❤️ Эксперты в Telegram: тематический анализ, лексическая сложность и тональность«Полилог. Экспертиза» продолжает серию мини-исследований, посвящённых телеграм-каналам публичных экспертов. Ранее мы расположили каналы на
политических координатах при помощи ChatGPT 4o и провели
количественное исследование, посчитав аудиторию, средние просмотры, репосты и объём контента авторов. На этот раз с помощью методов ML и NLP мы оценили темы, тональность и лексическую сложность публикаций.
МетодологияИз 40 каналов публичных экспертов мы спарсили публикации за 3 года (июнь 2022 — июнь 2025) и для повышения качества моделей отфильтровали тексты в 100 и более слов (51 тысяча*). Репосты были исключены — при подсчетах рассматривались только посты, написанные от лица канала. Основные результаты представлены на карточках, подробную информацию по каждому из каналов можно найти в
общей таблице (бонус — средняя токсичность постов).
🎯 Форматы и эмодзи. Эксперты предпочитают текстовые сообщения и публикации с фото. Видео-контент занимает менее 10%, а голосовые сообщения и кружки — менее 0,1%. Эмодзи, как правило, используются для оформления контента — лидерами по частоте их использования стали «
Полилог. Экспертиза» и
Михаил Фаленков.
🎯 Сложность. Средняя сложность коммуникации оценивалась по адаптированному для русского языка индексу туманности Ганнинга. Значение индекса можно интерпретировать как количество лет обучения, которые необходимы для понимания текста. Важный момент: оцениваются лексика и синтаксис, но не поднимаемые темы. Навык донесения сложной информации простым языком лучше всего развит у
Сергея Маркова — тексты на его канале могут понять даже шестиклассники.
🎯 Тональность. Для оценки тональности мы воспользовались моделью
RuBERT-tiny2, дообученной для классификации коротких русскоязычных текстов: «позитивные», «негативные» и «нейтральные». Средняя «эмоциональность» рассчитывалась как сумма долей «позитивных» и «негативных» текстов. Лидером позитивной коммуникации стала
Дарья Кислицына (49% публикаций), негативной —
Сергей Марков (49%). Наиболее нейтральный стиль — у
Романа Моложона (79%) и
Павла Склянчука (77%).
🎯 Темы. Для оценки тематики публикаций мы разбили выборку на три части (по ключевым словам) и обучили LDA-модели с 20 скрытыми темами. Каждая из 60 скрытых тем интерпретировалась вручную, пополняя две категории: «Теория, история, исследования» и «Актуальная повестка». Лидерами в первой категории стали
Political Animals (65% публикаций) и
Павел Пряников (44%). Наиболее актуальный контент публикует
Максим Жаров (98,3% текстов).
🎯 Кластерный анализ. Категория «Актуальная повестка» включает шесть направлений, представленных на тематическом гексагоне. Мы воспользовались методом k-средних и выделили пять групп экспертов. Авторы из
Кластера I пишут о выборах и внутренней политике в зарубежных странах.
Кластер II фокусируется на партийной повестке в России.
Кластер III — на внутренней политике в РФ.
Кластер V — на геополитике и украинском конфликте. А эксперты из
Кластера IV в равной мере обращаются ко всем темам.
Кластер I:
Ян Веселов,
Павел Дубравский,
Мирильяс Агаев.
Кластер II:
Михаил Фаленков,
«Процедуры и ритуалы»,
Павел Склянчук,
Татьяна Косачёва,
Андрей Цепелев,
Роман Моложон.
Кластер III:
«Трезвый политолог»,
Александр Семёнов,
Дмитрий Еловский,
Сергей Старовойтов,
Станислав Корякин,
Илья Гращенков,
Наталия Елисеева,
Мария Сергеева,
Никита Сетов,
Анна Федорова,
Дарья Кислицына,
Макар Вихлянцев,
Алексей Чадаев,
Павел Пряников.
Кластер IV:
«Полилог. Экспертиза»,
Евгений Минченко,
Глеб Кузнецов,
Анна Богачёва,
Ярослав Игнатовский,
Михаил Виноградов,
Валерий Прохоров,
Political Animals,
Марат Баширов,
Алексей Ярошенко,
Михаил Карягин.
Кластер V: Алексей Мартынов,
Алексей Чеснаков,
Павел Данилин,
Игорь Димитриев,
Максим Жаров,
Сергей Марков.
*Для оценки форматов публикаций, эмодзи и сложности текстов использовалась полная выборка за 1 год (44 тысячи текстов).Полилог. Экспертиза |
Наши слоны 
