Факторы формирования политической повестки в недемократических режимах: случай России в 2000-2019

После избрания Владимира Путина Президентом доля бывших военных или сотрудников служб безопасности, а также политиков имевших военное образование среди элит возросла в несколько раз. Крыштановская и Уайт объясняют это необходимостью для нового Президента иметь рядом с собой группу лояльных сторонников на которых он мог бы положиться и с кем мог бы советоваться. Рост числа силовиков во власти после прихода Путина - не уникальное явление, авторы отмечают схожие тренды и у некоторых советских лидеров. Население воспринимало восхождение новой, происходящей из военных, элиты положительно: военные виделись организованной и профессиональной силой, которая принесёт стабильность в управление страной после хаоса перестройки и девяностых.

Помимо того, что значительный процент элит - министров, парламентариев, глав регионов - составляли бывшие военные, менялась и институциональная структура исполнительной ветви власти в России. “Силовые” министерства (Министерство Обороны, Министерство Внутренних Дел) переходили в прямое подчинение к Президенту. Крыштановская и Уайт сравнивали структуру исполнительной власти при Путине с советской системой, Совет Безопасности - с Политбюро, как орган, в котором собраны важнейшие политики и госслужащие страны.

Однако существуют и исследования, в которых утверждается, что роль силовиков в российской политике хоть и велика, но преувеличена. Дэвид и Шерон Ривера исследовали тренды в назначениях госслужащих в сроки президентства Путина и обнаружили, что, несмотря на то, что абсолютное число и относительная доля силовиков в высших эшелонах власти увеличивались, это был не единственный тренд. Согласно их исследованию, одна тенденция осталась незамеченной исследователями - рост числа представителей бизнеса во власти. Они отмечают, что исследование Крыштановской и Уайта преувеличивало масштабы милитаризации элит в ранней России Путина. При этом их исследование подтверждает обнаруженный этими авторами тренд на увеличение числа людей, связанных с частным бизнесом, в элите, и указывает на то, что он был выражен намного сильнее, чем тенденция к милитаризации. Проведённое Риверой и Риверой исследование в начале третьего срока Путина подтвердило их более ранние находки: рост доли силовиков во власти был преувеличен, а во время президентства Медведева эта доля и вовсе уменьшалась. Впрочем, это могло быть вызвано не поворотом в политике и уменьшением реальной силы силовиков, а качественным изменением их роли - вместо того, чтобы открыто занимать руководящие позиции, бывшие военные и силовики могли начать играть более неформальную, скрытую роль.

Так или иначе, наличие значительного присутствия представителей силовых структур во власти, начавшееся с приходом Владимира Путина, не подвергается сомнению, ка не подвергается и то, что силовики, к которым принадлежал и сам Путин, обладают немалым весом в российской политике. Дебатам подвергается лишь степень влияния, оказываемого силовиками на современную российскую политику.

Таким образом, исходя из всего проделанного обзора литературы, можно сформулировать три гипотезы:

H1: СМИ важны для формирования политической повестки в недемократических режимах;

H2: политические партии важны для формирования повестки в недемократических режимах;

H3: силовые ведомства важны для формирования политической повестки в недемократических режимах.

2. АНАЛИЗ ФАКТОРОВ, ВЛИЯЮЩИХ НА ФОРМИРОВАНИЕ ПОВЕСТКИ В РОССИИ

2.1 Тематическое моделирование как метод анализа текстов

C развитием технологий для социальных наук открываются новые возможности по анализу данных, и в том числе по анализу больших и очень больших корпусов текста, доступность которых возрастает из-за цифровизации всех сфер общественной жизни, включая политику. Техники машинного анализа текста набирают популярность в политологии, объединяя в себе элементы как количественных, так и качественных исследований и делая серьёзный вклад в развитие методологии этой науки.

Техники text mining находят широкое применение для самых разнообразных задач в политологии, от анализа частот упоминаний терминов и до алгоритмов машинного обучения. В качестве данных в таких исследованиях выступают официальные документы или речи и выступления политиков, которые могут использоваться для определения законодательной повестки, или материалы СМИ и записи из соцсетей, на основании которых можно изучать общественную повестку, реакцию населения на какое-то событие, настроения в обществе или социальные связи.

Среди алгоритмов машинного обучения в зависимости от принципа их работы выделяются две больших группы. Первая - это так называемое обучение с учителем, или supervised learning. Строго говоря к этим алгоритмам относится, например, широко распространённая линейная регрессия. Эти алгоритмы полагаются на использование некоторых известных заранее “ответов”, то есть, значений зависимой переменной, на основе которых и строится объяснительная модель.

