Цель: изучить, как глобальные цифровые платформы (Twitter/X, TikTok) влияют на образцы письменного французского и на процесс стандартизации новых форм речи.
Краткий план исследования
1) Исследовательские вопросы и гипотезы
- Вопросы: какие лингвистические инновации (орфография, морфология, лексика, пунктуация, графемы/эмодзи, кодыwitching) распространяются на платформах; как они диффундируют и подвергаются ли процедурам стандартизации; как платформенные аффордансы влияют на типы инноваций.
- Гипотезы: платформы ускоряют фиксацию новых графо-лексических форм; TikTok способствует мультимодальным конкурентным нормам, Twitter/X — сокращения и графемные инновации; лидеры мнений и модерация влияют на стандартизацию.
2) Теоретическая рамка
- Социолингвистика изменения языка (diffusion of innovations), теория прагматики сетевых коммуникаций, нормализация и языковая стандартизация (корпоративные и институциональные механизмы), мультимодальный анализ.
3) Данные и корпус
- Платформы: Twitter/X и TikTok (заголовки, подписи, субтитры, комментарии, хэштеги).
- Временной охват: выбор пред- и пост-эпохи (например, до и после значимых событий/апдейтов).
- Объём корпуса: целевой корпус — $1,000,000$ твитов и $500,000$ подпейсов/описаний TikTok на французском языке; для ручной аннотации — случайная выборка $10,000$ сообщений.
- Метаданные: дата, геолокация (если доступна), userid (псевдоним), тип аккаунта (инфлюенсер/масс), число подписчиков, верификация, лайки/репосты/комментарии.
4) Операционализация переменных
- Инновация: конкретные категории (фонетическая орфография, апокопа, удвоение букв, эмодзи как морфема, англицизмы, графонимические сокращения, новые пунктуационные практики).
- Стандартизация: показатели — устойчивость во времени, распространение в разных сообществ (институции, СМИ, обычные пользователи), принятие в справочниках/учебниках, использование в формальных контекстах.
- Метрики: частота на миллион токенов, скорость распространения (временная динамика), индекс распространённости среди топ-accounts, среднее число ретвитов/лайков на сообщение с инновацией.
5) Методы анализа
- Количественные:
- Частотный и трендовый анализ (time series) по категориям.
- N-gram и collocation analysis для графемно-лексических паттернов.
- Моделирование: логистические регрессии и mixed‑effects модели для предикторов использования инноваций (случайный эффект — пользователь; фиксированные — платформа, возраст/пол/регион если доступны) — пример: вероятность использования инновации ~ платформа + статус аккаунта + время.
- Сетевой анализ (diffusion networks): кто первопроходцы, пути распространения.
- Качественные:
- Дискурс-анализ примеров; мультимодальный анализ TikTok (зрительно-аудиальный контекст и подпись).
- Интервью/опросы с пользователями и создателями контента о мотивации, восприятии «правильности».
- Экспериментальные:
- Приемлемость/нормативность: опросы с градуированными вариантами письменных форм (acceptability judgments) у репрезентативной выборки носителей.
- Рейтинг формальности/стилистичности.
6) Аннотация и валидация
- Создать схему аннотации (руководство) с категориями; аннотировать $10,000$ примеров вручную, оценить согласованность (Cohen’s kappa) — целевой порог $0.75$.
- Использовать обучение моделей для автоматической разметки оставшейся части корпуса; ручная проверка качества на валидационной выборке.
7) Инструменты и технологии
- Сбор данных: официальные API (в пределах TOS), скрейпинг с учётом правил платформ.
- NLP: spaCy/UDPipe/Stanza для френча, специализированные токенайзеры, библиотеки для обработки эмодзи/хэштегов.
- Аналитика: Python (pandas, scikit-learn), R (tidyverse, lme4), NetworkX/igraph.
- Хранилище: индексируемый корпус (ElasticSearch), репозитории кода (Git).
8) Этические и правовые аспекты
- Соответствие TOS платформ, анонимизация пользователей, хранение чувствительных данных, получение согласия при интервью/опросах, одобрение этического комитета.
9) Ожидаемые результаты и верификация
- Карта инноваций по платформам и по времени; модели предикторов использования; экспериментальные данные о восприятии; рекомендации по педагогике и стандартизации.
- Верификация: репликация анализа на независимом срезе данных; triangulation (количественные + качественные данные).
10) Ограничения
- Доступность данных и смещение выборки (публичные посты, демография пользователей); трудности с автоматической идентификацией языка в коротких мультимодальных сообщениях.
11) Таймлайн (пример для проекта на $24$ месяца)
- Сбор данных: $6$ месяцев
- Аннотация и разработка схемы: $6$ месяцев
- Анализ (количественный и сетевой): $6$ месяцев
- Качественные интервью и эксперименты: $3$ месяца
- Финализация, публикации и распространение результатов: $3$ месяца
Deliverables: корпус (анонимизированный), аннотационное руководство, статьи (эмпирический + методологический), рекомендации для лингвистического образования и стандартных инстанций.
Если нужно, могу детализировать схему аннотации, конкретные переменные для смешанных моделей или примеры вопросов для опроса/эксперимента.