Результаты

Научные и прикладные результаты
реализации проекта

Научные результаты

1. Разработана и апробирована методология идентификации девиантных сообществ (с помощью методов поиска по лингвистическим маркерам, «снежного кома», алгоритма выявления маркерных сообществ на основе теста статистической значимости, ручной экспертной разметки сообществ по категориям небезопасного контента).

2. Разработана и апробирована модель распространения деструктивного контента в социальной сети «ВКонтакте».

3. Обнаружены и представлены структура и коммуникативные стратегии девиантных сообществ.

Это особенно характерно для сообществ с депрессивным, суицидальным контентом и контентом о самоповреждениях. В зарубежном сегменте социальных сетей подобные сообщества создаются для помощи и поддержки их участников, которые являются более сплоченными и связанными друг с другом, больше коммуницируют.
Девиантное онлайн-поведение российских пользователей – поведение, направленное на изолированное персональное потребление небезопасного контента. Эта специфика может быть связана с существующими в российском обществе табу и стигмой по отношению к открытому публичному обсуждению таких явлений, как депрессия, самоповреждающее поведение, суицидальные мысли и намерения.

5. Обнаружена и представлена специфика содержания девиантных онлайн-сообществ.
Высокая гетерогенность содержания сообществ с небезопасным контентом, разное соотношение нейтральных и небезопасных публикаций в сообществах с небезопасным контентом, в зависимости от конкретной категории.

Это особенно характерно для сообществ категорий «ненависть и агрессия», «жестокий контент», «употребление ПАВ», «депрессивный контент», «суицидальный контент», «самоповреждающее поведение»), когда публикации, размещенные в сообществе одной тематической категории, относятся к сообществам других тематических категорий.

6. Обнаружена значительная доля (до 96%) сообществ в социальной сети со смешанным контентом, содержащих незначительную долю небезопасного контента. Такие сообщества имеют развлекательную направленность, но содержат скрытую пропаганду употребления психоактивных веществ (алкоголя, наркотиков, курения табака и пр.), самоповреждающего поведения, расстройств пищевого поведения, их романтизацию, преподнесение как нормы и эффективного способа разрешения трудностей и жизненных проблем.

Девушки интересуются контентом девиантных сообществ чаще, чем юноши (%): 62 против 58 среди студентов, 71 и 56 среди старшеклассников, соответственно.
В структуре информационного потребления пользователей преобладает депрессивный контент (17.8% студентов, 27.2% старшеклассников), различные формы агрессивного контента (национализм 8.5 и 4.7%, ненависть и агрессия 8.1 и 6.7%, жестокость 7.9 и 9.6%, криминальная субкультура 4.6 и 6.7%), а также контент о самоповреждениях (6 и 5.9%, соответственно).
Для старшеклассников, в сравнении со студентами, характерен более выраженный интерес к небезопасному контенту (85% против 56%), в частности, к депрессивному: 27.2 и 17.8%, жестокому: 9.6 и 7.9%, контенту об употреблении психоактивных веществ: 5.4 и 3.8%.
Среди старшеклассников Республики Тыва, по сравнению с другими регионами Сибирского федерального округа, в 1.5-2 раза меньше человек с проявлением высокого уровня интереса к небезопасному контенту. Однако по интенсивности проявления этого интереса (среднее количество подписок на одного человека) девушки превалируют и над юношами (1.6 и 1.2), и над девушками других регионов (жестокий контент, ненависть и агрессия, эстетика зла и смерти).
В Республике Алтай, по сравнению с другими регионами Сибирского федерального округа, девушки отличаются более высоким уровнем интереса к вульгарному, депрессивному, суицидальному контенту и контенту о самоповреждающем поведении, а юноши – к контенту об употреблении психоактивных веществ, оружии и криминальной субкультуре.
Более 50% старшеклассников, проживающих в Сибирском федеральном округе, имеют в подписках сообщества с небезопасным контентом, причем таких подписчиков больше среди девушек, чем среди юношей. Старшеклассники-юноши больше интересуются контентом о национализме и оружии, девушки – депрессивным и суицидальным контентом.

8. Обнаружены и показаны связи между разными уровнями выраженности индивидуально-психологических характеристик и цифровым следом.

Установлена связь высокого уровня выраженности индивидуально-психологических характеристик с потреблением небезопасного контента девиантных сообществ социальной сети «ВКонтакте» (p<0.05).