Вторая группа алгоритмов - это unsupervised learning, то есть обучение без учителя. От обучения с учителем они отличаются тем, что у исследователя перед началом анализа нет “правильных ответов”, с которыми можно сравнить предсказания модели. Эти алгоритмы используются для обнаружения неочевидных закономерностей в данных, а одним из основных применений, которое они находят, является кластеризация, то есть поиск и разбиение наблюдений на заранее не определённые группы. К таким алгоритмам относится и тематическое моделирование - группа родственных алгоритмов, основанных на предположении, что текст - это смесь некоторой группы тем из потенциально бесконечного числа.

Вероятностное тематическое моделирование - это подвид так называемого латентного семантического анализа (Latent Semantic Analysis, LSA), потому он также иногда называется вероятностным латентным семантическим анализом, или PLSA (Probabilistic Latent Semantic Analysis). Тематическое моделирование по принципу LSA исходит в своей работе из простых предпосылок: слова, термины, составляющие коллекцию текстов (корпус), объединяются между собой в различные темы, каждый текст состоит из смешанных в некоторой пропорции тем. Эта информация может быть полезна для понимания содержания большого числа текстов, также определения их схожести, так как анализировать темы текста проще, чем отдельные слова (набор возможных тем намного меньше набора всех слов в корпусе). Вероятностный подход к LSA отличается предположением о процессе изначальной генерации корпуса. Он впервые был предложен Томасом Гофманом в 1999 на конференции ACM SIGIR под названием probabilistic latent semantic indexing.

Одна из самых частно применяемых реализаций алгоритма PLSA - модель LDA (Latent Dirichlet Allocation, латентное размещение Дирихле). Эта довольно простая модель была разработана Дэвидом Бли, Эндрю Ыном и Майклом Джорданом в 2002 году. Для неё справедливы все перечисленные выше предпосылки вероятностного семантического анализа. Каждый текст в корпусе рассматривается как набор тем, подчиняющихся некоторому распределению (в случае LDA - распределению Дирихле). Тема же - это набор слов, сходных по значению и тоже распределённых каким-то вероятностным образом.

Как отмечалось выше, вероятностное тематическое моделирование исходит из предпосылки о том, что корпус связанных между собой текстов генерируется, подчиняясь ряду случайных событий с некоторым распределением вероятностей. Перед созданием набора документов задаётся набор используемых в нём тем, после чего генерируется содержание корпуса следующим образом: во-первых, задаётся распределение тем во наборе; во-вторых, в соответствии с распределением вероятностей тем случайным образом выбирается следующее слово текста; в-третьих, из набора слов, относящихся к этой теме, выбирается случайным образом (опять же, в соответствии с некоторым распределением) одно, после чего второй и третий шаги повторяются для всего корпуса. Алгоритмы тематического моделирования направлены на выяснение этих двух распределений вероятностей. Вероятность конкретной темы оказаться в данном документе обозначается gamma, вероятность того, что из этой темы будет выбрано данное конкретное слово - beta. Исследователь при этом делает лишь одно предположение о тематической структуре текста: им задаётся число тем k (хотя существуют алгоритмы, в которых и это не обязательно, так как это число оптимизируется автоматически).

Можно привести несколько примеров использования LDA в политической науке. Пол Димаджо в соавторстве с одним из разработчиков LDA Дэвидом Бли проанализировали статьи американских газет, вышедшие в восьмидесятых и девяностых и посвящённые государственной поддержке искусств. Кевин Куинн с соавторами собрали корпус из 118000 речей, произнесённых в Конгрессе США и выделили темы, составившие политическую повестку.

Тематическое моделирование позволяет анализировать тексты в масштабах, которые раньше не поддавались обработке, и может служить отправной точкой для более точных и тонких исследований. Например, результаты подобной вероятностной тематической разметки могут в дальнейшем стать основой для проработанной схемы кодирования для исследования классификации.

2.2 Сбор и описание данных

Для анализа политической повестки в России автором был собран корпус стенограмм заседаний Государственной Думы РФ начиная с Третьего созыва, то есть с начала 2000 года, и до последнего, доступного на начало мая 2019, то есть до шестой сессии Седьмого созыва ГД, до заседания 18 апреля. Единицами анализа, то есть, отдельными текстами, составившими корпус, были выступления парламентариев. Корпус текстов был собран при помощи скрипта на языке программирования R. Все последующие модели, расчёты и графики также были выполнены при помощи скриптов на языке R в среде RStudio.

Изначально в собранном датасете было более 1300000 строк-наблюдений, то есть более 1300000 отдельных текстов. Однако большинство из них были очень коротки и содержали, в первую очередь, техническую информацию о ходе соответствующего заседания, например, результаты голосования по тому или иному вопросу или объявление числа присутствующих на заседании, а также не несущие смысловой нагрузки формальности проведения парламентских заседаний - благодарности выступающему, вызов спикера, открытие и закрытие заседания и т.п. Поэтому из датасета были удалены все тексты, содержавшие меньше двухсот семидесяти двух символов. Такое значение было выбрано, потому что рассчитанная нами средняя длина слова в полученном датасете составила 9.05 символа, соответственно, были удалены все высказывания, в которых было менее тридцати слов. Стоит отметить, что, возможно, среди них были замечания, несшие в себе смысловую тематическую нагрузку, однако они вряд ли могли являться началом дебатов по какому-либо вопросу, возможно, лишь ответами на выступления спикеров из зала. После удаления коротких текстов длина корпуса составила около 345000 выступлений.

