Формирование медиаобраза болезни как способ борьбы с эпидемией (на материале китайских СМИ)

Размещено на http://www.Allbest.Ru/

Московский государственный лингвистический университет

Формирование медиаобраза болезни как способ борьбы с эпидемией (на материале китайских СМИ)

О.И. Калинин



Аннотация

В данной статье методом сопоставительного анализа специальных корпусов текстов на китайском языке исследуется «образ» вируса. Проведенный контент-анализ показал, что образ коронавируса в медиадискурсе КНР отличается от образа вируса в корпусе китайского языка Пекинского университета. В корпусе «коронавирус» доминирует лексика, связанная с противодействием болезни, тогда как при формировании «образа» вируса вообще значительную роль играет описание причин и последствий болезни, что говорит о целенаправленном формировании «образа» коронавируса как «неопасного врага, которого можно победить».

Ключевые слова: образ, контент-анализ, медиадискурс, коронавирус, корпус текстов



Abstract

Formation of the disease media image as a way to combat pandemic (on the material of the Chinese media)

O.I. Kalinin, Moscow State Linguistic University

In this article, the image of a virus is investigated by the method of comparative analysis of Chinese texts special corpora. The content analysis showed that the image of the coronavirus in the media discourse of the PRC differs from the image of the virus in the Chinese corpora of Peking University. The “coronavirus” corpora is dominated by the lexemes associated with counteracting the disease, while in the image of the virus in general, the description of the causes and consequences of the disease plays a significant role, which indicates the purposeful formation of the coronavirus image as “a harmless enemy that can be defeated.”

Key words: image, content analysis, media discourse, coronavirus, corpus of texts



Введение

Репрезентация «образа» вируса и болезни в текстах разных специальных дискурсов в современной прикладной лингвистике рассматривается как один из действенных способов противодействия болезни. Чаще всего в центре внимания исследователей оказывается метафорическая репрезентация болезни. Так, еще С. Зонтаг рассматривала метафорическую модель БОЛЕЗНЬ - это ВРАГ, утверждая, что «демонизация болезни через термины войны не способствуют выздоровлению» [Sontag, 1978], а наоборот, негативно влияет на восприятие болезни пациентами, приводя также и к стигматизации больных [Sontag, 1989].

Развитие когнитивной науки и методов критического дискурс-анализа [Wodak, Meyer, 2001] позволили расширить данную сферу исследований и перенести сугубо лингвистические исследования в том числе в медицинскую плоскость. Так, например, исследования Дж. Рейсфилда и Дж. Вилсона [Reisfield, Wilson, 2004] показали, что, напротив, военные метафоры репрезентируют больных раком как «борцов с невидимым врагом», подчеркивают их героический статус, воздействуя на психическое состояние больного. Исследования Дж. Камю [Camus, 2009] показали, что увеличение метафорических моделей, описывающих рак, во многом способствуют привлечению внимания к проблемам и приводят к «дедедомонизации» заболевания. В целом, лингвистическая репрезентация болезни или пандемии на современном этапе развития науки о языке считается одним из способов противодействия болезни, борьбы с ее распространением и даже лечения.

Как известно, главным «ньюсмейкером» 2020 г. стал коронавирус, который не только привел к гибели нескольких сотен тысяч людей, но и вызвал стагнацию экономики и политический кризис. Последствия пандемии 2020 г. еще будут изучаться исследователями, однако уже сейчас очевидно, что одним из важнейших аспектов борьбы с эпидемией стала так называемая языковая профилактика болезни.

Так, для изучения реакция общества на меры, предпринимаемые в связи с распространением болезни, лингвисты создали автоматически пополняющуюся базу данных сообщений в «Twitter» о коронавирусе, что позволяет производить мониторинг общественного мнения и регулировать меры социального дистанцирования [Chen, Lerman, Ferrara, 2020].

Китайские исследователи также использовали социальные сети, в частности «Twitter» для анализа психологической реакции на новостные сообщения, связанные с развитием пандемии. Анализ показал, что основной психологической реакцией был «страх, вызванный неизвестностью о происхождении и распространении вируса» [Xue et al., 2020].

