книги2 / 224-1

В свою очередь, с целью определить эффективность метода анализа контента социальных сетей, как способа определения уровня и важных особенностей адаптации иностранных студентов нами проведен анализ контента аккаунтов иностранных студентов города Челябинска в социальной сети ВКонтакте. В ходе анализа рассмотрено 30 персональных аккаунтов пользователей из стран Африки, Аравийского полуострова, Ближневосточного и Дальневосточного регионов.

Первый блок анализа контента был посвящен степени открытости иностранных пользователей к общению. Получены следующие результаты: чаще всего профили иностранных учащихся носят открытый характер (80 % профилей). Это может косвенно

послужить признаком, готовности к общению хотя бы в режиме виртуальной коммуникации. Отметим, что в большинстве случаев, когда профиль носил закрытый характер, его владельцами были представители традиционных культур с низкой степенью открытости. Степень контактности может характеризоваться как оптимальная (от 100 до 500 контактов), чаще всего в контактах отражается реальный круг респондентов. Респонденты, имеющие расширенный круг контактов (более 500), чаще всего относились к числу своеобразных медийных персон (фотомодели, общественные деятели, представители творческих профессий, активные участники студенческих объединений). При этом следует учитывать, что готовность к общению и взаимодействию может носить и односторонний характер или быть в латентном состоянии. В таком случае об уровне адаптации будет свидетельствовать, скорее, языковой характер взаимодействия. Так как социальная сеть ВКонтакте в первую очередь рассчитана на русскоязычную аудиторию, основной язык ведения аккаунта – это русский язык, реже – английский, владельцы аккаунтов выражают стремление быть понятыми среди русскоязычных читателей, удовлетворить таким образом потребность в самовыражении. Однако такие посты чаще получают отклик среди читателей представителей собственной диаспоры.

Суммируя полученные результаты, возможно сделать промежуточные выводы. В целом, иностранные студенты открыты для коммуникации, отличаются широким кругом общения,

560

способны привлечь и заинтересовать широкий круг читателей, однако среди русскоязычного населения их посты пока еще отклик не находят.

Второй блок анализа был посвящен исследованию визуального контента социальных сетей. На наш взгляд, данный вид анализа поможет получить наиболее полную информацию о характере адаптации иностранных студентов. В ходе реализации второго блока анализа отмечены следующие особенности: чаще всего регион репрезентации в социальной сети – это регион обучения иностранных студентов, а не родной регион (95 %). Этот результат указывает на заинтересованность студентов в адаптации к новому региону проживания. Данная ситуация представляется вполне объяснимой: собственный регион проживания студентов уже «освоен», в том числе и визуально (фотографии в семейном архиве, имеющиеся изображения в сохраненных фотографиях), а новое пространство вызывает естественное желание закрепить полученный опыт впечатлений в визуальном контенте; Достаточно проблемным видится аспект насыщенности внеучебной деятельности среди иностранных студентов, отраженный в однообразии форм и мест проведения досуга, при всем желании иностранных студентов знакомиться с новой средой обитания, территория освоения нового пространства» достаточно ограничена, возможно это связано с двумя аспектами: с психологическим страхом допустить ошибку в процессе межкультурного взаимодействия, с другой стороны, с недостаточной информированностью студента о возможностях городской среды, что указывает на несовершенство существующей системы социальной адаптации. Анализ характера социальных связей свидетельствует о том, что несмотря на достаточно большое число виртуальных связей в реальной жизни иностранным студентам сложно поддерживать контакт с их окружением, что может указывать на несовершенство системы социальной адаптации (групповые фотографии встречаются гораздо реже, чем одиночные). Также мы видим, что большинство виртуальных контактов иностранных студентов – это представители их диаспор, а не представители страны обучения.

561

Если детально изучить содержание презентуемой информации с целью выявления особенностей визуально-вербальной фокусировки

на культуре принимающей стороны, возможно сделать следующие заключения: иностранных студентов в культуре и социальной жизни принимающей стороны больше интересуют такие сферы, как учебная деятельность, искусство, бытовой уклад. Вероятно, в качестве рекомендаций для тех структур, которые отвечают (или берут на себя соответствующие обязательства) за систему адаптации иностранных студентов, следует учитывать данные сферы как наиболее подходящие для построения диалога с приезжающими иностранными студентами. Также студенты уделяют большое внимание самоидентификации, часто обращаются к внутренним ощущениям, возникшим в новых условиях. Подтверждением этого можно рассматривать использование философско-психологических

статусов и цитат, которые активно циркулируют и размещаются ими в виртуальном пространстве.

Выводы. Таким образом, можно прийти к выводу, что приезжающие иностранные студенты изначально позитивно и с энтузиазмом относятся к жизни в новых социальных и культурных условиях, открыты к общению с местным населением, активно интересуются местной культурой и социально-бытовым укладом.

Однако в связи с несовершенством системы социальной и культурной адаптации принимающих структур вынуждены сами справляться со своими страхами и переживаниями, бороться с психологическим дискомфортом, знакомится с новой городской средой, порой агрессивной к ним.