После этого оставшиеся тексты были подготовлены к анализу. Для этого из текстов была удалена вся не несущая тематической нагрузки информация, такая как знаки пунктуации, цифры и лишние пробелы - они ничего не значат сами по себе, кроме того, в датасете такого размера это также помогло немного уменьшить его вес для упрощения работы. Кроме того, все символы были приведены к нижнему регистру, для того, чтобы одно и то же слово, стоящее в начале и в середине предложения не воспринималось алгоритмом как разные слова. Наконец, была произведена лемматизация слов в документах, то есть все слова были приведены к словарной форме.

После этого также была произведена токенизация текстов в корпусе. Токенизация - это процесс разделения текстов на меньшие единицы анализа - токены. Токенами могут выступать как отдельные слова, так и n-грамы, то есть сочетания из n слов. Токенизация используется для частотного анализа содержания текстов - она позволяет выделять как самые часто встречаемые слова в корпусе в целом, так и напротив, находить слова, специфичные для отдельных текстов, а также для анализа взаимного вхождения слов в корпус (корреляции слов), то есть нахождения пар токенов, часто встречающихся вместе в одних и тех же документах.

Из текстов также были удалены так называемые стоп-слова - слова, не несущие в себе важной информации. Стоп-словами являются зависимые части речи, местоимения и т. п. Кроме того, мы дополнили список стоп-слов другими словами, которые часто встречались в корпусе, но также не играли значимой роли в разделении текстов на темы, для улучшения работы алгоритма. К таким словам относились в первую очередь слова и термины, связанные с работой Государственной Думы. Как и в случае с целыми отдельными текстами, состоявшими из технических замечаний, такие слова составляют значительную долю корпуса, так как встречаются почти в каждой речи в каждом заседании Госдумы. Это такие слова, как “дума”, “парламент”, “депутат”, “депутатский”, “закон”, “законопроект”, “фракция”, “повестка” и т. п. Помимо них в список стоп-слов для удаления были включены также слова, относящиеся к обращениям депутатов друг к другу, так же не несущие смысла для разделения корпуса на содержательные темы (“спасибо”, “пожалуйста”, “коллега”, “уважаемый” и т. п.) и слова со слишком общим значением, которые также не могли относиться к какой-то конкретной теме (“большой”, “маленький”, “делать”, “говорить”, “смотреть”, “вопрос” и т. п.).

На рисунке 1 представлено распределение всех выступлений по годам. Можно заметить, что со временем в Думе начало произноситься больше речей, достигшее на данный момент максимума к 2017-2018 годам, то есть текущему, VII созыву, после того, как их число упало в 2007 году, во время работы IV созыва Думы.

Рисунок 1. Распределение речей в Госдуме по годам

После этого было произведено тематическое моделирование корпуса по методу LDA. Так как метод требует от пользователя выбора числа тем, параметру k было присвоено значение “23” - это значение было выбрано потому что именно на столько тем разбита схема кодирования Comparative Agendas Project. Результаты обучения этой модели представлены на рисунках 2-7 в Приложении 1. Перечисленные на иллюстрациях слова - это самые популярные слова в каждой из выделенных тем. Значение beta у этих слов, которое отражают изображённые столбчатые диаграммы - это упомянутая выше вероятность того, что из всех слов, составляющих тему, будет выбрано именно это слово. Стоит обратить внимание на то, что некоторые слова повторяются между разными темами - термины не обязательно относятся лишь к одной теме, но в разных темах они имеют разную вероятность появления.

В такой модели большинство тем можно довольно уверенно интерпретировать, хотя некоторые из них довольно неясны. Тема 1, судя по всему, связана с законодательством и работой органов власти в целом, либо с общественным порядком. Тема 2 посвящена судам и правонарушениям, однако в ней присутствуют и слова, относящиеся к выборам. Тема 3, судя по всему, описывает работу правительства и различные программы, которые оно реализует. Тема номер 4 - самая ясная из первых четырёх, так как она очевидно относится к вопросам, связанным с пользованием землёй и с недвижимостью.

Тема 5 относится к работе правоохранительных органов, о чём свидетельствуют упоминания уголовного права, преступлений, а также собственно указание на прокуратуру и слово “правоохранительный”. Тема номер 6 может быть озаглавлена как “Социальная политика” или ещё более узко как “Здравоохранение”, на это указывают упоминания медицины, страхования и лекарственных средств. Тема 7 - это, очевидно “СМИ”, самым популярным словом в ней является “информация”, но и “средство”, и “массовый”, и, собственно, “сми” тоже присутствуют в топе. 8 может быть озаглавлена как “Международные отношения” - в ней популярны такие слова, как “соглашение”, “договор”, “ратификация”, относящиеся к сфере международного права, а также прямо упоминаются “снг” и “таможенный” “союз”.