В исследовании Т. Чайук и О. Дунаевской доказывается тезис о том, что экономический коллапс весны 2020 года в Европе и США во многом связан с «нагнетанием страха» в массмедиа относительно «китайского вируса» [Chaiuk, Dunaievska, 2020]. По мнению исследователей, в основе репрезентации вируса как «смертоносного врага, подобного стихийному бедствию» изначально лежали внешнеполитические мотивы ухудшения имиджа КНР, но в итоге это привело к серьезным социально-экономическим последствиям в странах Запада.

Отечественные ученые на материале публикаций на сайте ВОЗ изучили содержательно-структурные, прагматические, риторические и лингвистические характеристики репрезентации вируса, а также коммуникативное воздействия на целевую аудиторию [Расчепеева, Семейкина, Стеблецова, 2020].

Данная работа является продолжением исследования метафорической репрезентации вируса в китайских медиа. В предыдущих работах мы анализировали метафорические модели репрезенатции коронавируса в китайских медиа, сравнили образы коронавируса и лихорадки Эбола, выявив разницу в репрезентации вируса «внутри» и «вне» страны, провели сравнительный анализ образа коронавируса в китайских и корейских медиа [Калинин, 2020; Калинин, Мавлеева, 2020].

Все эти исследования показали, что в азиатских странах, в частности в Китае и в Корее, репрезентация вируса во многом согласовывалась как с национальным менталитетом, так и с предпринимаемыми властями мерами по борьбе с пандемией, что во многом привело к минимизации последствий и, по сути, к победе над эпидемией.

Мы опирались на тезис о том, что медиа образ вируса как «опасного, но не непобедимого врага», а страны как «поля боя», способствовал снижению социального напряжения и мобилизации населения на взаимодействие в правительством [Калинин, Мавлеева, 2020].

Для уточнения данного тезиса мы провели дополнительное исследование, целью которого является сравнение репрезентации коронавируса в СМИ и «образа» вируса в лингвокультуре вообще. Была поставлена исследовательская задача по анализу тех изменений, которые претерпела репрезентация концепта вследствие разразившейся пандемии и необходимости принятия жестких карантинных мер по борьбе с ним.

Гипотеза исследования состоит в том, что «образ» вируса вообще будет отличаться от медиаобраза коронавируса, что будет свидетельствовать о том, что:

1) в начале - середине 2020 г. СМИ КНР целенаправленно участвовали в кампании по минимизации социальных последствий эпидемии;

2) определенный образ социальной проблемы в данном случае напрямую коррелирует не только с ее восприятием, но и с ее решением.

Так, предметом исследования являются сходства и отличия в репрезентации образа коронавируса в китайском медиа дискурсе начала 2020 г. и образа вируса как такового в корпусе китайского языка Пекинского университета (ВСС).



Методика и материал исследования

Основополагающей теоретико-методологической базой для проведенного анализа стало соединение качественного [Hsieh and Shannon, 2005] и количественного [Neuendorf, 2017] контент-анализа, приемов для исследования концептуальной метафоры [Kovecses, 2016] и методов лингвопрагматики. Контент-анализ больших объёмов текста при помощи компьютерных программ, составляющих списки наиболее частотных слов и сочетаемость слов, позволяет выявить главные сущностные признаки исследуемого объекта, заложить основу для понимания метафорических переносов [Patterson, 2018]. Использование методов качественного контент-анализа для исследования концептуальных метафор - это применимый подход для изучения разных дискурсов [Agbo, Kadiri, Ijem, 2018; Brugman, Burgers, Vis, 2019; Chan, Nyback, 2015].

Материалом исследования послужили подборка медиатекстов по тематике коронавирус (700 новостных собщений) общим объёмом в 326 726 знаков, а также три подборки из подкоркорпусов Пекинского университета (•¶Љw - литературный, ±ЁїЇ - медиакорпус, ‘ЅБмУт - многопрофильный, состоявшие из отдельных предложений, содержащих словорепрезентант •a“Е («вирус»). Объём литературного подкорпуса составил - 25845 знаков, медиакорпуса - 765211 знаков, а многопрофильного подкорпуса - 928523 знаков. Методика исследования состояла из нескольких последовательных шагов: 1. Количественный контентанализ проводился при помощи программы AntConc [Anthony, 2013]. Был составлен список наиболее употребительных знаменательных слов в тематических подборках текстов и коллокаций по ключевому слову •a“Е («вирус»).

