Дискурс-анализ (анализ дискурса) — метод качественного исследования, целью которого является выявление и интерпретация смысловых структур и контекста высказываний. В отличие от контент-анализа, дискурс-анализ ориентирован не на подсчет элементов текста, а на понимание того, как с помощью языка конструируется социальная реальность. В дипломатии дискурс-анализ позволяет изучать риторику и нарративы: например, как официальные лица через тексты формируют образ страны, какие метафоры и аргументы используют.

При дискурс-анализе исследователь детально читает тексты (статьи, речи, посты) и вычленяет ключевые тезисы, риторические приёмы, оценочные суждения, подтексты и идеологические установки.

В цифровой дипломатии это может быть анализ твитов Министерства иностранных дел с точки зрения того, как они представляют позицию государства по международным вопросам, какие «фреймы» (рамки интерпретации) задают. Например, исследователь может проанализировать, каким образом в заявлениях дипломатов описывается та или иная кризисная ситуация: через призму международного права, прав человека или борьбы с терроризмом — и сделать выводы о дипломатической стратегии.

Дискурс-анализ часто опирается на теоретические подходы, например, концепции Мишеля Фуко, Теуна ван Дейка, критический дискурс-анализ, чтобы раскрыть власть и влияние, заключенные в тексте. Это гибкий качественный метод, требующий высокого уровня интерпретации. Его плюс — глубина понимания коммуникации; минус — субъективность, так как разные исследователи могут по-разному интерпретировать один и тот же текст.

В цифровой дипломатии дискурс-анализ полезен для изучения официальных речей, постов в блогах, интервью дипломатических представителей, а также медийного дискурса вокруг дипломатии.

Метод интервью предполагает получение информации непосредственно от участников или свидетелей событий через целенаправленную беседу. В исследованиях цифровой дипломатии интервью обычно проводятся с экспертами-международниками, дипломатами, сотрудниками МИД, либо с аудиторией, на которую направлена цифровая дипломатия (например, с иностранными журналистами, читающими аккаунты посольства).

Качественное интервью — это, как правило, полуструктурированная или неструктурированная беседа, где у исследователя есть список тем, но вопросы гибко формулируются в ходе разговора. Это позволяет глубоко раскрыть мнение респондента, выяснить нюансы, которые нельзя предугадать заранее. Например, интервью с сотрудником отдела цифровых коммуникаций МИД может показать, какие цели они преследуют в соцсетях, с какими трудностями сталкиваются, как оценивают эффективность своей работы.

Важное достоинство интервью — возможность получить инсайдерскую информацию и живое экспертное мнение. Ограничения — трудоемкость (нужно договориться, провести, расшифровать разговор), небольшое число респондентов (не сделаешь тысячи интервью, обычно максимум несколько десятков), а также субъективность ответов (каждый человек высказывает свою позицию, которая может не быть представительной для всех).

Тем не менее, экспертные интервью широко применяются для изучения цифровой дипломатии, особенно в качественных диссертациях и докладах, где важно мнение практиков. Данные интервью затем анализируются путем качественного контент-анализа или тематического анализа — ищутся общие темы, упоминаемые проблемы, идеи, которые озвучили разные интервьюируемые.

Case study,или метод индивидуальных случаев — это подход, при котором подробно изучается один пример (или несколько примеров) какого-то явления, с целью получить углубленное знание о нем. Вместо того чтобы брать большую статистическую выборку, исследователь фокусируется на единичном кейсе — например, на цифровой дипломатии одного государства или даже одного события (скажем, цифровое сопровождение переговоров по ядерной сделке с Ираном).

Кейс-стади особенно популярен в международных отношениях: международники часто разбирают конкретные кризисы, кампании, действия отдельных стран.

Преимущество метода — он позволяет учесть контекст, множество факторов, «рассказать историю» случая во всех деталях. Так, исследуя один кейс (например, деятельность посольства Великобритании в России в соцсетях во время чемпионата мира по футболу), мы можем учесть исторические отношения двух стран, конкретную политическую ситуацию, персоналии дипломатов, содержание постов — и на этой основе сделать выводы о стилях и тактиках цифровой дипломатии.