Тема 9 - это, судя по всему, своеобразная “патриотическая” тема - в ней в первую очередь упоминаются русский народ и язык, также упоминается и советское наследие, неслучайно и попадание в эту тему названия партии “лдпр”. Слово “единый” может относиться как к названию партии “Единая Россия”, так и говорить о единстве народа и страны, как в названии Дня Народного Единства. Тема 10 - это “Экономика и финансы”, на что указывают слова “банк”, “рынок”, “процент” и, собственно, “экономика”. Тема 11 - ещё одна тема, связанная с социальной политикой, но теперь это “Семья, дети и образование”. Тема 12 - “Федерализм”, отношения Москвы и регионов.

Тема 13 - “Бюджет”, тема 14 - “Рыночная экономика”, потому что в ней присутствуют слова, связанные с частными предприятиями. Тема 15 - это ещё одна тема, как-то связанная с деньгами, как и тема 16, посвящённая бюджету и государственным финансам.

К чему относится тема номер 17 не вполне понятно. В ней упоминаются отчества каких-то политиков, но понять о ком речь нельзя, и все остальные слова весьма общи. Тема 18 вновь о международных отношениях. Тема 19 связана, очевидно, с обеспечением госбезопасности либо с работой МЧС. Тема 20 - это “Пенсии” и всё с ними связанное.

Тема 21 имеет не вполне ясное содержание, но, возможно, также относится ко внешней политике, так как в ней популярны слова “штат” (возможно, из США) и “посол”. Тема 22 - это Великая Отечественная Война, а также содержание ветеранов. Наконец, тема 23 также с трудом поддаётся расшифровке, потому что состоит в первую очередь из имён. Из этих имён легко опознаётся одно - “борис” “вячеславович”, очевидно принадлежащее Б. В. Грызлову. Остальные имена слишком часты в датасете и имеют корреляции с самыми разными отчествами, чтобы предположить, о ком идёт речь.

Таким образом, повестка Государственной Думы РФ состоит из ряда тем, посвящённых социальной политике, экономике, международным отношениям. Темы 6, 11, 20 посвящены различным аспектам социальной политики, темы 10, 13, 14, 15 и 16 - экономике и финансам, а также формированию государственного бюджета, темы 8 и 21 - международным отношения. Отдельные темы посвящены судам, СМИ и правоохранительным органам и государственной безопасности. Присутствуют и специфичные для России темы - тема 12 возникает из-за федерального устройства страны, тема, также частично связанная с социальной политикой, посвящена ВОВ и её ветеранам, наконец, отдельная тема посвящена патриотической политике.

2.3 Связь СМИ и политической повестки в России

Как было показано в первой главе, взаимосвязь между повесткой СМИ и политической повесткой - одна из самых изученных тем в литературе о повестках. СМИ являются агрегаторами информации обо всём, что происходит в обществе, и тем самым могут привлекать внимание властей к тем или иным проблемам. Даже если медиа не могут заставить политиков принять решение по какому-либо конкретному вопросу, они могут менять приоритет важности различных проблем в их глазах. Соответственно, темы, которые получают больше внимания в СМИ, с большой вероятностью получать и большее внимание в парламенте.

Для изучения первой гипотезы нами были рассмотрены корреляции некоторых слов, относящихся к средствам массовой информации, с другими словами из корпуса, чтобы проверить, в каком контексте упоминались СМИ в корпусе, имеются ли основания полагать, что СМИ являются источником информации для парламентариев при формировании повестки, а также имеются ли у упоминаний СМИ пересечения с другими темами, что может свидетельствовать о том, что та или иная тема фигурирует в повестке благодаря СМИ. Корреляции между словами - это показатель того, насколько тесно связаны слова, выраженный через то, как соотносятся между собой вероятность встретить оба слова в одном документе и вероятность встретить только одно, но не второе. Чем выше первая вероятность по отношению ко второй, тем выше значение коэффициента корреляции. Нужно учитывать, при этом, что традиционные статистические представления о величине коэффициента корреляции слабо применимы в этом случае: при таком большом размере корпуса лишь устоявшиеся словосочетания будут иметь коэффициент от 0,5 и выше, который считался бы большим для числовых переменных. Для всех перечисленных ниже слов в Приложении 2 указан список из ста слов с наибольшей корреляцией с ними.