1. Выявление закономерностей, в частотности, словоупотреблений в сопоставительном ключе.

2. Автоматизированное сравнение содержания полученных списков слов.

3. Качественный контент-анализ тематических блоков, составленный из списков слов и коллокаций по ключевому слову, выявлении наиболее характерных черт образа вируса.

Результаты исследования и обсуждение

коронавирус медиадискурс пекинский университет

Основой нашего исследования являлась работа с наиболее частотными лексическими единицами собранных корпусов: составление списков слов по частотности в каждом корпусе и последующая группировка слов по тематическим блокам. Стоит отметить, что для анализа были отобраны 100 самых частотных слов в каждом корпусе.

Каждый список слов анализировался дважды: сначала мы убрали незнаменательные слова, а затем провели лексико-семантический анализ, удаляя из списка слова, несвязанные с тематикой ВИРУСА. Оставшиеся лексические единицы были разделены на четыре тематических блока: «содержание (болезни)», «причины и последствия (болезни)», «борьба (с болезнью)», «субъекты и объекты (болезни)».

Тематический блок «содержание» включает в себя лексические единицы описательного характера, который связаны с темой вируса, которые в целом составляют суть заболевания (д€Ћ •a - СПИД; Љґђх - заражение; ґ«ІҐ - распространение; ЋЎБЖ - лечение; ‰u•c - вакцина; Пёѕъ - бактерия; Ћѕ•a - болезнь, заболевание; Љо€ц - ген; Пё°ы - клетка; —¬Љґ - грипп; ‹Ч—¬Љґ - птичий грипп; ЉМ ‰Љ - гепатит.

Тематический блок «причины и последствия» включает в себя лексические единицы причинно-следственного характера, которые отражают причины болезни и ее последствия (€ш‹N - вызывать, приводить к.; ЏoПЦ - возникать; ‘ўђ¬ - приводить к..; —LќБ - эффективный; ЋЂ–S - смерть; ІъЙъ - порождать; ЏЎј¶ - эскалация; µјЦВ - привести к..; ‰uЏо - эпидемия; €цЌџ - вследствие этого).

Тематический блок «борьба» включает в себя лексические единицы, связанные с борьбой с болезнью; мерами, которые могут применяться в отношении противодействия вирусу:

?Хп - диагностировать;

–hЌT - профилактика и контроль;

·ўПЦ - обнаружить;

Ф¤·А - предотвращать;

Њ¤‹† - исследовать;

јмІв - выявлять;

ЧйЦЇ - организовывать;

–h»¤ - защищать.

Тематический блок «субъекты и объекты» включает в себя лексические единицы, отражающие тех, кто стал объектом заболевания или субъектом борьбы с ним;

•ђєє - Ухань;

’†Ќ‘ - Китай;

ђVОЕ - новости;

ЉіЋТ - заболевший;

ЧЁјТ - специалисты;

‘SЌ‘ - вся страна;

ОАЅЎОЇ - Комитет по здравоохранению;

€г‰@ - больница;

ђўЉEОАЙъЧйЦЇ - ВОЗ.

Кроме этих основных тематических групп для списков слов подкорпусов корпуса Пекинского университета также отдельно выделялась тематическая группа «неболезнь», куда вошли лексические единицы, связанные с вирусом, но не как с болезнью:

‰И‹Z - научно-технический;

г¤Вз - сеть;

µзДФ - компьютер;

Њч”\ - функция;

ЊnНі - система;

јЖЛг»ъ - ЭВМ;

Инјю - софт.

Распределение лексических единиц по тематическим блокам представлено в таблице 1.

Как мы видим, в таблице 1 наиболее значимой тематической группой для всех исследованных корпусов стала группа «содержание», что объясняется необходимостью постановки проблемы и ее описания в любом дискурсе. Процентный показатель для этой тематической группы в литературном корпусе выше, чем в других, что связано с повествовательным характером художественных произведений и отсутствием оценочности.

