АНАЛИЗ ПРИМЕНИМОСТИ МЕТОДОВ ДЛЯ МОНИТОРИНГА РЕПУТАЦИОННЫХ РИСКОВ ОБРАЗОВАТЕЛЬНЫХ ОРГАНИЗАЦИЙ В ЦИФРОВОЙ СРЕДЕ
Секция: ОБЩАЯ СЕКЦИЯ
Авторы:
1.
Санкт-Петербургский университет Государственной противопожарной службы МЧС РФ
(факультет подготовки кадров высшей квалификации, Аспирант)
Россия
Россия
Тип:
Статья конференции
Страницы:
с 259
по 264
Опубликовано:
25.06.2026
Классификаторы:
УДК 004.056 Безопасность, защищённость данных
Язык материала:
русский
Ключевые слова:
тематическое моделирование, онлайн-репутация, анализ социальных медиа, доверие, искусственный интеллект
Аннотация:
В статье рассматривается системный мониторинг общественного мнения об образовании в условиях цифровой трансформации общества и медиатизации информационного пространства. Подчеркивается стратегическая значимость анализа восприятия образовательных систем и организаций различными стейкхолдерами для укрепления доверия и повышения эффективности управленческих решений. Рассмотрены современные методы обработки текстовых данных: аспектно-ориентированный анализ тональности (ABSA), тематическое моделирование (LDA, NMF, BERTopic, HDP, CTM) и выделение ключевых аспектов, позволяющих выявлять латентные темы дискурса, оценивать эмоциональную окраску конкретных аспектов образовательной деятельности и выявлять потенциальные репутационные риски. Проведен сравнительный анализ моделей тематического анализа с указанием их особенностей в работе с разными типами текстов и потоковыми данными. Практическая значимость статьи заключается в обосновании применения инструментов обработки естественного языка для системного мониторинга онлайн-репутации образовательных организаций, раннего выявления информационных угроз и формирования доказательной базы для управленческих решений, что повышает устойчивость образовательных институтов в медиасреде.
В статье рассматривается системный мониторинг общественного мнения об образовании в условиях цифровой трансформации общества и медиатизации информационного пространства. Подчеркивается стратегическая значимость анализа восприятия образовательных систем и организаций различными стейкхолдерами для укрепления доверия и повышения эффективности управленческих решений. Рассмотрены современные методы обработки текстовых данных: аспектно-ориентированный анализ тональности (ABSA), тематическое моделирование (LDA, NMF, BERTopic, HDP, CTM) и выделение ключевых аспектов, позволяющих выявлять латентные темы дискурса, оценивать эмоциональную окраску конкретных аспектов образовательной деятельности и выявлять потенциальные репутационные риски. Проведен сравнительный анализ моделей тематического анализа с указанием их особенностей в работе с разными типами текстов и потоковыми данными. Практическая значимость статьи заключается в обосновании применения инструментов обработки естественного языка для системного мониторинга онлайн-репутации образовательных организаций, раннего выявления информационных угроз и формирования доказательной базы для управленческих решений, что повышает устойчивость образовательных институтов в медиасреде.
Ключевые слова:
тематическое моделирование, онлайн-репутация, анализ социальных медиа, доверие, искусственный интеллект
тематическое моделирование, онлайн-репутация, анализ социальных медиа, доверие, искусственный интеллект
1. Hattie J. Visible Learning: a Synthesis of Over 800 Meta-Analyses Relating to Achievement. London: Routledge, 2011.
2. A Topic Modeling Comparison Between LDA, NMF, Top2Vec, and BERTopic to Demystify Twitter Posts.
3. Pavithra & Savitha. Topic Modeling for Evolving Textual Data Using LDA, HDP, NMF, BERTOPIC, and DTM With a Focus on Research Papers // Journal of Technology and Informatics (JoTI). 2024. No. 5. Pp. 53–63. DOI:https://doi.org/10.37802/joti.v5i2.618
4. SocialVisTUM: An Interactive Visualization Toolkit for Correlated Neural Topic Models on Social Media Opinion Mining / G. Hagerer [et al.] // Proceedings of the International Conference on Recent Advance. 2021.