Слово “информация” связано в первую очередь со словами “средство” и “массовый”, что ожидаемо. Помимо этого, в списке также часто встречаются другие слова, связанные со СМИ (“канал”, “телевидение”, “пресса”). Но помимо них есть и другие, указывающие на то, что слово “информация” используется и в более общем значении - “сведения”, “запрос”, “достоверный”, “недостоверный”. Кроме того, много слов указывают на то, что “информация” сама по себе является отдельной темой вне СМИ - слова “безопасность”, “персональный”, “защита”, “предоставление”, “интернет”, “носитель”, “распространение” указывают на недавние законы, посвящённые защите персональных данных россиян.

Для токена “сми” самые сильно скоррелированные слова имеют отношение к различным видам самих СМИ - это такие слова, как “печатный”, “телеканал”, “издание”, “интернет”, “телевидение” и связанные с ними (“тираж”, “освещение”, “вещание”). Немногие слова отсылают к контенту новостей: “убийство”, “агитация”.

Слово “телеканал” в первую очередь упоминалось вместе с другими словами, относящимися к телерадиовещанию (“вещание”, “эфир”, “тв”, “телекомпания”), а также некоторыми другими словами, относящимися к содержанию этого вещания (“дебаты”, “репортаж”, “фильм”), а также название одного из каналов (“вгтрк”). Примечательно появление в списке большого числа слов, имеющих явно негативную окраску: “провокация”, “вакуум”, “искажение”, “цензура”, “клевета”, “ложь”. Это может говорить о том, что информация, подаваемая в СМИ, воспринимается парламентариями в негативном ключе.

Слово “газета” также в основном встречается в сопровождении других терминов, относящихся к СМИ и в частности к печатным изданиям (“публиковать”, “тираж”, “пресса”, “интервью”, а также “телевидение” и “радио”). В то же время, со словом “газета” имеют корреляции слова, возможно относящиеся к содержанию: слова, относящиеся к партиям и политике (названия партий, “избиратель”, “агитация”). Также вновь фигурируют негативные слова: “ложь”, “слух”.

Токен “интернет” ожидаемо, в первую очередь, связан с информационными технологиями: первые несколько десятков слов имеют отношение к компьютерам или техническим аспектам Всемирной Паутины. Некоторые слова, связанные с контентом, указывают на то, что Интернет упоминается парламентариями исключительно как объект регулирования: “блокировка”, “азартный”, “порнография”, “запретить”.

На основании приведённых выше корреляций можно сделать вывод о том, что первая гипотеза не подтверждается, и СМИ не являются важным источником вопросов для парламентской повестки. Различные виды средств массовой информации не упоминаются в контексте других тем парламентской повестки, а слова, которые обычно используются в одних документах с ними - это не часть содержания повестки новостей, а другие слова, связанные с работой этих СМИ. Тема “Средства массовой информации” в некотором смысле содержательно замкнута, и её обсуждения не связаны с обсуждениями других тем. Можно предположить, таким образом, что выделение этой темы в модели указывает не на то, что парламентарии ссылаются на различные СМИ как на источники, а на то, что информационная политика и средства массовой информации являются объектами регулирования, а значит, скорее парламентская повестка имеет как минимум непрямое влияние на СМИ.

2.4 Связь политических партий и политической повестки в России

Согласно литературе о формировании повесток в демократиях, партии также являются одним из основных источников политической повестки. Партии выдвигают вопросы в повестку и продвигают свои решения и политические курсы для них. Согласно теории “владения вопросами”, обычно партии не пытаются сформировать программу по всем возможным вопросам общественной жизни, но фокусируются на отдельных сферах, связанных с их идеологией, либо тех, в которых у них есть практический опыт (например, партия Зелёных будет участвовать в первую очередь в дебатах по вопросам защиты окружающей среды, а партия, представляющая интересы бизнеса - по вопросам микроэкономики, частного предпринимательства или налоговой политике).

Вторая гипотеза исследования исходит из предположения о том, что российские партии также имеют вопросы, которыми владеют, и что их вклад в политическую повестку будет связан с ними. Чтобы это проверить, мы провели анализ партийных манифестов, чтобы определить, какими вопросами владеют российские партии. Мы соотнесли заявленные самими партиями сферы их владения с выделенными темами парламентской повестки, чтобы определить, по каким темам должны были проявлять активность партии. Затем мы проверили корреляции для названий партий (они встречаются в каждом выступлении депутата от той или иной партии, поскольку названия партий вносились в стенограмму вместе с именами выступавших) и фамилий лидеров чтобы определить, насколько та или иная тема была связана с конкретными партиями, а также насколько та или иная партия придерживалась своей предполагаемой “территории” Для использованных здесь слов (названия партий, фамилии лидеров) список из ста самых сильных корреляций указан в Приложении 3.

Во всех созывах Государственной думы, в которых она присутствовала, “Единая Россия” занимала абсолютное большинство мандатов. Её программа сосредоточена на различных вопросах социальной политики, здравоохранении, образовании, жилищной политике, а также на улучшении внешнеэкономических отношений и структуры государственной власти.

