Сравнительное исследование проявления эмоционального отношения в цифровой среде и реальности (на примере эйджизма)

Введение . Правила и ценности социальных сетей могут в корне отличаться от уклада в реальном мире (Марцинковская, 2023). Для того чтобы быть принятым, индивиду приходится соответствовать и соглашаться с ценностями и нормами обоих пространств при всех их отличиях.

Цель настоящей работы состояла в том, чтобы определить и выявить статистически значимые отличия в эмоциональном отношении к пожилым гражданам у пользователей социальной сети «ВКонтакте» и у людей в реальном мире.

Уровень развития общества и его психологическое здоровье определяется, в том числе его отношением к старшему поколению. В современной реальности цифровая среда также определяет процесс социализации личности, однако сама является стихийной и неуправляемой. По нашему мнению, формирование гражданина, а следовательно, и здорового общества, не ограничено правилами и законами поведения в цифровой среде. Для того чтобы была возможность управлять процессом социализации в онлайн-пространстве, необходимо исследовать и изучать механизмы функционирования цифровой среды и личности в ней, чтобы впоследствии влиять на них и способствовать формированию и конструктивной адаптации цифровой личности (Латынов, Овсянникова, 2020: 69).

Исследование было проведено в рамках работы «Школы прикладного анализа», которую организовали: образовательная компания «Академия DATA-DIVING» (Томск), институт общественных наук РАНХиГС (Москва), Университетский консорциум исследователей больших данных, Томский государственный университет (ТГУ) с 30.05.2024 г. по 25.06.2024 г.

Для отслеживания проявления эйджизма в цифровой среде мы использовали выборку из 10 000 высказываний, предоставленную командой ассоциации «Университетский консорциум исследователей больших данных» в рамках «Школы прикладного анализа данных». Для того чтобы получить ее нами было сформировано техническое задание: прописаны ключевые и стоп-слова, выбрана платформа – социальная сеть «ВКонтакте» (ВК) (табл. 1).

Таблица 1 – Техническое задание

Table 1 – Terms of Reference

Критерий	Характеристики	Результат
Источник данных	СМИ
Период	С 01.03.2024 по 31.05.2024
Тип данных	Текстовые публикации в интернет-средствах массовой информации с фильтром только по ВК	Источник Тип источника. Текстовые публикации. Ссылка на публикацию. Автор. Дата
Маркеры	Пожилой & (коллега or работник or начальник or сослуживец or шеф or сотрудник or руководитель),пенсионер & работа, пенсионер & (коллега or работник or начальник or сослуживец or шеф or сотрудник or руководитель), старожил & (коллега or работник or начальник or сослуживец or шеф or сотрудник or руководитель), аксакал & (коллега or работник or начальник or сослуживец or шеф or сотрудник or руководитель), серебряный & возраст & (коллега or работник or начальник or сослуживец or шеф or сотрудник or руководитель), долгожитель & (коллега or работник or начальник or сослуживец or шеф or сотрудник or руководитель), (старпер or олды or пердун or старый & хрыщ or динозавр) & (коллега or работник or начальник or сослуживец or шеф or сотрудник or руководитель), седой & работник (дедушка or старикан or дед or дедок or баба or бабушка) & (коллега or работник or начальник or сослуживец or шеф or сотрудник or руководитель), сенсей & коллега, пенсы & человек & (коллега or работник or начальник or сослуживец or шеф or сотрудник or руководитель), старый & (коллега or работник or начальник or сослуживец or шеф), мухомор & (коллега or работник or начальник or сослуживец or шеф or сотрудник or руководитель)
Стоп-слова	Куплю, продам, требуется, сдаю, сниму, шеф-повар, ветеран & войны, ветеран & СВО, серебряный & век, серебряная & экономика, альянс, переобучение, восточные & единоборства, пенсы & (валюта or деньги or монеты), пенни, гриб

Затем мы ознакомились с содержанием высказываний и составили список основных эмоциональных реакций в данной выборке, при этом каждой эмоции был присвоен номер: «Злость» – 1; «Раздражение» – 2; «Гнев» – 3; «Непринятие» – 4; «Возмущение» – 5; «Негодование» – 6; «Сарказм» – 7; «Стыд» – 8; «Вина» – 9; «Принятие» – 10; «Сочувствие» – 11; «Радость» – 12; «Удивление» – 13; «Интерес» – 14; «Взволнованность» – 15; «Тревога» – 16; «Жалость» – 17; «Злорадство» – 18; «Мусор» – 0 (высказывания, которые не относятся к проявлению эмоционального отношения к пожилым людям, например, содержащие просто в себе слова «пожилой» или «пенсионер», предложение работы и т. д.).

