Online antiszemitizmus

Az antiszemitizmus mértéke Magyarországon hagyományosan a legmagasabbak közé tartozott Európában. Reprezentatív felmérések eredményei azt mutatják, hogy a magyar lakosság körülbelül 33-40 százaléka mondható antiszemitának. Bár előfordult némi ingadozás, az antiszemitizmus mértéke meglehetősen stabilnak bizonyult az elmúlt években. Szintén kérdőíves vizsgálatok alapján azt találtuk, hogy annak ellenére, hogy azon zsidók aránya, akik áldozatai vagy tanúi voltak antiszemita cselekményeknek erőteljesen csökkent (79-ről 58 százalékra 1999 és 2017 között), az antiszemitizmus percepciójának mértéke nagymértékben növekedett. Míg 1999-ben a zsidók 37 százaléka nyilatkozott úgy, hogy az antiszemitizmus erős vagy nagyon erős Magyarországon, addig 2017-ben 65 százalékuk mondta ugyanezt. A magas eltérés a tapasztalat és a percepció között több oknak is betudható, amelyek közül az egyik az online gyűlöletbeszéd terjedése. Ez a tény szükségessé teszi ezen források vizsgálatát.

A nagy mennyiségű, online elérhető, gyengén strukturált szöveges adatok feldolgozása új eszközök alkalmazását igényli, amelyek közül az egyik a Natural Language Processing (Természetes nyelvfeldolgozás, vagy NLP). Az NLP egy interdiszciplináris kutatási terület, amely az informatika, a mesterséges intelligencia és a nyelvészet közös metszetében található. Kutatásunkban az NLP eszközkészletében megtalálható módszereket alkalmazunk nagyméretű, magyar nyelvű online korpuszokra, amelyek egyebeket mellett újságcikkeket, közösségi média tartalmakat és fórumhozzászólásokat tartalmaznak. Az NLP segítségével nem csupán a nyílt antiszemitizmus struktúrájának, fő témaköreinek és aktorainak feltárását lehetséges elvégezni, hanem képet kaphatunk a látens antiszemitizmus sajátosságairól is.

A depresszió diszkurzív keretezése online fórumok közösségében

A depresszió a modernitás betegsége, ahol a társadalmak nagyobb felelősséget helyeznek az egyénre, miközben azoknak nincs lehetőségük körülményeik megváltoztatására. A szociológia egy kurrens kérdése, hogy a terapeuták illetve maguk a betegek hogyan keretezik a betegséget, vagy pl. hogy a terapeuták újra-értelmezése nyomán hogyan tolódik el a társadalmi eredetű szenvedés az énhez kapcsolt szenvedés felé (lásd pl Flick, 2016). 

Kutatásunkban az NLP módszerek lehetőségeit vizsgáljuk a depresszió online betegközösségekben megjelenő egyéni szintű keretezésének megértésében. A depresszió kognitív keretezése társadalmi konstrukció. A keretezés határozza meg a depresszió jelentését a beteg számára, oksági magyarázatot kínál rá, sőt akár a kezelési preferenciákat is meghatározza. A depresszió jelenlegi klinikai magyarázatai a biológiai, pszichológiai és szociológiai diskurzusok felé mutatnak (e.g. Comer, 2015). 

E téren korábban elsősorban kvalitatív módon, offline szövegek (naplók, levelek, interjúk) elemzésével közelítették a keretezést (lásd pl. Riskind et al, 1989). Meggyőződésünk, hogy a digitális társadalom online betegközösségeinek nem-klinikai jellegű írásai jó terepet kínálnak a kérdés vizsgálatára, s hogy az automatizált szöveganalitikai módszerek jelentős kutatási potenciált jelentenek e téren.

A korrupció megjelenése az online médiában és a közösségi médiában, nemzetközi összehasonlító vizsgálat

A csoport tagjai az elmúlt években több tanulmányt is publikáltak korrupciókutatás témában. Bár ezek a kutatások mind survey adatokra épültek, tartalmi szempontól jól megágyaznak a csoportban zajló nem-survey alapú kutatásoknak. Utóbbi megközelítésben a 2019-es évben kutatócsoportunk NLP módszerrel két esettanulmányt készített. Az első esettanulmány a szerző-topik modellt használja. Azt vizsgáltuk, hogy melyik híroldal milyen korrupciós témáról ír leggyakrabban. A K-Monitor cikkgyűjteményét használva 25 korrupciós topikot identifikáltunk.

A második esettanulmányban a korrupció hazai online sajtóban megjelenő témáinak időbeli változására fókuszáltunk. Az elemzéshez dinamikus topikmodellt használtunk, a K-Monitor cikkgyűjteményére építve. 26.000 cikk alapján vizsgáltuk a 2007 és 2018 közötti időszakon belül a legjellemzőbb korrupciós témák népszerűségének és tartalmának változását. A modell eredményeként hét, egymástól jól elkülöníthető topik jött létre. Tanulmányunk jelenleg elbírálás alatt van egy hazai vezető szociológia lapban. 

Eddigi munkáink főként leíró elemzések, jó alapot adva további mélyebb vizsgálatoknak. Az empirikus elemzéseken túl szisztematikusan foglalkozunk azzal is, hogy az NLP módszerek összességében mit tudnak adni a téma vizsgálatához. Vizsgáljuk a korrupció definíciós keretét, valamint a korrupció kutatásában a nagy tömegű szövegek automatizált feldolgozásának lehetőségeit és az erre épülő adatelemzési és adatfeldolgozási technológiákat. A projekthez kapcsolódó oktatási tevékenység során a K-Monitorral és a Precognox-szal hallgatóknak szervezett, civil adatokra épülő hackathonon a K-Monitor is hozott egy korpuszt, melynek elemzésével a hallgatók megismerhették azokat az adatokat is, amiket kutatócsoportunkban használtunk.

Adattudomány a társadalomkutatásban

Az adatanalitika (vagy divatos de nem pontos és kissé túlhasznált nevén Big Data) szociológiai alkalmazásának egyik legfőbb kihívását az adja, hogy az a szociológián kívül intézményesült, míg a szociológia (korábbi) tudományos tekintélyét éppen saját kutatási módszertani paradigmája adta. A másik lényegi kihívás természetét tekintve episztemológiai, és az adatok érvényességi/megbízhatósági kérdéseihez, a szociológia számára fontos magyarázat/okság problémájához kötődik. Ezek a kihívások adják annak a feszültségnek a hátterét, ami a Big Data-alapú társadalmi megfigyelések és ezen megfigyeléseket övező, a Big Data szociológiai tudás-termelő potenciálját megkérdőjelező szociológiai szkepszis között húzódik.

Ezek a kihívások a szociológiai módszertan alapjainak újradefiniálásával, az adatanalitikai módszerek hagyományos eszközeink közé történő szerves beépítésével válaszolhatók meg. A megoldás a kvantitatív és kvalitatív gondolkodás együttes használatát, az adatvezérelt adatanalitikai módszerek tudásvezérelt megközelítésre váltását is szükségessé teszi.