Таблица 1

Распределение лексических единиц по тематическим блокам в списках частотности слов

	Содержание	Причины и последствия	Борьба	Объекты и субъекты	Неболезнь
коронавирус	42,91	9,05	26,83	21,19
литературный	59,87	16,87	0	16,87	13,69
медиакорпус	47,25	17,65	6,39	20,03	8,66
многопрофильный	41,86	16,75	15,25	2,62	19,9

Более интересным является соотношение распределения слов по тематическим группам «причины и последствия» и «борьба с болезнью». Для корпуса «коронавирус» более значимым является описание принимаемых мер по противодействию болезни (26,83% всех слов), чем описание причин и последствий болезни (9,05%). Стоит отметить, что пропорция слов в этой тематической группе для корпуса «коронавирус» самая низкая среди всех исследованных корпусов, что говорит о возможном целенаправленном умалчивании и причин, и последствий возникшей в Китае новой болезни. Для других корпусов тематический блок «причины и последствия» более значим, чем «борьба с болезнью», так, например, в медиакорпусе Пекинского корпуса китайского языка пропорции этих тематических групп составили 17,65% и 6,39% соответственно.

Также стоит отметить значительную пропорцию тематического блока «субъекты и объекты» для корпуса «коронавирус» и медиакорпуса (21,19% и 20,03% соответственно). Это объясняется информационным характером медиатекстов, где субъекты и объекты новости традиционно занимают важное место в тексте. В новостях всегда важно указывать, кто и над чем совершает то или иное действие.

Еще одним этапом сравнения исследуемых корпусов было сопоставление полученных списков слов друг с другом посредством специально написанной программы на языке программирования Python. Наша программа имеет довольно упрощенный функционал, она позволяет сравнить два списка слов друг с другом, на выходе мы получаем новый список слов, которые присутствуют в одном списке и отсутствуют в другом. Кроме того, мы получаем количественное соотношение включенности списков друг в друга, т е. какова пропорция слов из одного списка слов также встречается в другом списке. При этом количественные показатели употребления слов в корпусе игнорируются, единицей анализа является наличие слова в списке, а не количество его употреблений. Подобный анализ позволяет в общих чертах сформировать представление о том, насколько семантически похожи разные корпуса текстов.

Для уточнения результатов в этот анализ также был включен список слов из специально собранного корпуса медиатекстов, не связанного с тематикой вируса - корпус «китайская мечта», который мы использовали в предыдущих исследованиях [Калинин, Сузень, 2020]. Результаты представлены в таблице 2.

Таблица 2

Соотношение содержания списков частотности слов исследуемых корпусов

	Медиакорпус	Многопрофильный	Литературный	Корпус «китайская мечта»
Количество разных слов в списке	23860	28779	2219	7433
Процент сходства со списком корпуса «коронавирус»	61.46	62.47	11.58	30.119

В таблице 2 при полном анализе корпусов текстов безусловное сходство лежит в диапазоне от 11 (совпадение с литературным корпусом) до 30 процентов (совпадение с корпусом «китайская мечта»). При этом совпадение с корпусами медиатекстов и многопрофильного корпуса, подобранных по ключевому слову «вирус» на базе BCC (Beida Chinese Corpus) довольно внушительное - примерно 60%. Если учесть, что примерно 30% слов корпуса - это слова служебные и общеупотребительные, не связанные с образом вируса, что подтверждает совпадение с корпусом «китайская мечта», то можно сделать вывод о том, что специальный корпус «коронавирус» примерно на треть похож по содержанию на корпуса, отражающие образ вируса вообще.

Завершающим этапом нашего исследования стал качественный контент-анализ, который базировался на анализе содержания тематических групп и частотности конкретных лексических единиц, включенных в списки слов разных исследованных корпусов. Также мы рассмотрели коллокации ключевого слова «вирус» в разных корпусах.