Проранжировав, согласно данному списку, эмоциональные реакции и избавившись от высказываний, не соответствующих проблематике, мы получили выборку в 2 600 высказываний. Для этого нами была использована программа Polyanalyst1, позволяющая проанализировать большие наборы текстовых данных.

Следующим исследовательским шагом было сведение к одной общей системе статистической обработки полученных данных из цифровой среды и реального мира. Было проведено ранжирование, согласно которому эмоции такого спектра, как сочувствие, взволнованность, тревога, жалость , относились к группе позитивных (1); принятие, удивление, радость, интерес были включены в группу нейтральных (2), а злость, раздражение, гнев, непринятие, негодование, возмущение, сарказм, стыд, вина, злорадство – в группу негативных (3). Соответствующим образом были проранжи-рованы показатели по используемым методикам в реальности. Так, высокие значения по шкалам были отнесены к группе положительных (1), средние – нейтральных (2) и низкие – негативных (3).

В онлайн-среде доступным оказалось использование только цифрового следа человека в виде его высказывания на тему отношения к пожилым людям, в то время как в реальности было проведено несколько психодиагностических методик, характеризующих отношение к возрастным гражданам в действительности. Далее было осуществлено сравнение результатов, полученных при анализе отношения к пожилым людям в цифровой среде, с результатами нескольких методик, исследующих это же отношение в реальной жизни. Был проведен сопоставительный анализ выраженности положительных, нейтральных и отрицательных эмоций.

Результаты . В данном исследовании для изучения высказываний применялась платформа PolyAnalyst. Проект в данной системе представляет собой систему узлов, каждый из которых выполняет определенную функцию (Петров, Саркисова, 2021) (рис. 1).

На этапе ранжирования положительных, нейтральных и негативных эмоций стало очевидно, что последних в цифровой среде было выявлено значительно больше. Очевидно, что данный факт может быть объяснен наличием триггеров (провоцирующих ситуаций) и отсутствием ограничений в проявлении негатива, которые свойственны реальному социуму. Визуально это представлено на дашборде, который был сформирован с помощью программы Plyanalyst (рис. 2).

На рис. 2 представлена тональность высказываний, наибольшими значениями характеризуются категории сочувствия и принятия. Однако, как уже было упомянуто, количество отрицательных показателей гораздо больше (10). Также на дашборде продемонстрирован контент-анализ высказываний, который содержит ключевые слова – «пенсионер», «работа», «пенсия», примечательно то, что отсутствует слово «пожилой». Можно проследить связь ключевых слов, например, «пенсия» – «жизнь» – «индексация» – «работа» – «зарплата» – «возраст». Результаты данной обработки в дальнейшем могут быть использованы для детального изучения отношения к пожилым людям в цифровой среде с целью его коррекции.

Данные, представленные на рис. 3, отражают результат использования методики «Межпоколенные социальные отношения». По показателю «Межпоколенный диалог» только 17 % реальных респондентов и 25 % цифровых полагаются на жизненный опыт, уважают, ценят, находят общий язык с пожилыми людьми и проявляют к ним эмпатию. В то время как 81 % реальных респондентов и 29 % цифровых относятся нейтрально к подобным характеристикам, для них не представляет особой значимости опыт пожилых людей, но они и не реагируют на него негативно. При возникновении триггера, по нашему мнению, большая часть данной категории респондентов проявит негативную реакцию.