Также немалую роль в замедленной адаптации играет долго длящийся языковой барьер, что, возможно, указывает на недостаток общения иностранных студентов с носителями языка и ошибками в системе преподавания русского языка как иностранного.

Опираясь на приведённые примеры изучения социальных сетей как инструмента адаптации, возможно сделать выводы, что страницы иностранных студентов в социальной сети ВКонтакте служат и «зеркалом» адаптации, позволяющим определить её уровень. Анализ контента этих страниц позволит судить о состоянии приведённых выше факторов, а его личный характер обуславливает правдивые и качественные результаты исследования.

562

Список литературы

1. Антонова, Т. В. Процесс социальной адаптации иностранных

студентов / Т. В. Антонова, Н. А. Клименова. – Текст : электронный // Огарёв-Online. – 2017. – Вып. 5 (94). – URL:

https://journal.mrsu.ru/arts/process-socialnoj-adaptacii-inostrannyx- studentov (дата обращения: 18.10.2022).

2. Лунева, О. В. Адаптация социальная / О. В. Лунева. – Текст : непосредственный // Знание. Понимание. Умение. – 2018. – № 3. –

С. 240–247.

3. Федюнина, Т. А. Медиакультурная адаптация иностранных

студентов в России с помощью социальной сети Instagram на примере Учебного центра русского языка МГУ / Т. А. Федюнина. – Текст : непосредственный // Социально-гуманитарные знания. –

2022. – № 2. – С. 318– 324.

4. Янкина, Н. В. О роли социальных сетей в адаптации

иностранных студентов к новой образовательной среде / Н. В. Янкина. – Текст : непосредственный // Известия Саратовского университета. Новая серия. Серия Философия. Психология. Педагогика. – 2019. – Т. 19. № 4. – С. 465–468.

E. A. Utkina

Chelyabinsk Institute for the Development of Vocational Education Chelyabinsk State Institute of Culture Chelyabinsk (Russia)

ANALYSIS OF THE CONTENT OF THE PAGES OF FOREIGN STUDENTS IN THE SOCIAL NETWORK

VKONTAKTE AS A WAY OF DETERMINING THE LEVEL OF ADAPTATION TO THE NEW SOCIAL ENVIRONMENT

This article discusses the method of analyzing the content of social networks of foreign students as a way to determine the level of sociocultural adaptation of foreign students to a new environment, using the example of analyzing the content of the pages of foreign students of higher educational institutions in the city of Chelyabinsk in the social network VKontakte.

563

Key words: adaptation, social and cultural adaptation, integration, university, student.

Уткина Елена Александровна, младший научный сотрудник сектора разработки программ по социокультурной адаптации и интеграции иностранных студентов и детей-инофонов Научно-

исследовательского центра мониторинга и профилактики деструктивного поведения в образовательной среде, Челябинский институт развития профессионального образования; аспирант, Челябинский государственный институт культуры,

utkina.elena.a@gmail.com.

564

А. Д. Арсентьева М. О. Николаева

Челябинский институт развития профессионального образования Челябинск (Россия)

РОЛЬ АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РАСПРОСТРАНЕНИИ И ОТСЛЕЖИВАНИИ ДЕСТРУКТИВНОГО КОНТЕНТА

В статье авторы рассматривают принципы работы ленты рекомендаций в социальных сетях и объясняют важность мониторинга деструктивного контента. Подобные записи оказывают влияние на психику пользователей, поэтому следует ограничивать их распространение. Также в статье выявляются причины, по которым алгоритмы могут пропускать неоднозначные публикации в ленты рекомендаций пользователей.

Ключевые слова: лента рекомендаций, контент, искусственный интеллект, машинное обучение, социальные сети.

Введение. Ежегодно количество потребляемой информации увеличивается быстрыми темпами, в основном за счет повышения доступности и распространения Интернета. Если человек сталкивается со значительным объемом негативного контента, то это оказывает большое влияние на настроение пользователя и отрицательно влияет на его жизнь в целом. С января 2012 года по август 2020 года Роскомнадзор удалил 1,5 миллиона противоправных материалов. Среди них контент, связанный с пропагандой самоубийств и детской порнографией [3].

Социальные медиа являются мощнейшим инструментом воздействия на общество, поэтому могут стать источником– провокатором поддержки и развития преступных террористических группировок, вербующих своих новых последователей через сеть Интернет [5. С. 56].

566

Однако в последнее время, с развитием технологий, роль искусственного интеллекта становится наиболее явной в различных интернет-ресурсах, начиная от социальных сетей и встроенных в них алгоритмов (например, лента рекомендаций от интернет-

ресурса ВКонтакте, TikTok), до появления медиа, самостоятельно подстраивающегося под интересы пользователя – Дзен. Исследователь А. А. Морозова приходит к выводу, что искусственный интеллект как технология применяется в сфере медиа при создании и продвижении журналистских материалов, пользовательского контента в социальных медиа, в мессенджерах, голосовых помощниках, маркетинге и многих других направлениях информационно-коммуникационной среды [2. С. 207].