Метод кейсов часто носит комплексный характер: внутри него применяются другие методы для анализа выбранного случая (интервью с участниками, анализ документов, медиа-анализ). Главное — у исследования есть четкие пространственно-временные рамки и объект (case).

Недостаток в том, что выводы по одному кейсу трудно напрямую обобщить на все остальные (то, как ведет себя Великобритания, не равно поведению Китая, например). Поэтому иногда применяют сравнительное кейс-стади: два или несколько случаев сравниваются между собой, чтобы найти общие и особенные черты. В цифровой дипломатии примеры кейс-стади: анализ цифрового взаимодействия дипломатии и общественности во время конкретного кризиса (например, «Twitter-дипломатия» во время арабской весны), исследование деятельности одного цифрового проекта (например, «виртуальное посольство» США в Иране) и т. д.

Контент-анализ — это метод систематического изучения содержания текстовых (и мультимедийных) сообщений. Классический контент-анализ относится к количественным методам (о них ниже), однако существует и качественный контент-анализ. В количественном контент-анализе исследователь разрабатывает кодировочную схему — категории, по которым будет изучаться текст, и затем кодирует (размечает) материалы в соответствии с этими категориями, чтобы выявить присутствие определенных тем, образов, тональности.

Качественный контент-анализ менее формализован: исследователь может читать тексты дипломатических сообщений и выделять в них ключевые темы или идеи, которые затем описываются словесно.

Чаще под контент-анализом понимается количественный анализ содержания — подсчет частоты появления определенных элементов (слов, упоминаний тем, оценок)​, поэтому этот метод подробнее разобран в разделе количественных методов. В качественном же ключе контент-анализ сближается с дискурс-анализом, но обычно менее глубоко интерпретирует контекст и сосредоточен именно на содержании сообщений, а не на социальных практиках речи в целом.

Применение: можно вручную просмотреть все посты посла страны X за год и отметить, какие темы он затрагивал (экономика, культура, история и т. д.), после чего сделать вывод, на чём сфокусирована цифровая дипломатия этого посла. В отличие от свободного прочтения, контент-анализ требует четкого плана кодирования, чтобы другой исследователь смог повторить процедуру и проверить её надёжность. Качественный контент-анализ полезен, когда объем текстов невелик и нужен первичный анализ данных, результаты которого потом могут быть количественно подтверждены.

Опрос посредством анкет — базовый количественный метод сбора первичной информации о мнениях, оценках, фактах. В контексте цифровой дипломатии можно проводить опросы аудитории— например, граждан иностранного государства, чтобы узнать, знакомы ли они с цифровыми проектами другого МИДа и как их оценивают. Либо это могут быть опросы экспертов: специалистов по международным отношениям о роли цифровых инструментов во внешней политике.

Анкетирование предполагает стандартный перечень вопросов, задаваемых группе респондентов, и последующую статистическую обработку ответов.

Важные аспекты:

• репрезентативность выборки (чтобы выводы можно было обобщить)
• валидность вопросов (чтобы люди правильно понимали, что у них спрашивают)

Например, можно провести онлайн-опрос пользователей страницы посольства в социальной сети какой-либо страны: задать вопросы, увеличилось ли их знание о стране благодаря этой странице, изменилось ли отношение, какие материалы им наиболее интересны. Собрав, скажем, 500 ответов, исследователь сможет в количественной форме оценить эффективность данного канала публичной дипломатии.

Опросы хороши тем, что позволяют напрямую и относительно быстро получить информацию от больших групп людей. С их помощью измеряют общественное мнение и восприятие — то, что трудно узнать из одних только официальных документов.

Недостатки: респонденты могут не отвечать честно или осознанно (проблема соцжелательности), кроме того, не всегда легко достучаться до целевой аудитории опроса (например, не все подписчики посольства захотят заполнять анкету).

Тем не менее, анкеты остаются важным инструментом количественных исследований в международных отношениях, особенно при изучении имиджа страны, эффективности коммуникации, воздействия цифровых кампаний.