Самые высокие значения коэффициентов корреляции для токена “единаяроссия” относятся к парламентариям от партии, судя по всему - Борису Грызлову, Олегу Морозову и Любови Слиске. Помимо этих имён, однако, в списке в основном встречаются слова, относящиеся к органам власти (“управление”, “аппарат”), работе Госдумы и законодательству (“законодательство”, “доработка”, “рассматриваемый”, “фз”, “инициатива”, “текст”), работе судов (“процессуальный”, “арбитражный”, “конституционный”, “судебный”) и правоохранительных органов (“уголовный”, “правонарушение”, “следственный”). Также встречаются отдельные слова, относящиеся и к другим темам (“природопользование”, “предпринимательство”). В целом, можно сказать, что из-за того, что большинство речей в парламенте произносят именно члены “Единой России”, именно она “владеет” большинством тем в повестке.

Коммунистическая Партия Российской Федерации считается наследницей Компартии Советского Союза. На сайте партии можно найти её программу, в которой содержится большое число упоминаний СССР, отсылок к коммунистической идеологии и марксизму-ленинизму. Советский Союз ставится в пример, осуждается Перестройка, а главная цель партии видится в реставрации СССР и установлении социализма.

Расчёт корреляций между названием партии и другими терминами показал, что чаще всего слово “коммунистический” упоминается вместе с фамилиями политиков из партии - Зюганова, Илюхина, Шандыбина и других. Среди фамилий, однако, ожидаемо присутствуют слова “коммунизм” и “советский”, а сразу после упоминаний членов партии в списке начинают встречаться тематические слова. Для рассматриваемого слова они в большинстве своём связаны с Великой Отечественной Войной и памятью о советском наследии. В тематической модели была выделена тема, посвящённая войне и её ветеранам, поэтому можно сделать вывод, что именно этой темой, как относящейся к советскому наследию, КПРФ успешно владеет и выдвигает на повестку.

При расчёте корреляций для термина “кпрф” мы вновь видим, что теснее всего он связан с фамилиями лидера партии и её членов. Также вместе с ним упоминаются названия других партий и слова, связанные с выборами. После них в списке также появляются слова, связанные с советским наследием, такие как “кгб”, “ленин”, “горбачёв”, “труженник”, “социализм”, “товарищ”, а также с Великой Отечественной - “война” и “победа”.

С фамилией лидера КПРФ Геннадия Зюганова имеют высокую корреляцию самые разные слова - относящиеся к его собственной партии (“коммунист”, “кпрф”, “кпсс”), встречаются слова, относящиеся к другим партиям и политикам, такие как “явлинский”, “немцов”, “жириновский”, “спс”. Очень многие слова, связанные с советской эпохой также высоко в списке: уже упомянутое “кпсс”, “горбачёв”, “коммунизм”, “перестройка”, “революция”. Примечательно, что слов, относящихся к Великой Отечественной, характерных для упоминаний его партии, в списке не много - “рота”, “батальон”, “фашизм”, то есть сам лидер партии реже упоминает войну в своих выступлениях в Думе, чем другие коммунисты.

ЛДПР, несмотря на своё название, широко известна как правая партия, высказывающая идеи, которые граничат с популизмом, крайним патриотизмом и национализмом. На сайте партии есть страница с программой. Как и другие партии, ЛДПР имеет позицию по социальным и экономическим вопросам, но это в первую очередь популистские лозунги, а не основания настоящей программы действий. Однако среди положений программы действительно выделяются пункты, связанные с русским национализмом, включая самый первый, посвящённый “возвращению” территорий бывшего СССР. Многие пункты содержат призывы защищать русскую культуру (закон о защите русского языка, отмена “русской статьи” УК), идеи сильной и независимой России.

Как отмечалось выше, название этой партии - это одно из основных слов в теме, которую была определена как “Патриотизм”, и на основании этого уже можно предположить, что ЛДПР своим вопросом владеет. Тем не менее, мы провели разбор корреляций фамилии лидера и названия партии.

Слово “либеральнодемократической” (в таком виде из-за дефиса, который был удалён как знак препинания) среди самых сильно скоррелированных слов имеет слова, которые можно считать относящимися к геополитике: “ирак”, “буш”, “югославии”, “палестинский”, “суверенный”. В отличие от других партий в топ входят и упоминания постсоветских стран: “азию”, “эстонский”, “белоруссию”, “литвой”, “грузии”. Наконец, упоминаются и слова, которые можно связать с русским национализмом: “этнический”, “православный”, “националистический”.

Для аббревиатуры “лдпр” в первую очередь высоко в списке слов, имеющих высокую с ним корреляцию, находятся фамилии членов партии. Также часто встречаются упоминания других партий, и в частности коммунистической. В то же время здесь почти нет слов, связанных с “патриотической” темой, чего можно ожидать от ЛДПР.