Ленту рекомендаций формируют базовые алгоритмы искусственного интеллекта, которые считывают сразу несколько показателей, в том числе: взаимодействие с видео, которые нравятся пользователю или которыми он делится; аккаунты, на которые подписан; комментарии, которые публикует; и контент, который пользователь сам создает [4]..Синонимом указанного выше понятия

можно считать «умную ленту».

Впредыдущих наших исследованиях мы пришли к выводу, что лента рекомендаций продвигает интолератный контент также, как и толерантный, только главное отличие в том, что дискриминирующие публикации представляют собой риск для пользователей Интернета с точки зрения медиаобразования. Цель исследования: выделить темы и причины, по которым деструктивный контент попадается пользователям в социальных медиа.

Материал исследования составили более 100 публикаций различных блогеров в социальных медиа ВКонтакте и TikTok (за 2021–2022 годы), выбранные на основе случайной выборки.

Впервую очередь стоит отметить, что контент может оказывать деструктивное влияние на пользователей социальных медиа, но при этом не являться на первый взгляд таковым. Информация деструктивной направленности не имеет единого кластера, но все чаще упоминается в нормативных актах РФ как: «вредоносная», «запрещенная» и так далее [1. С. 73]. Иногда авторы выбирают пограничные темы, которые сложно проверить по базовым

567

критериям качества контента. К подобным темам можно отнести публикации про:

•диеты, экстренные способы похудения, которые могут вызывать расстройство пищевого поведения не только у девушек, но

июношей особенно в подростковом возрасте;

•романтизацию образа жизни героев из популярных сериалов

ифильмов, где затрагиваются темы алкоголя или наркотиков;

•мемы на тему религии, расы или национальности;

•иронизирование над проблемами, связанными с психологическим здоровьем;

•неочевидные формы проявления селфхарма (причинения самому себе вреда).

Подводя общий итог проделанной работе, мы пришли к некоторым выводам.

Вышеуказанные темы можно отнести к деструктивному контенту, однако он все равно попадается на различных ресурсах в лентах рекомендации в обход ограничений. Даже если в правилах сообщества прописано, что в данной социальной сети не приемлют проявление любой дискриминации, а при подаче жалобы есть такие пункты как: «Травля или преследование», «Расстройства пищевого поведения».

Подобные ситуации можно применить к контенту, который «завирусился», то есть стал неожиданно популярным, который пользователи Интернета распространяют за счёт добровольного размещения на своих страницах, ресурсах, а также посредством функции «поделиться с другом». Это может происходить из-за

хэштегов под публикацией или популярных звуков и музыки, если речь идет про формат коротких видео, а также из-за

комментирования или репостов популярными блогерами.

Именно поэтому сегодня важно задуматься, каким образом

можно улучшить процесс фильтрации контента до его демонстрации пользователя в медиапространстве. До того, как размещаемый контент станет доступен конечному пользователю ему необходимо пройти фильтрацию и одобрение. Здесь как раз и начинают свою работу алгоритмы распознавания. Данный вид работы схож с ручным анализом контента, но вместо человеческих

568

глаз работает компьютерное зрение. После одобрения системой, содержимое контента переходит в поле зрения пользователя.

Бороться эффективно с деструктивными явлениями, используя только ручную обработку материалов сети, не представляется возможным в силу огромного объема данных, нуждающихся в проверке и контроле. На помощь могут прийти системы распознавания деструктивного контента, которые могут обучаться и анализировать получаемую информацию. Однако данным алгоритмам следует еще научиться лучше адаптироваться под пользователей и учитывать не только очевидные формы проявления деструктивного контента.

Список литературы

1.Воронина, В. В. Теория и практика машинного обучения: учебное пособие. / В. В. Воронина, А. В. Михеев, Н. Г. Ярушкина, К. В. Святов // Ульяновск: УлГТУ, 2017. – 290 с. – Текст : непосредственный.

2.Морозова, А. А. Функции использования алгоритмов искусственного интеллекта в сфере массмедиа / А. А. Морозова – Текст : непосредственный // Журналістыка – 2021: стан, праблемы і перспектывы. Mатэрыялы 23й Міжнароднай навукова-практычнай

канферэнцыі, прысвечанай 100–годдзю Беларускага дзяржаўнага універсітэта. Мінск, 2021. – С. 206–209.

3.Политика Роскомнадзора по контролю интернет – Текст : электронный / Tadviser Государство. Бизнес. ИТ : [сайт] – URL: https:// www. tadviser. ru/index. php/ Статья: Политика_

Роскомнадзора_ по_ контролю_ интернета (дата обращения:

19.10.2022).

4.How TikTok recommends videos #ForYou – Текст : электронный

/Newsroom TikTok : [сайт] – URL: https://newsroom.tiktok.com/en-

us/how-tiktok-recommends-videos-for-you (дата обращения: 28.10.2022).

5. Yang, C. C. Terrorism and Crime Related Weblog Social Network:

Link, Content Analysis and Information Visualization / C. C. Yang – Текст : непосредственный. // In the Proceedings of the International

Conference IEEE Intelligence and Security Informatics. – 2007. – Pp. 55–58.

569