Рисунок 1 – Сценарий анализа высказываний

Figure 1 – Scenario for Analyzing Statements

автобус ф

Внук ф

Выход ф дедушка ф

Домф зарплата ф коммуналка ф «у»Ф оформление ф

ПОКОЙ • ребенок ф сила ф студент ф

бабушка ф	возраст Ф6"**1	ф вице-премьер	Ф власть
вода •город	•	Ф вокзал	ф восстановление
	ф государство	ф гражданин	ф дворник
деньги ф	ф депутат	ф диагноз	ф доктор
дорога ф , " г ^защита	ф ДОХОД	ф женщина	Ф жизнь
•	Ф здоровье	ф инвалид	ф индексация
компьютер ф	ф лекарство ^*	ф мать	ф молодежь
налог ф	ф население	фнация	ф образование
оплата ф	ф оружие	ф отец	ф отчисление
пенсионер ф	■вд1^Ь|1ен(,ия	ф повышение	ф поддержка
пособие ф	Ф преобразование	ф^рибмм	ф работа
ресурс ф	ф родитель ч.	ф рынок	ф семья
собрание ф	•	^^^	ф старик
трудф	Фондф «ТРУД"”"	ф экономика

кзчевых слов

Связь терминов (1)

•va* молодей румюдпи 1ИШННМ рабы

автор родетаенчи.

продукт продолжительность жизни

л родпрыниматсл. водетво полиция

граница nporp»vua

ааШа-аяп» рЫыы*.                      .«»—.ч».- дв.^лдл пенсионер-оплата      пенсия—государство пенсионеР Г0Р°А пенсионер-власть ^1-'

пенсионер—желание пенсионер—нация    ПЕНСИЯ—ЖИЗНЬ пенсия—зарплата пенсия—здоровье

проблем. У-ре*дт-ие

транспорт

ояншение "'“’"’^ мужчина ее— „^^ пряло «» ««, умлето. ™« AWW возраст гарод налог РУ« -*• ™ ^ ” „„‘^ ... »W4^«« •» ™x..Z— —-

раб пар.

рябы»—мать

www.,«. пенсионер-день™ ^„„«-«лог ~Z™^«

пенсия-выход пенсионер-дворник П€НСИОНер^ГОСуДЭрСТВО пенсионер—внук пенсионер-студент

жизнь—государство

оружие дача

Работа Деньги рзбОТВ

ЖИЗНЬ пт‘

пенсионер—индексация

пенсионер

работодатель деревья защита пл,         женпрсна лежар работа голов» труд зарплата ПсНСИЯ ши01И поддери.

..оммобьемработн дед ^6 ГОСуДарСТВО „°’'14 “ пациент больниц.           J             г дорога s

,« бюджет           г«“ молодежь работник нация о»

внук дело уровень жизни родитель „родави,

область Р*й"

организация

ет плас                слеза добро сфера -заесть

государство—налог работа—проблема

пенсионер^работа

пенсионер—сила     мать—«*и пенсия—налог пенсия—старик

пенсия—проблема пенсионер—фонд

пенсионер^пенсия

пенсионер—депутат государство—нация деньги—дом

пенсия—закон

праобрааомн.» мер»

“/«*

вывод одежда

п™™,™.,™ пемишч-защига пенсионер—жизнь ™““Hep~"“^™^°X”

"“SJS™ рабьта-р^нок ПвНСИОНвр—рвбвНОК работа-аартата ™«—т,

пенсионер-лекарство пенсия—возраст пеНСИОНер^ЗарПЛаТЭ пенсионер—инвалид пенсия_*|ндексация

..■■ш ребенок—внук                                                                    пенсионер—муж государство-возраст пенсионер-здоровье Пенсионер' -ВОЗраСТ пексия-гтаж пенсионер-коммуналка

•МА'

ребенок-дом работа-возраст пенсионер—дом   пенсионер-проблема пенсионер—население                                   -                        пенсия

^ пенсионер-старик работа-дом ПеНСИОНер-МОЛОДеЖЬ ПВЖЖже₽-««^^,

Рисунок 2 – Результаты анализа больших данных на платформе Plyanalyst

Figure 2 – Results of Big Data Analysis on the Plyanalyst Platform

Рисунок 3 – Результаты по шкале «Межпоколенный диалог», %

Figure 3 – Results on the Intergenerational Dialogue Scale, %

По шкале «Межпоколенное взаимодействие» 25 % респондентов обеих групп проявляют интерес, легко устанавливают контакт, могут находить компромиссы и получать удовлетворение от общения. При этом 46 % респондентов в цифровой среде демонстрируют отсутствие доверия, фрустрированность (тревогу, раздражение и отчаяние), нежелание идти на компромисс. Реальные респонденты в большинстве своем (57 %) не проявляют какой-либо положительной или отрицательной реакции в отношении пожилых людей, им все равно (рис. 4).