Относительно семантического анализа тематических групп списка слов можно сделать следующие выводы:

1. Разнообразие лексических единиц, связанных с противодействием болезни, в корпусе «коронавирус» в сравнении с другими корпусами и присутствие в этой тематической группе военной лексики (ЌR»ч - контратака, ”Ѕ»ч - контратака, ‘j»чХЅ - бой на задержание противника), что также подтверждается проведенным нами ранее анализом о метафорических моделях в репрезентации образа коронавируса [Калинин, Мавлеева 2020].

2. Маленький удельный вес слов с отрицательной оценкой, связанных с последствиями заболевания. Для наглядности мы составили таблицу с наиболее характерными лексическими единицами из этой группы, где посчитали удельный вес каждого слова для корпуса в целом. В связи с особенностями расчета данного параметра, более высокий показатель удельного веса свидетельствует о меньшей значимости данного слова в корпусе.

Таблица 3

Удельный вес лексических единиц с семантикой последствия вируса в разных корпусах

Слово	Коронавирус	Медиакорпус	Многопрофильный
ЋЂ–S (умереть)	2,3	0,7	0,67
?ЋЂ (убить)	16,28	2,62	1,68
?’v (привести к)	4,01	0,75	0,82
‹Ћђў (погибнуть)	39,56	5,93	6,87
”љ·ў (вспыхнуть)	1,86	2,08	2,05

Как мы видим, для слов, связанных со смертельными последствиями, значимость, выраженная в подсчитанном нами удельном весе, в корпусе «коронавирус» ниже, чем в двух других корпусах. При этом нельзя не отметить, что эта разница весьма значительна. Это подтверждает вышеизложенное предположение о том, что в СМИ целенаправленно замалчивалась информация о последствиях вируса.

В то же время лексема ”љ·ў (вспыхнуть), которая формирует представление о вирусной эпидемии как о своего рода «случайности, несчастном случае», которая появляется сама собой, более значима для корпуса «коронавирус».

3. Еще одной отличительной особенностью является большое разнообразие в корпусе «коронавирус» лексических единиц, соотнесенных с тематической группой «субъекты и объекты (болезни)». В других корпусах эта группа намного менее разнообразна, например в много профильном корпусе было выявлено всего таких лексических единицы, тогда как в корпусе коронавирус - 19, в которые входили и названия стран, организаций, и такие лексемы, как ђlАа - человечество.

Анализ коллокаций, проведенный посредством программы AntConc в общих чертах подтвердил полученные выше данные. Для корпуса «коронавирус» наиболее частотными стали употребления ключевого слова с такими знаменательными глаголами как ·ўПЦ (обнаружить), Њ¤‹† (исследовать), Ф¤·А (профилактика), ”љ·ў (вспыхнуть). А для медиакорпуса и многопрофильного корпуса наиболее частотные глаголы: €ш‹N (вызывать), ·ўПЦ (обнаружить), ґ«ІҐ (распространяться), Љґђх (заражать). В корпусах, созданных на основе корпуса текстов Пекинского университета, мы находим больше слов, характеризующих саму болезнь и ее последствия. Что касается прилагательных, то нельзя не отметить использование слова СПЦШ (серьезные (чаще о последствиях или воздействии).

Что касается прилагательных, то нельзя не отметить использование слова СПЦШ (серьезные (чаще о последствиях или воздействии)). В корпусе «коронавирус» данная лексическая единица встретилась всего 2 раза в сочетании с ключевым словом вирус, в то время как для в медиакорпусе - 144 раза, а в многопрофильном корпусе - 186. Даже с поправкой на разницу в объёме корпусов, мы видим существенные отличия.



Заключение

Таким образом, в данном исследовании была продолжена работа по анализу образа вируса в китайских медиа. Мы сравнили образ коронавируса в китайских массмедиа начала 2020 года и образ вируса вообще на основе выборки из подкорпусов корпуса китайского языка Пекинского университета.

В исследовании мы проверяли гипотезу о том, что два образа вируса будут отличаться, что подтверждает высказанное в предыдущих исследованиях предположение о целенаправленной политике по формированию определенного отношения к коронавирусу среди населения КНР посредством СМИ.