Собрав численные данные — будь то результаты опроса, или метрики соцсетей, или количество упоминаний в СМИ — исследователь применяет статистические методы для их обработки.

Статистический анализ включает вычисление описательных показателей (средние, процентили, распределения), построение графиков и выявление зависимостей между переменными (например, корреляция между частотой твитов посольства и приростом числа подписчиков).

В более сложных случаях строятся регрессионные модели, позволяющие оценить влияние нескольких факторов сразу, или проводится факторный анализ, кластерный анализ и т. д. Цель — определить, какие числовые закономерности присутствуют в данных.

В исследовании цифровой дипломатии статистический анализ мог бы ответить на вопросы:

• Есть ли статистически значимая разница в цифровой активности разных стран?(например, одни МИДы делают в среднем 100 постов в месяц, другие 20 — значимо ли это отличие);
• Связано ли количество подписчиков аккаунта посольства с ВВП страны?;
• Как изменялось число обращений граждан онлайн после запуска цифровой платформы МИДа?

Статистические методы превращают разрозненные числа в осмысленные выводы с указанием степени уверенности. Их сильная сторона — объективность и воспроизводимость: при правильном подходе другой исследователь, взяв те же данные, придет к тем же цифрам. Но важно соблюдать статистическую корректность (достаточный объем выборки, правильные тесты).

В цифровой дипломатии статистический анализ часто применяется совместно с другими методами: например, результаты контент-анализа (подсчитанные темы) можно проанализировать статистически, или взять данные веб-аналитики сайта внешнеполитического ведомства за несколько лет с построением трендов.

Сетевой (социально-сетевой) анализ — это метод, пришедший из математической социологии, позволяющий изучать структуру связей и взаимодействий между акторами через графы (сети).

В цифровой дипломатии сетевой анализ находит всё большее применение, поскольку дипломатическая активность в интернете часто разворачивается в социальных сетях в прямом смысле — например, в X дипломаты образуют сеть «друзей» и «подписчиков», обмениваются упоминаниями и ответами.

Сетевой анализ дает инструменты для визуализации и измерения таких сетей. Например, можно построить граф, где узлы — это аккаунты МИДов и послов разных стран, а ребра — это подписки или упоминания между ними. Получившаяся социальная сеть покажет, кто с кем наиболее тесно взаимодействует онлайн.

Методы SNA (social network analysis) позволяют вычислить метрики центральности (какой узел самый влиятельный или связующий), выявить кластеры (группы стран, тесно общающихся друг с другом), периферийные узлы (с кем мало взаимодействуют).

Применение: исследование «твипломатии» (цифровой дипломатии в Twitter) часто включает построение сетей — например, сеть подписок лидеров государств: какие лидеры читают друг друга в Twitter (сейчас — X) и через сколько «рукопожатий» они связаны. Такой подход был использован, в частности, в серии исследований Twiplomacy компанией Burson-Marsteller, где карты связей показывали, что, например, самые «связанные» лидеры — европейские, а некоторые главы государств вообще не входят в общую сеть.

В научном плане сетевой анализ может помочь понять структуру информационного пространства: есть ли разделение на региональные кластеры, кто выступает мостом между разными языковыми сегментами и т. д. Кроме социальных сетей, этот метод можно применить и к другим связям — например, проанализировать сеть упоминаний стран в новостях или сеть совместных онлайн-инициатив внешнеполитических ведомств. Требуется определенная техническая подготовка (владение специальными программами или языками программирования для анализа графов).

В итоге, сетевой анализ дает наглядные результаты (графики-схемы) и количественные показатели отношений между акторами, что ценно при исследовании цифровой дипломатии как феномена коммуникации. Подробнее о сетевом анализе — в главе 14.

Современный этап развития цифровых технологий открывает перед исследователями возможность применять методы машинного обучения для анализа больших данных (Big Data). В контексте нашего направления это могут быть методы автоматической обработки текстов (NLP — Natural Language Processing) — например, тематическое моделирование, классификация тональности высказываний (sentiment analysis), распознавание ботогенерации контента; или прогнозные модели, оценивающие динамику информационного распространения. Машинное обучение — не столько «новый метод сбора данных», сколько новый инструмент анализа, расширяющий мощности исследователя.

