❤️ 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.

Методология

Из 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