Нейротизм – вульгарный, депрессивный контент, ПАВ, криминальная субкультура.
Психопатия – жестокий контент, ненависть и агрессия, национализм, эстетика зла и смерти, криминальная субкультура, ПАВ, самоповреждения.
Макиавеллизм – вульгарный, жестокий контент, ненависть и агрессия, оружие, криминальная субкультура, ПАВ, самоповреждения.
Нарциссизм – депрессивный, суицидальный контент, ПАВ, самоповреждения, ненависть и агрессия, национализм, криминальная субкультура.
Депрессия – депрессивный, суицидальный, жестокий контент, эстетика зла и смерти, криминальная субкультура, ПАВ, самоповреждения.
Тревога – депрессивный, суицидальный, жестокий контент, эстетика зла и смерти, криминальная субкультура, ПАВ, самоповреждения.
Соматические самоповреждения – депрессивный, суицидальный, жестокий контент, эстетика зла, криминальная субкультура, самоповреждения.
Инструментальные самоповреждения – депрессивный, жестокий контент, ненависть и агрессия, национализм, эстетика зла и смерти, самоповреждения.
Стратегия самоповреждения «воздействие на других» – депрессивный, суицидальный, жестокий контент, ненависть и агрессия, ПАВ, самоповреждения.
Стратегия самоповреждения «восстановление контроля над эмоциями» – депрессивный, суицидальный, жестокий контент, ненависть и агрессия, ПАВ, самоповреждения.
Стратегия самоповреждения «избавление от напряжения» – депрессивный, суицидальный, жестокий контент, ненависть и агрессия, ПАВ, самоповреждения.
Стратегия самоповреждения «изменение себя, поиск нового опыта» – депрессивный, жестокий контент, ненависть и агрессия, ПАВ, самоповреждения.
Проблемное использование социальных сетей – депрессивный, суицидальный, жестокий контент, криминальная субкультура, самоповреждения.

Доброжелательность – вульгарный, депрессивный, жестокий контент, ПАВ, национализм, эстетика смерти, криминальная субкультура.
Сознательность – ПАВ, ненависть и агрессия, криминальная субкультура, эстетика смерти.
Экстраверсия – вульгарный, депрессивный контент, ПАВ, криминальная субкультура.

Наиболее статистически значимые данные цифрового следа для прогнозирования депрессии, тревоги, стресса, «большой пятерки» личностных черт (экстраверсия, нейротизм, доброжелательность, сознательность, открытость опыту) являются половозрастные характеристики, статус в социальной сети, количество друзей, подписчиков, сообществ, фотографий, фотоальбомов, статус отношений, направление обучения в университете.Наиболее статистически значимые данные цифрового следа для прогнозирования тревоги, депрессии, видов и стратегий самоповреждающего поведения, проблемного использования социальных сетей, «темной триады» личностных черт (макиавеллизма, нарциссизма, психопатии) являются пол пользователя, статус профиля, количество подписчиков, подписки на сообщества с депрессивным контентом, реакции пользователя («лайки») на определенные тематические кластеры (пандемия коронавируса, любовь, знакомства и близкие отношения, мировоззрение, успех и пр.) являются статистически наиболее значимыми для прогнозирования.

Онлайн-активность пользователей в социальной сети в ночное время связана с высоким уровнем тревоги и нейротизма.
Негативная тональность постов не связана с ночным временем нахождения в социальной сети.

11. Обнаружена закономерность среди пользователей, в подписках которых встречается небезопасный контент: чем выше уровень выраженности психологической характеристики (психопатия, тревога и др.), тем более выражен интерес к небезопасному контенту.

Модель прогнозирования «большой пятерки» личностных черт (нейротизм, экстраверсия, доброжелательность, сознательность, открытость опыту), депрессии, тревоги, стресса, интернет-зависимости по данным профиля, постам, подпискам: 2857 респондентов, алгоритм LightGBM, диапазон значений точности и полноты (%) – 57.0-88.7 и 57.2-98.5.
Модель прогнозирования «темной триады» личностных черт (психопатия, нарциссизм, макиавеллизм), депрессии, тревоги, инструментальных и соматических видов самоповреждений, стратегий самоповреждений: восстановление контроля над эмоциями, воздействие на других, избавление от напряжения, изменение себя, поиск нового опыта, проблемного использования социальных сетей по данным профиля, постам, подпискам, профилю обучения: 4023 респондентов, алгоритм LightGBM, диапазон значений F-меры, точности и полноты (%) – 45.7-83.4, 46.7-71.8 и 44.6-99.8.
Модель прогнозирования «темной триады» личностных черт (психопатия, нарциссизм, макиавеллизм), депрессии, тревоги, инструментальных и соматических видов самоповреждений, стратегий самоповреждений: восстановление контроля над эмоциями, воздействие на других, избавление от напряжения, изменение себя, поиск нового опыта, проблемного использования социальных сетей по данным профиля, постам, подпискам, реакциям на контент («лайкам»): 5254 респондентов, алгоритм CatBoost, диапазон значений F-меры, точности и полноты (%) – 61.0-75.0, 58.0-100.0 и 52.0-75.0.
Разработку и апробацию подобных моделей эффективнее проводить отдельно на каждой выборке респондентов, поскольку в случае объединения выборок студентов и старшеклассников качество работы модели прогнозирования незначительно, но ухудшается (на 1.51%).