Помимо собственного отчества и упоминания названий его партии, с фамилией “жириновский” сильнее всего скоррелированы слова, относящиеся к другим партиям и политикам, причём особенно часто встречаются упоминания коммунистов - “коммунист”, “кпсс”, “советский”, “зюганов”, “коммунизм” среди самых тесно связанных слов. Можно предположить, что лидер ЛДПР активно критикует своих оппонентов. Присутствуют и слова, которые можно так или иначе связать с русским национализмом и геополитическими амбициями: “русский”, “царь”, “империя”, “америка”, “натовский”.

Наконец, “Справедливая Россия” позиционирует себя как социалистическая партия, ставящая на первое место социальную справедливость. При этом в программе партии упоминается, что партия поддерживает рыночную экономику. Большая часть программы посвящена социальной политике и социальной справедливости, поэтому можно ожидать, что название партии будет иметь корреляции в первую очередь с темами, относящимися к образованию, здравоохранению и пенсиям.

Однако в списке слов с самыми высокими коэффициентами корреляции не наблюдается большого числа терминов, относящихся к этим темам. Среди самых сильно скоррелированных слов с токеном “справедливаяроссия” - упоминания парламентариев из этой партии, а также названия других партий (“кпрф”, “лдпр”). Помимо них в списке встречаются слова, относящиеся к самим разным темам: экономике (“кризис”, “инфляция”, “предпринимательство”), культуре (“фильм”, “культура”). Но при этом нет слов, которые можно было бы отнести к главному фокусу партии - социальной политике.

Схожие результаты показывает и фамилия Сергея Миронова. В списке слов, имеющих высокий коэффициент корреляции с токеном “миронов”, присутствуют упоминания других политиков и партий (“зюганов”, “жириновский”, “явлинский”, “коммунист”, “лдпр”), однако почти отсутствуют слова, которые можно было бы однозначно отнести к темам из модели повестки.

Подводя итог, можно сказать, что российские парламентские партии не делят между собой все темы повестки, как этого можно было бы ожидать, однако нельзя однозначно сказать, что партии вообще никак не влияют на парламентскую повестку. Из четырёх партий, представленных в Думе в трёх последних созывах, “Единая Россия” - самая крупная, потому выступления её депутатов охватывают большинство тем, попадающих в повестку, однако также с её упоминаниями сильно коррелируют слова, связанные с государственным управлением, работой Государственной Думы, работой судов и правоохранительных органов. КПРФ и ЛДПР часто упоминаются в одних документах друг с другом, что может свидетельствовать либо о тесном сотрудничестве двух партий, либо напротив, о частых дебатах. Кроме того, каждой из этих двух партий “принадлежит” одна их специфичных тем, выделенных тематической моделью: КПРФ, соответствуя своей связи с КПСС и советским наследием, способствует попаданию в повестку темы, посвящённой Великой Отечественной Войне и ветеранам, при этом значительная часть её программы посвящена социальной политике, но термины из этой темы не связаны с КПРФ; ЛДПР, отличающаяся националистическими взглядами, имеет связь с темой, обозначенной как “Патриотизм”. “Справедливая Россия” не проявляет “владения” никакими темами, с ней коррелируют слова из разных сфер, однако не из той, на которой фокусируется программа партии.

2.5 Связь силовых структур и политической повестки в России

Различные исследования российской политики указывают на тот факт, что в современной российской политике представители силовых структур (бывшие или действующие) играют важную роль. Тем не менее зачастую их влияние имеет непрямой характер и проходит по неформальным каналам и связям, которые трудно отследить стороннему наблюдателю.

Тем не менее, можно сделать предположение, что и формальные институты покажут связь. Нами была предпринята попытка обнаружить корреляции для некоторых слов, относящихся к теме, посвящённой работе правоохранительных органов и увидеть, есть ли там пересечения с другими темами повестки.

Нами были рассмотрены корреляции для слов “правоохранительный”, “прокуратура”, “мвд” и “фсб”, списки из ста самых слов с наибольшим коэффициентом корреляции. указаны в приложении 4. Однако корреляции не показали никаких примечательных результатов: все четыре списка почти полностью состоят из других слов, относящихся к работе этих ведомств - названия органов внутренних дел, такие слова, как “преступник”, “операция”, “розыск”, “уголовный”, “суд”, “арест”, а также слова, относящиеся к конкретным преступлениям: “экстремизм”, “коррупция”, “героин” и т. д. Кроме того, в списках для слов “мвд” и “правоохранительный” выделяется слово “реформа”, относящееся к реформе МВД, проведённой Дмитрием Медведевым. Однако никаких слов, пересекавшихся бы с остальной повесткой Госдумы ни в одном из списков не было.

Таким образом, на основании проведённого анализа можно сказать, что правоохранительные органы не оказывают влияния на парламентскую повестку в России, за исключением того факта, что их работе посвящена отдельная тема. Однако эта тема замкнута внутри себя, и правоохранительные органы не упоминаются депутатами иначе как в контексте борьбы с преступностью.