Например, вместо ручного контент-анализа тысяч твитов дипломатического аккаунта можно обучить модель классифицировать твиты по темам (метод topic modeling) и затем количественно оценить, какие темы преобладают и как менялись со временем. Еще пример — применение классификаторов на основе машинного обучения для определения, какие из подписчиков аккаунта посольства являются реальными людьми, а какие — ботами или фейковыми аккаунтами: такая задача возникает при оценке подлинного охвата аудитории.

Big Data-подходы позволяют анализировать огромные массивы цифровых следов дипломатии (миллионы взаимодействий), что вручную сделать невозможно. Однако они требуют компетенций в программировании, статистике, доступов к данным (например, ранее — Twitter API), а также аккуратности в интерпретации. Использование больших данных (например, анализа хэштегов) сопряжено с рядом методических и технических сложностей — в частности, отсеиванием ботов и других искажений трафика​. То есть, применяя машинное обучение, исследователю важно понимать ограничения моделей и качество исходных данных. Тем не менее, такие методы открывают новые горизонты: например, можно прогнозировать, какой резонанс вызовет то или иное сообщение МИДа, выявлять скрытые сообщества подписчиков, автоматически переводить и анализировать контент на разных языках и т. п. В академических публикациях по цифровой дипломатии методы big data пока встречаются нечасто, но их потенциал высок, и, вероятно, они будут все шире использоваться по мере повышения культуры работы с данными в гуманитарной сфере​.

Ряд исследований строится на дискурс-анализе небольших текстов по международной политике. Например, исследователь может проанализировать выступления официальных лиц в стране X по конкретному вопросу (скажем, дискурс вокруг присоединения к международному договору). Такой подход позволяет корректно описать коммуникационные стратегии разных акторов. Однако его ограничение в том, что он больше подходит для лингвистического аспекта и не отвечает на вопрос об эффективности коммуникации.

Пример: дискурс-анализ твитов Дональда Трампа на посту президента США — как риторика Трампа в Twitter отражает элементы традиционной дипломатии или, напротив, нарушает её каноны. Выводы помогут понять, каким образом через социальные медиа политический лидер формирует определённый нарратив международного общения.

В отчётах МИД разных стран по развитию цифровой дипломатии часто используются интервью с сотрудниками, ответственными за эти направления. Например, исследование британской цифровой дипломатии может включать интервью с командой, ведущей аккаунты @UKDiplo: они расскажут о своих задачах, аудитории, восприятии рисков и возможностей. Такие качественные данные трудно получить иначе.

В академической литературе встречаются интервью с дипломатами для понимания их точки зрения: к примеру, как дипломаты старой школы адаптируются к цифровой эпохе — в каких случаях они считают уместным твитнуть, а в каких предпочитают официальное коммюнике. Это проливает свет на внутреннюю «кухню» цифровой дипломатии.

Возьмем случай США: как Госдепартамент эволюционировал от радиоэфиров (традиционная публичная дипломатия) к использованию соцсетей (цифровая дипломатия). Такой глубинный анализ по стране показывает преемственность и изменения в инструментах работы с иностранной аудиторией.

Другой случай — исследование «цифровой дипломатии Эстонии»: как Эстония, известная своими ИТ-достижениями, создала онлайн-платформы для консульских услуг и даже кибер-посольство (резервные серверы за рубежом), и как это вписывается в её внешнюю политику. Подход кейс-стади позволил связать технологические инновации с национальной дипломатической стратегией.

Можно проанализировать содержание твитов МИД России и МИД Великобритании за определенный период по категориям тематики. Необходимо подсчитать сколько раз упоминаются темы культуры, истории, политики, экономические проекты и т. д. Количественный контент-анализ в таком случае выявит различия в акцентах цифровой дипломатии двух стран. Эти числовые результаты затем можно интерпретировать (качественно) в контексте различий во внешнеполитических приоритетах.