Наше предыдущее исследование по образу лихорадки Эбола показало болезнь как «сильного, опасного и смертоносного врага, борьба с которым может и должна быть активной, а на передовой этой борьбы находятся ученые-медики» [Kalinin, 2020]. Этот образ дополняется данными из корпуса китайского языка Пекинского университета, где тематике последствий вируса уделяется большое внимание.

В специальном корпусе текстов «коронавирус», собранном нами в начале 2020 г., образ болезни более нейтральный. Это все-таки враг, но он менее ужасен, менее опасен, не так смертоносен, и, возможно, не принесет серьезных последствий. Борьба с коронавирусом при этом требует мобилизации усилий всего народа, она носит характер защиты от внешнего врага, что очень схоже с традиционной китайской моделью «ответа на внешние вызовы». В текстах про коронавирус доминирует лексика, связанная с противодействием болезням, очень частотны наименования субъектов этой борьбы и объектов болезни. При этом лексические единицы, семантика которых отражает негативные последствия, употребляется реже, чем в других корпусах.

Таким образом, мы можем сделать вывод о том, что количественно-качественный контент-анализ корпусов текстов может являться действенным приемом сопоставительного анализа. Подборки текстов и списки слов по частотности употребления можно сравнивать с помощью современных компьютерных программ, что значительно сокращает время для анализа материала.

Кроме того, разница в образе вируса подчеркивает важную социальную роль языка, который может использоваться не только как инструмент формирования общественного мнения, но и как средство мобилизации общества для решения социально-значимых проблем.



Список источников

1. Sontag S. Illness as Metaphor. New York: Farrar, Straus, and Giroux. 1978.

2. Sontag S. Aids and Its Metaphors. New York: Farrar, Straus and Giroux. 1989.

3. Wodak R., Meyer M. Methods of Critical Discourse Analysis. London EC2A 4PU: SAGE Publications, 2001.

4. Reisfield G.M., Wilson G. R. Use of Metaphor in the Discourse on Cancer // J. Clin. Oncol. 2004.

5. Camus J.T.W. Metaphors of cancer in scientific popularization articles in the British press // Discourse Studies. 2009.

6. Chen E., Lerman K., Ferrara E. Tracking social media discourse about the COVID-19 pandemic: Development of a Public Coronavirus Twitter Data Set // JMIR Public Heal. Surveill. 2020.

7. Xue J. et al. Public discourse and sentiment during the COVID-19 pandemic: Using Latent Dirichlet Allocation for topic modeling on Twitter // PLoS One. 2020.

8. Chaiuk TA., Dunaievska O.V. Fear culture in media: An examination on Coronavirus discourse // Journal of history culture and art research. 2020.

9. Расчепеева Д.Д., Семейкина Е.В., Стеблецова О.В. (2020). Язык медицинской профилактики: дискурс пандемии коронавируса // Международный журнал гуманитарных и естественных наук. 2020. №46. Т 7-3. С. 85-87.

10. Калинин О.И. Дискурсивная метафора коронавируса в СМИ КНР // Вестник Московского государственного лингвистического университета. Гуманитарные науки. 2020. № 8(837). С. 26-37.

11. Калинин О.И., Мавлеева Д.В. Сопоставительный анализ метафорического «образа» коронавируса в СМИ КНР и Республики Корея // Вестник Новосибирского государственного университета. Серия Лингвистика и межкультурная коммуникация. 2020. Т. 4. C. 97-107.

12. Hsieh H.-F, Shannon S. E. Three Approaches to Qualitative Content Analysis // Qual. Health Res. 2005.

13. Neuendorf K.A. The Content Analysis Guidebook. Los Angeles: SAGE, 2017.

14. Kovecses Z. Conceptual metaphor theory // Routledge Handb. Metaphor Lang. 2016.

15. Patterson K.J. Corpus Methodologies and Metaphor // Understanding Metaphor through Corpora. Routledge, 2018.

16. Agbo I.I., Kadiri G.C., Ijem B.U. Critical metaphor analysis of political discourse in Nigeria // English Lang. Teach. 2018.

17. Brugman B.C., Burgersm C., Vis B. Metaphorical framing in political discourse through words vs concepts: A meta-analysis // Language and cognition. 2019.