ЗАКЛЮЧЕНИЕ

Процесс принятия политических решений и формирования политических курсов всегда затрудняется тем, что время и ресурсы, доступные политикам, ограничены, в то время как общественные проблемы, которые могут перед ними встать, потенциально бесконечны. Те проблемы, которые лица, принимающие решения, считают как минимум заслуживающими внимания, называются политической повесткой.

Политическая повестка является, по сути, совокупностью важнейших проблем общества, и потому в демократических государствах развитые институты общественного участия и коллективного решения вопросов являются важными источниками повестки. В частности, политические партии, представляя интересы своих избирателей, фокусируются на вопросах, которыми “владеют”, привлекая внимание других политиков к тем или иным проблемам. Помимо этого, средства массовой информации достаточно независимы и влиятельны, чтобы политики были вынуждены к ним прислушиваться.

Однако не было представлений о том, как проблема отбора вопросов на повестку решается в недемократических режимах. Традиционно считается, что демократические институты, такие как партии, в таких государствах играют роль фасада, а СМИ зависят от власти или подчинены ей. Тем не менее, даже в предполагаемое отсутствие таких эффективных институтов получения обратной связи от общества, власти всё же фокусируют своё внимание на ограниченном числе проблем.

На примере России с 2000 года мы предприняли попытку провести анализ российской законодательной повестки чтобы определить влияние некоторых факторов на её содержание. Для этого нами был собран корпус из стенограмм заседаний Государственной Думы РФ с первого заседания Госдумы Третьего созыва. На основе этого корпуса нами была построена тематическая модель с 23 тремя темами, описывающими повестку Госдумы. После этого темы этой модели были использованы для того, чтобы выяснить, в каком контексте парламентарии упоминают в работе СМИ, проверить, работает ли в Российском парламенте теория “владения” вопросами для партий, и насколько парламентская повестка пересекается с действиями правоохранительных органов.

СМИ не упоминаются в речах парламентариев как источник новостей, и среди слов, относящихся к ним не встречаются слова, относящиеся к другим темам из модели повестки. Большинство слов, использованных вместо со словами, относящимися к СМИ, относятся к различным аспектам их работы, что косвенно свидетельствует о том, что средства массовой информации в политической повестке - в первую очередь объект регулирования.

Результаты для парламентских партий оказались различными. “Единая Россия”, как самая крупная партия из представленных в Думе во всех созывах, в которых она существовала, не имела сильной корреляции ни с одной из тем. Это объяснимо с той точки зрения, что “ЕР” представляет из себя так называемую партию-шатёр. Это означает, что вместо того, чтобы фокусироваться на специфичных вопросах (тем самым “владея” ими), партия старается охватить как можно больше вопросов с наиболее общей позиции, чтобы привлечь как можно больше избирателей. Коммунистическая Партия продемонстрировала владение одной из тем из построенной модели. Она оказалась тесно связана с темой, посвящённой Великой Отечественной Войне, кроме того слова, относящиеся к КПРФ, были скоррелированы со словами, связанными с советским наследием и социалистической идеологией. Либерально-Демократическая Партия также оказалась партией с заметным “владением” вопросом. Хотя как любая рациональная партия она участвовала в обсуждении самых разнообразных тем, особенно сильно она, и в частности её лидер, В. В. Жириновский, была связана с вопросами, так или иначе касающимися патриотизма и русского национализма. Название партии было одним из самых вероятных слов в теме, посвящённой этим вопросам, и, хотя название её имело корреляции с разными малозначащими словами, фамилия Владимира Жириновского имела корреляции со словами, которые также ассоциируются с этой темой. Справедливая Россия не имела заметных корреляций с словами, относящимися к той или иной теме в повестке.

В целом же по второй гипотезе можно сказать, что партии в России не делят вопросы между собой по принципу “владения”. Например, КПРФ и Справедливая Россия уделяют много внимания вопросам социальной политики в своих программах, однако не имеют сильной связи с этой темой. Тем не менее, КПРФ и ЛДПР демонстрируют и подтверждают владение каждая одной из тем в модели повестки: Великая Отечественная война для КПРФ как часть советского наследия, патриотизм и национализм для ЛДПР как часть её идеологии. Стоит отметить, что эти две темы довольно специфичны. Всеми остальными темами владеет “Единая Россия”.

Силовые ведомства также упоминались лишь в контексте их собственной работы. Несмотря на то, что работа правоохранительных органов была одной из важных тем в модели, она вообще не пересекалась с другими темами, а потому по результатам данного анализа нельзя говорить о полном подтверждении третьей гипотезы.

Перспективами данной работы представляется более тонкое изучение парламентской повестки и её источников, чем с помощью машинного анализа большого корпуса текстов. Возможными методами являются кодирование повестки медиа и сравнение её с парламентской, а также экспертные интервью с депутатами.

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