Рисунок 4 – Результаты по шкале «Межпоколенное взаимодействие»

Figure 4 – Results on the Intergenerational Interaction Scale

Далее был проведен сравнительный анализ данных по методике «Многофакторный опросник эмпатии». На рис. 5 представлено сопоставление показателей по шкале «Эмпатическая забота».

Рисунок 5 – Результаты по шкале «Эмпатическая забота»

Figure 5 – Results for the Empathic Caring scale

Низкие значения показателей по данной шкале демонстрируют, что респонденты не способны испытывать чувства теплоты, сострадания к другим людям и беспокойства о них, они также не имеют желания помочь. Интересным для дальнейшего исследования является факт 100 % негативных коннотаций ответов реальных респондентов.

Низкие показатели по шкале «Эмпатический дистресс» (рис. 6) свидетельствуют об отсутствии у субъектов исследования в действительном мире тревоги, напряжения и беспокойства, которые могут возникнуть в связи с переживаниями другого человека.

Рисунок 6 – Результаты по шкале «Эмпатический дистресс»

Figure 6 – Results on the Empathic Distress Scale

Сравнительный анализ результатов по методике «Шкала эйджизма» представлен далее на рис. 7.

Figure 7 – Results for the Scale “Prejudice Against the Elderly”

На рис. 7 представлены результаты, которые демонстрируют, что у 3 % респондентов выявлено пренебрежительное отношение к пожилым людям. Большинство (97 %) не проявляют какой-либо положительной или отрицательной реакции в отношении возрастных граждан.

Это же подтверждается другими показателями, полученными по таким шкалам, как «Элементы дискриминации» и «Избегание» (рис. 8–9).

Рисунок 8 – Результаты по шкале «Элементы дискриминации»

Figure 8 – Results on the Elements of Discrimination Scale

Рисунок 9 – Результаты по шкале «Избегание»

Figure 9 – Results on the Avoidance Scale

Как видим, все респонденты проявляют нейтральное отношение. Подобная закономерность может быть объяснена наличием триггера в ситуации оценивания реакции в ВК, что дает большую эмоциональную вовлеченность и, как следствие, выражает спонтанную реакцию человека, что говорит о большей свободе в проявлении эмоций в цифровом социуме (в реальной жизни, особенно при проведении опросов, реакция людей будет скованна или обусловлена результатами социализации). Если у человека сформировано моральное ядро в реальном мире, то и в цифровой реальности оно также будет проявляться.

Заключение . Нами представлен новый подход к исследованию индивидуальности и ее цифрового следа в контексте эмоциональных проявлений. Мы предлагаем отталкиваться от результатов исследования больших данных, благодаря которым мы можем получить характеристики индивидуальности и ее цифрового следа. Значимость проведенного нами исследования заключается также в попытке сопоставить эмоциональные проявления личности в реальной жизни и цифровой среде с тем, чтобы выработать механизм (алгоритм) управления и регуляции проявления эмоций в онлайн-пространстве на примере эйджизма. Мы отдаем себе отчет в том, что полученные результаты являются первым шагом, попыткой исследования цифрового социума и его сравнения с реальным социумом на примере отношения к пожилым людям. Это репрезентация методологии исследования цифрового социума и его сопоставления с реальным социумом.

Полученные результаты свидетельствуют о разнице отношения к пожилым людям в реальном мире и цифровой среде. Мы предполагаем, что из-за наличия триггеров в онлайн-социуме появляется возможность высказывания в основном негативных комментариев. По нашему мнению, в цифровой среде критически мало позитивных триггеров, которые бы поддерживали и закрепляли положительное отношение цифрового социума к пожилым людям. Задача психологов состоит в разработке механизма формирования и вброса в Сеть позитивных шаблонов и формировании культуры положительной эмоции. В результате нами был предложен общий контур продукта, технологии, которая могла бы отслеживать негативные триггеры и вбрасывать позитивные. Нам представляется реальной возможность создания «роя» ботов, которые бы выполняли эту задачу: один из них играл роль отслеживающего и фиксирующего негативные триггеры, в то время как масса других – являлась бы «статистами», дающими положительные комментарии.

На наш взгляд, цифровой социум на текущем этапе его становления представляет собой «бунтующего ребенка», по Э. Берну (2001), которому необходим мудрый и терпеливый наставник – психолог. Предложенные нами боты, как мы предполагаем, будут способны выполнять его функцию в цифровом пространстве.