18. Chan E.A., Nyback M.-H. A virtual caravan - A metaphor for home-internationalization through social media: A qualitative content analysis // Nurse Education Today. 2015.

19. Anthony L. A critical look at software tools in corpus linguistics // Linguistic Research. 2013.

20. Калинин О.И., Сузень А.Д. Идеологема национальной мечты в масс-медиальном дискурсе КНР и США // Социолингвистика. 2020. Т. 1. С. 133-146.



References

1. Sontag, S. (1978). Illness as Metaphor. New York: Farrar, Straus, and Giroux.

2. Sontag, S. (1989). Aids and Its Metaphors. New York: Farrar, Straus and Giroux.

3. Wodak, R., Meyer, M. (2001). Methods of Critical Discourse Analysis. London EC2A 4PU: SAGE Publications.

4. Reisfield, G.M., Wilson, G.R. (2004). Use of Metaphor in the Discourse on Cancer. J. Clin. Oncol.

5. Camus, J.T.W. (2009). Metaphors of cancer in scientific popularization articles in the British press. Discourse Studies.

6. Chen, E., Lerman, K., Ferrara, E. (2020). Tracking Social Media Discourse About the COVID-19 Pandemic: Development of a Public Coronavirus Twitter Data Set. JMIR Public Heal. Surveill.

7. Xue J. et al. (2020). Public discourse and sentiment during the COVID-19 pandemic: Using Latent Dirichlet Allocation for topic modeling on Twitter. PLoS One.

8. Chaiuk, T.A., Dunaievska, O.V (2020). Fear Culture in Media: An Examination on Coronavirus Discourse. Journal of History Culture and Art Research.

9. Raschepeeva, D.D., Semejkina, E.V, Steblecova, O.V. (2020). Yazyk medicinskoj profilaktiki: diskurs pandemii koronavirusa = The language of medical prevention: the coronavirus pandemic discourse. Mezhdunarodnyj zhurnal gumanitarnyh i estestvennyh nauk, 7-3 (46), 85-87. (In Russ.)

10. Kalinin, O.I. (2020). Discoursive metaphor of coronavirus in the PRC media. Vestnik of Moscow State Linguistic University. Humanities, 8 (837), 26-37. (In Russ.)

11. Kalinin, O.I., Mavleeva D.V. (2020). Sopostavitel'nyj analiz metaforich- eskogo obraza koronavirusa v SMI KNR i Respubliki Koreya = Comparative analysis of Coronavirus-Related Discursive Metaphors in PRC and ROK Media. Vestnik Novosibirskogo gosudarstvennogo universiteta. Seriya Lingvis- tika i mezhkul'turnaya kommunikaciya, 4, 97-107. (In Russ.)

12. Hsieh, H.-F., Shannon, S.E. (2005). Three Approaches to Qualitative Content Analysis. Qual. Health Res.

13. Neuendorf, K.A. (2017). The Content Analysis Guidebook. Los Angeles: SAGE.

14. Kovecses, Z. (2016). Conceptual metaphor theory. Routledge Handb. Metaphor Lang.

15. Patterson, K.J. (2018). Corpus Methodologies and Metaphor. Understanding Metaphor through Corpora. Routledge.

16. Agbo, I.I., Kadiri, G.C., Ijem, B.U. (2018). Critical Metaphor Analysis of Political Discourse in Nigeria. English Lang. Teach

17. Brugman, B.C., Burgers, C., Vis, B. (2019). Metaphorical framing in political discourse through words vs concepts: A meta-analysis. Language and Cognition.

18. Chan E.A., Nyback M.-H. (2015). A virtual caravan - A metaphor for home-internationalization through social media: A qualitative content analysis // Nurse Education Today.

19. Anthony, L. (2013). A critical look at software tools in corpus linguistics. Linguistic Research.

20. Kalinin, O.I., Suzen', A.D. (2020). Ideologema nacional'noj mechty v mass- medial'nom diskurse KNR i SSHA = The the national dream ideologeme in the mass media discourse of the PRC and the USA. Sociolingvistika, 1, 133-146. (In Russ.)

Размещено на allbest.ru

...