Представим исследование: «Восприятие цифровой дипломатии Китая в странах Латинской Америки». Здесь уместен социологический опрос жителей ряда латиноамериканских стран — знают ли они о присутствии Китая в соцсетях, видели ли официальные аккаунты, изменилось ли их мнение о Китае благодаря цифровой коммуникации.

Такой опрос (например, N=1000 респондентов в нескольких странах) предоставил бы количественные данные об охвате и влиянии китайской цифровой дипломатии. Скажем, 30% опрошенных в Панаме могли подтвердить, что следят за китайским посольством в социальной сети — это уже конкретный индикатор вовлеченности аудитории.

Результаты опроса позволили бы также выявить корреляции: например, молодое поколение вдвое активнее взаимодействует с цифровым контентом дипломатии, чем старшее. Эти сведения ценны как для науки (понимание эффективности инструментов), так и для практиков (корректировка стратегий под демографию).

Продолжим исследование цифровой дипломатии КНР в странах Латинской Америки, комбинируя количественные и качественные методы. Количественно можно собрать статистические данные по каждому дипломатическому аккаунту (число твитов, подписчиков, лайков и т. д.), а качественно — провести анализ содержания твитов и сопоставить его с количественными трендами.

Такой смешанный подход позволит дать объемную картину: с одной стороны, цифры покажут уровень активности и охвата, с другой — ручной анализ твитов раскроет тематику коммуникации. Например, исследование может выявить, что аккаунты посольств КНР чаще всего освещают тему экономического сотрудничества, и это может коррелировать с всплесками прироста подписчиков во время визитов высокопоставленных лиц. Этот пример демонстрирует, как статистический анализ вкупе с содержательным анализом дает более полное понимание цифровой дипломатии.

В ежегодных отчетах Twiplomacy (проект по исследованию дипломатии в Twitter) строятся сети взаимных подписок и упоминаний между мировыми лидерами. Например, европейские лидеры образуют плотно связанную сеть и активно читают друг друга, тогда как ряд лидеров Азии практически изолированы в информационном плане. Наглядный граф связей между дипломатами и лидерами позволяет быстро определить, кто из акторов наиболее влиятелен (например, премьер Индии — один из самых популярных в мире по числу взаимосвязей аккаунтов).

Для исследователей международных отношений такой сетевой анализ дает эмпирическое подтверждение гипотез о «дипломатических клубах» или напротив, об изоляции стран. Сетевой анализ может использоваться для понимания того, как информация распространяется от официальных аккаунтов к широкой публике: для выявления ключевых ретвиттеров — журналистов, инфлюенсеров, которые становятся ретрансляторами дипломатических сообщений. Таким образом, сетевые методы помогут выявить скрытые механизмы коммуникации в цифровой среде.

Существуют исследования, основанные на сборе десятков тысяч твитов по дипломатической теме и последующем анализе хэштегов. Такие работы позволяют количественно проследить эволюцию онлайн-дискурса по теме (например, как менялись теги #DigitalDiplomacy или #PublicDiplomacy за 5 лет), автоматически выделить ключевые темы.

Однако применение методов Big Data сталкивается с трудностями: нужно отфильтровать автоматизированные аккаунты, учесть различие языков, преодолеть технические барьеры выгрузки данных​. Но несмотря на эти сложности, подобные исследования дают уникальные инсайты. К примеру, с помощью кластеризации по хэштегам можно обнаружить, что аудитория цифровой дипломатии делится на несколько сегментов — один интересуется образовательными программами (теги об обменах, стипендиях), другой — политическими новостями, третий — культурными мероприятиями.

Зная это, дипломатические ведомства могут персонализировать контент под каждую аудиторию. Машинное обучение также применяется для автоматической оценки тональности дипломатических сообщений: алгоритмы анализируют тон (позитивный, нейтральный, негативный) в тысячах твитов посольств, позволяя сопоставить «настроение» цифровой дипломатии разных стран или динамику тональности во время кризисов.