Значения точности и полноты для «большой пятерки» личностных черт (%): 91.2 и 95.5 для доброжелательности, 75.4 и 91.1 – экстраверсии и 51.5, 61.3 – эмоциональной устойчивости, 85.6 и 98.3 - сознательности и 85.4 и 96.3 – открытости опыту.
Значения точности и полноты для высоких значений тревоги, депрессии и стресса (%): 57.7 и 78.3, 65.6 и 77.9, 61.6 и 76.3, соответственно.

С учетом отсева данных в процессе предобработки, рекомендуемая минимальная выборка для обучения прогностических моделей должна быть в 2-3 раза больше (7000-10000 респондентов). Увеличение объема данных позволяет существенно повысить точность и полноту модели прогнозирования.

15. Разработана и апробирована комплексная Data-Driven модель идентификации и прогнозирования факторов риска психологической безопасности пользователей в социальных сетях, которая включает:

а) индивидуально-психологические характеристики пользователей;

б) характер потребления информации в социальной сети;

в) специфику потребляемого контента в социальной сети;

г) характеристики цифрового следа (в т.ч. особенности онлайн репрезентации, онлайн поведения и временного контекста).

Модель разработана с применением методов и алгоритмов интеллектуального анализа данных масштабного исследования на массивах данных более 20 тыс. респондентов, содержащих свыше 1 млн. измерений.
В упрощенном виде модель представляет собой:
Интраиндивидуальные риски + Интериндивидуальные риски + Информационный риски / Цифровой след = Факторы риска психологической безопасности пользователей в социальных сетях
Интраиндивидуальные риски: высокий уровень выраженности тревоги, депрессии, нейротизма, психопатии, признаков самоповреждающего поведения (p<0,05). Риск уязвимости перед онлайн-угрозами возрастает прямо пропорционально росту уровня выраженности указанных признаков психологического неблагополучия и/или заострения личностных характеристик (p<0,05).
Интериндивидуальные, в т.ч. коммуникативно-поведенческие риски: негативная коннотация статуса профиля; постинг, репостинг, отметки «нравится» («лайки») и другие онлайн-реакции (эмодзи) на небезопасный контент (p<0,05).
Информационные риски:
а) подписки на группы/сообщества и/или сетевая активность в группах/сообществах с небезопасным контентом;
б) наличие друзей онлайн или подписок на пользователей, демонстрирующие постинг, репостинг, «лайки» и другие онлайн-реакции на небезопасный контент. Подписки на сообщества из 2-х и более категорий небезопасного контента или подписки на 2 и более сообщества значимо повышают риск психологической безопасности пользователя (p<0,05).
Риски цифрового следа: количество друзей онлайн, подписчиков, преимущественно ночное (соответственно часовому поясу) время онлайн-активности.
Общий уровень психологической безопасности конкретного пользователя определяется на основе комплекса указанных данных с учетом того, что наличие признаков риска из 2-х и более категорий небезопасного контента повышает уязвимость пользователя перед онлайн-угрозами.

Прикладные результаты

1. Классификатор форм небезопасного контента социальной сети «ВКонтакте»
Классификатор регулярно обновляется за счет мониторинга сообществ с небезопасным контентом, исключения заблокированных и удаленных сообществ, добавления новых категорий и соответствующих им сообществ. В 2019 г. классификатор включал 471 сообщество, в 2020 г. – 2251, в 2021 г. – 2843, в настоящее время (май 2022 г.) включает 4147 уникальных сообществ с небезопасным контентом.

Включает уникальные девиантные сообщества, пропагандирующие:
- употребление психоактивных веществ (алкоголя, наркотиков, курения и пр.);
- ненависть и национализм;
- жестокий контент (изображения жестоких убийств, издевательств, крови, трупов и т.п.);
- субкультуру true crime (от англ. true crime — настоящее преступление) с контентом об известных убийцах и их жестоких деяниях;
- контент об оружии, его видах и способах применения;
- скулшутинг (вооруженные нападения в учебных учреждениях);
- преступный контент (субкультура «АУЕ», мошенничество);
- самоповреждающее поведение (самопорезы, опасные манипуляции с телом, расстройства пищевого поведения);
- депрессивный и суицидальный контент;
- вульгарный контент;
- контент, эстетизирующий зло и смерть.

