для наглядности собраны на одной диаграмме на каждый субъект СКФО. В абсолютных же показателях список источников в порядке убывания количества материалов выглядит следующим образом: Telegram, сайты телеканалов, ВКонтакте.

Рис. 1. Анализ медиапространства в Кабардино-Балкарской Республике.

 Fig. 1. Analysis of the media space in the Kabardino-Balkarian Republic

В Кабардино-Балкарской Республике наиболее упоминаемыми темами из исследованных являются Кавказская война (преобладающий ресурс – ВКонтакте), черкесский вопрос, земельный вопрос, этнические конфликты, а также память о депортациях народов Северного Кавказа.

Рис. 2. Анализ медиапространства в Карачаево-Черкесской республике.

Fig. 2. Analysis of the media space in the Karachay-Cherkess Republic

В Карачаево-Черкесской Республике, так же, как и в предыдущем случае, с существенным отрывом Кавказская война является доминирующей темой обсуждений по вопросам исторической памяти. Затем следуют черкесский вопрос, депортации народов Северного Кавказа и земельный вопрос.

Рис. 3. Анализ медиапространства в Республике Дагестан.

Fig. 3. Analysis of the media space in the Republic of Dagestan.

Республика Дагестан поддерживает создавшийся в ходе исследования тренд: тема Кавказской войны в этом субъекте СКФО занимает лидирующую позицию среди обсуждаемых точек исторической памяти. Ненамного отстаёт от лидера рейтинга земельный вопрос, что свидетельствует о существовании данной проблемы в республике. Обсуждаемыми темами в Дагестане также являются этнические конфликты, языковая политика и терроризм на Северном Кавказе.

Рис. 4. Анализ медиапространства в Республике Ингушетия.

Fig. 4. Analysis of the media space in the Republic of Ingushetia

В Республике Ингушетия, в отличие от ранее рассмотренных субъектов СКФО, доминируют обсуждения Пригородного района, являющегося предметом давних территориальных споров между Северной Осетией-Аланией и Ингушетией [12, с. 78]. Далее приблизительно на одном уровне находятся обсуждения депортаций народов Северного Кавказа, земельный вопрос, этнические конфликты, конкретно осетино-ингушский конфликт, а также Кавказская война.

Рис. 5. Анализ медиапространства в Республике Северная Осетия – Алания.

Fig. 5. Analysis of the media space in the Republic of North Ossetia-Alania.

В медиапространстве Республики Северная Осетия-Алания наиболее упоминаемой темой является Пригородный район, уже отмеченный нами при анализе материалов по Ингушетии. Обсуждаются также земельный вопрос, этнические конфликты, Кавказская война и наследие аланов. Последний пункт встречается только при рассмотрении Северной Осетии-Алании, что кажется довольно очевидным, исходя из названия и того факта, что осетины, по одному из мнений, являются единственным народом, происходящим от средневековых аланов [13, с. 32]. При этом примечательно, что в социальных сетях можно встретить упоминания и других этносов в качестве наследников аланов. Вероятно, в общей массе обсуждений данная тема занимает в других республиках столь малую долю, что программа при машинной обработке информации не включила этот вопрос в общую выгрузку.

Рис. 6. Анализ медиапространства в Ставропольском крае.

Fig. 6. Analysis of the media space in Stavropol’s Krai.

Для Ставропольского края наиболее обсуждаемой темой из изученных в рамках данного исследования является Кавказская война. Также к существенным проблемам для ставропольского медиапространства можно отнести земельный вопрос, черкесский вопрос, этнические конфликты, этнические чистки, языковую политику, кавказский сепаратизм, осетино-ингушский конфликт и малоземелье Кавказа. С удивлением отметим, что в Ставропольском крае, судя по материалам анализа, на третьем месте по обсуждаемости (после Кавказской войны и земельного вопроса) находится Пригородный район, который не входил и не входит в состав этого субъекта СКФО. Поскольку в Ставропольском крае не имеется территории с аналогичным названием, можно предположить, что обсуждения данного вопроса выходят за пределы вышеуказанных республик и отмечаются даже в медиапространстве Ставропольского края.

Рис.7 Анализ медиапространства в Чеченской Республике.

Fig. 7. Analysis of the media space in the Chechen Republic

В медиапространстве Чеченской Республики также лидирует историческая память о Кавказской войне. Обсуждаются также депортации народов Северного Кавказа, этнические конфликты и земельный вопрос (и другое – в меньшей степени).

В ходе исследования были получены следующие результаты:

Определено, что тематика исторической памяти присутствует в контенте всех трёх рассмотренных источников (ВКонтакте, Telegram и сайты региональных телеканалов). Установлено, что структура обсуждений точек исторической памяти в различных субъектах СКФО неоднородна. Выявлено, что наибольшей частотностью упоминания в медиапространстве большинства субъектов СКФО обладает тема Кавказской войны. Собраны релевантные материалы для продолжающейся работы по формированию обучающей базы для нейросетевой модели.

Заключение

Представленные в диаграммах данные демонстрируют, что на сегодняшний день доминирующей темой в рассматриваемом медиапространстве СКФО является Кавказская война. В двух республиках (Северная Осетия-Алания и Ингушетия) данная тема уступает по упоминаемости проблеме Пригородного района. Можно предположить, что память о Кавказской войне 1817-1864 гг. актуализируется на Северном Кавказе в настоящее время, что необходимо учитывать в теоретическом научно-исследовательском измерении, а также в практическом – при проведении политики памяти в регионе и стране в целом.

Тема исторической памяти может политизироваться и использоваться для влияния на общественное мнение (как с целью консолидации общества, так и в деструктивном ключе). На основании результатов, полученных в ходе исследования, можно сделать следующие предположения о выборе темы Кавказской войны как основной проблемы для обсуждений:

Данная тема является чувствительной и значимой для представителей различных народов Северного Кавказа, следовательно, контент будет активно читаться и обсуждаться. При этом Кавказская война не представляется наиболее травматичным аспектом современной исторической памяти Северного Кавказа в связи с давностью событий и отсутствием современников (особенно в сравнении с трагедией в Беслане в 2004 г.). Кроме того, возможные политизированные обсуждения результатов Кавказской войны в определённом националистическом ключе, с меньшей вероятностью повлекут за собой наказания, имеющиеся, например, за реабилитацию нацизма в контексте итогов Второй мировой войны. Следовательно, тема Кавказской войны является одновременно «личной» для Северного Кавказа , при этом менее «опасной» для пишущих и обсуждающих.

В связи с этим при реализации политики памяти в Российской Федерации следует учитывать необходимость работы с представлениями о «справедливости/несправедливости» результатов Кавказской войны, выражаемых в медиапространстве Северного Кавказа и России в целом, для того чтобы минимизировать возможные межэтнические столкновения на этой почве.

Контент-анализ, выполненный в рамках данной работы частично машинным путём, в перспективе даёт возможность перейти на полноценный нейросетевой подход после того, как накопится достаточная база релевантных материалов по соответствующей тематике. Следовательно, данная тема обладает потенциалом для дальнейшей разработки.