УДК 004
DOI: 10.36871/26189976.2026.02-5.008

Авторы

Раиса Сайд-Ахметовна Гацаева,
Старший преподаватель кафедры математический анализ, алгебра и геометрия, Чеченский государственный университет имени А.А. Кадырова, Грозный, Россия
Зурида Борисовна Батчаева,
Заместитель директора по молодежной политике института цифровых технологий, Северо-Кавказская государственная академия, Черкесск, Россия
Марина Геннадьевна Плотникова,
Кандидат философских наук, доцент института креативных индустрий, Донской государственный технический университет; профессор кафедры «Графический дизайн», Южно-Российский Гуманитарный институт; магистрант кафедры «Конструирование, технологии и дизайн» ИСОиП (филиал) ДГТУ в г. Шахты, Россия

Аннотация

В статье рассматривается применение методов машинного обучения для анализа данных социальных медиа, которые представляют собой важный источник информации о поведении пользователей, общественных настроениях и актуальных трендах. Описываются основные подходы, включая обработку естественного языка, классификацию текстов, анализ тональности и выявление скрытых закономерностей. Особое внимание уделяется практическим возможностям использования таких технологий в маркетинге, политическом анализе, мониторинге общественного мнения и управлении репутацией. Наряду с преимуществами рассматриваются ключевые вызовы, такие как проблемы качества данных, вопросы конфиденциальности, этические ограничения и интерпретируемость моделей. Делается вывод о необходимости комплексного подхода к внедрению машинного обучения в анализ социальных медиа с учетом технологических и социальных факторов.

Ключевые слова

машинное обучение
социальные медиа
анализ данных
обработка естественного языка
анализ тональности
большие данные
искусственный интеллект
поведенческий анализ
конфиденциальность
этика

Список литературы

[1] Целых А.Н., Котов Э.М. Применение алгоритмов машинного обучения в прикладных задачах : учебное пособие. – Ростов-на-Дону ; Таганрог : Издательство Южного федерального университета, 2025. – 124 с.

[2] Ракитский А.А., Дементьева К.И. Методы машинного обучения : учебно-методическое пособие. – Новосибирск : Сибирский государственный университет телекоммуникаций и информатики, 2023. – 35 с.

[3] Целых А.Н., Васильев В.С., Котов Э.М. Применение временных рядов для анализа больших данных : учебное пособие по курсу «Математические методы анализа больших данных». – Ростов-на-Дону ; Таганрог : Издательство Южного федерального университета, 2021. – 84 с.

[4] Блинов В.Л., Дерябин Г.А. Анализ эксплуатационных данных ГТУ с помощью методов машинного обучения : учебное пособие ; под ред. В.Л. Блинова. – Екатеринбург : Издательство Уральского университета, 2023. – 100 с.

[5] Смирнов Д.А., Волкова Н.С. Применение машинного обучения в образовательных системах // Информационные технологии. – 2022. – № 8. – С. 23–30.

[6] Фёдоров П.Н. Аналитика обучения (Learning Analytics) в современном вузе. – М. : КНОРУС, 2021. – 174 с.

[7] Захарова Т.В. Персонализация обучения на основе искусственного интеллекта // Педагогика. – 2024. – № 2. – С. 67–75.

[8] Баранов С.Г. Информационные системы и технологии в образовании. – Ростов н/Д : Феникс, 2020. – 287 с.

[9] Министерство науки и высшего образования Российской Федерации. Цифровая образовательная среда : методические рекомендации. – М., 2022. – 96 с.

[10] Громов А.Ю. Этические аспекты применения искусственного интеллекта в образовании // Образование и наука. – 2023. – Т. 25, № 7. – С. 112–128.