Сервис реализован в двух вариантах:
1) в системе «Электронный университет – MOODLE» ТГУ – методики автоматизированы с помощью встроенного веб-сервиса «Психодиагностика»;
2) на платформе Университетского консорциума исследователей больших данных.

3. Веб-приложение «Детектор опасного контента» для мониторинга факторов риска безопасности среди учащихся по пользовательским данным из социальной сети «ВКонтакте», доступное абсолютно для всех пользователей после регистрации на платформе Университетского консорциума исследователей больших данных https://lk.opendata.university/login.

Позволяет сравнивать список подписок из профиля конкретного пользователя в социальной сети с со списком сообществ с небезопасным контентом, классифицированным по тематическим категориям.
Может быть использован школьниками и студентами для самоанализа, а также их родителями, педагогами и тьюторами, сотрудниками психологических служб образовательных организаций.

4. Веб-приложение для самодиагностики психологических характеристик и саморегуляции небезопасных эмоциональных состояний и поведенческих проявлений (тревога, депрессия, стресс, панические атаки, самоповреждающее поведение) https://t.me/patronus_tsu_bot?start=start_FPJMei65

5. Базы данных пользователей социальной сети «ВКонтакте»

База данных 3251 студентов ТГУ: социально-демографические характеристики, результаты психодиагностики по методикам «Короткий портретный опросник Большой пятерки», «Шкала депрессии, тревоги и стресса», «Тест интернет-зависимости» К. Янг, данные профиля, подписки, посты, тональность постов, время нахождения онлайн.

Базы данных 9931 студентов ТГУ и 4172 старшеклассников: социально-демографические характеристики, результаты психодиагностики по методикам «Короткий опросник Темной триады», «Шкалы тревоги и депрессии» А.Т. Бека, «Шкала самоповреждающего поведения» Н.А. Польской, анкета «Использование социальных сетей» В.В. Мацута, данные профиля, подписки, посты, реакции на контент).

Базы данных 5003 студентов и 4352 старшеклассников гг. Томска, Тюмени, Воронежа, Нижнего Новгорода, Москвы, Севастополя: социально-демографические характеристики, результаты психодиагностики по методике «Короткий портретный опросник Большой пятерки», данные профиля, подписки.

База данных 193 студентов техникумов г. Томска и Томской обл.: социально-демографические характеристики, результаты психодиагностики по методикам «Опросник диагностики склонности к агрессии» А. Басса и М. Перри, «Шкала тревоги и депрессии» А.Т. Бека, «Шкала самоповреждающего поведения» Н.А. Польской, анкета «Модификации тела и самоповреждения» Н.А. Польской и А.С. Кабановой, данные профиля, подписки, время нахождения онлайн.

Базы данных 59820 старшеклассников и студентов гг. Томска и Барнаула и 61609 старшеклассников Сибирского федерального округа: социально-демографические характеристики, данные профиля, подписки.

6. Объединенный, обработанный и подготовленный к анализу набор данных (результаты психодиагностики, данные цифрового следа).

Набор данных уникален, поскольку социальная сеть «ВКонтакте» – единственная социальная сеть, позволяющая использовать открытые пользовательские данные – другие социальные сети (Facebook, Instagram, Messenger, Twitter и др.) несколько лет назад закрыли такую возможность для исследователей, сейчас они заблокированы в соответствии с требованиями Роскомнадзора. Однако и сам набор данных, и способы его применения для построения моделей и проверки гипотез можно распространять на другие социальные сети.

7. Методические рекомендации по проведению мониторинга и снижению факторов риска цифровой безопасности детей, подростков и молодежи https://shkola.tsu.ru/recomendation.pdf

Результаты интеллектуальной деятельности

1. Мацута В.В., Фещенко А.В., Гойко В.Л., Уляков М.А., Петров Е.Ю. Программа для электронных вычислительных машин (программы для ЭВМ) «Платформа психологической диагностики с авторизацией респондентов в социальной сети «ВКонтакте»». – Свидетельство о государственной регистрации №2021612933 от 26.02.2021 г. – Правообладатель: Томский государственный университет.

2. Мацута В.В., Гойко В.Л., Фещенко А.В. База данных результатов психологической диагностики и пользовательских данных социальной сети «ВКонтакте» вузовской молодежи. – Свидетельство о государственной регистрации №2021621266 от 15.06.2021 г. – Правообладатель: Томский государственный университет.

3. Мацута В.В., Гойко В.Л., Фещенко А.В. База данных результатов психологической диагностики и пользовательских данных социальной сети «ВКонтакте» учащихся старших классов.