Актуальность обращения к вычислительному подходу в психологии. По состоянию на 1 января 2019 года в мире насчитывалось примерно 4,1 млрд интернет-пользователей, а в 2021 году численность пользователей достигла 4,95 млрд человек [Статистика интернета …, 2022]¹. Интенсивное развитие информационных технологий приводит к необходимости обработки непрерывно растущих потоков информации. По прогнозам International Data Corporation (IDC) количество данных на планете будет удваиваться каждые два года, а объем данных, созданных в течение следующих трех лет, будет больше, чем объем данных, произведенных за последние 30 лет [Количество данных …, 2020]. При этом интернет выступает своеобразным отражением (зеркалом) не только психологических характеристик пользователей, но и их действий, связей и отношений в процессе виртуального взаимодействия, что и стало основанием для обращения к вычислительному подходу анализа данных.

Теоретическое обоснование использования вычислительного подхода к изучению обыденного сознания. Уровень знаний, порождаемый индивидуальным и групповым опытом, накопленный многими поколениями и усвоенный в процессе социализации личности, повседневно используется человеком в целях адаптации к объективной реальности. Такого рода обыденное сознание, отражая общественное бытие сквозь призму повседневности и практического опыта людей, способно выражать психологическое состояние человека и общества в целом, в том числе, в интернете.

В силу своей социальной значимости анализ обыденного сознания находит отражение в работах многих представителей социогуманитарных наук (Б.А. Грушин, Т.А. Кузьмин, В.А. Штофф, В.Ж. Келле и др.). Исследователи отмечают его (сознания) ведущую особенность, связанную с тем, что обыденное сознание носит дотеоретический характер и заключает в себе как логически выверенные, проверенные временем и личным опытом знания, так и в значительной степени ошибочные, иногда даже наполненные предрассудками и заблуждениями, ложные воззрения. Наличие такого рода противоречий в картине мира не всегда воспринимается человеком на логическом уровне, поскольку они (противоречия) относятся к разным сторонам жизнедеятельности, потребность в сопоставлении которых зачастую отсутствует (Н.Л. Мусхелишвили, Ю.А. Шрейдер).

Но даже осознаваемые искажения могут не подвергаться критической оценке в силу того, что они нередко носят широкий характер, содержат в себе, кроме познавательного отношения к миру, еще и соционормативное наполнение, позволяя чувствовать свою принадлежность к определенной группе (С.Ю. Мохова). Так, в работе «Психология обыденного сознания» Е.В. Улыбина отмечает, что в условиях повседневной жизнедеятельности люди часто действуют, опираясь не на логические выводы, доступные их интеллекту, а повинуясь влиянию эмоциональных реакций или различных условий, например, состоящих в стремлении сохранить единство с группой, не менять устоявшегося мнения, воспроизводить в своем поведении стратегии, выработанные в ходе продолжительной социальной эволюции, следуя традициям, сохраняющимся тысячелетиями [Улыбина, 2001]. На социальные представления, которые зависят от принадлежности к определенной социальной группе и детерминируют некритичное, и, в некотором смысле, нерациональное восприятие окружающей действительности указывал и С. Московичи, отмечая, что они (представления) способствуют групповому единству, позволяют подтверждать истинность и значимость принятых мнений и могут выступать как некий культурный компонент, неотъемлемая характеристика любого национального типа сознания (Н.П. Андрюшкова).

Отечественными исследователями широко разрабатываются личностные компоненты обыденного сознания и инкорпорированность индивидуального сознания в общественные процессы: индивидуальная реальность и собственное понимание этой реальности считаются «само собой разумеющимися для обычного человека» [Донцов, Баксанский, 1998, с.77], а общественное сознание и общественные идеи, взгляды и настроения — это ни что иное как «формирующиеся в процессе развития общества идеи и взгляды конкретных людей, живущих и действующих в определенных исторических условиях» [Ломов, 1976, с. 69]. Не осталась без внимания и вероятность обратного влияния, в частности, связанного с тем, что общественное сознание передает индивидуальному сознанию определенные нормы и правила, обычаи и традиции, которые отличают одно общество от другого (К.А. Абульханова-Славская). Эти рассуждения можно дополнить мнением С. Лурье о важнейших динамических особенностях обыденного сознания. Он отмечал, что внесение в индивидуальное сознание новых качеств очень сложный и трудоемкий процесс (С.В. Лурье).

Таким образом, в качестве обобщения можно отметить, что обыденное сознание носит проблемный характер, что находит свое подтверждение в результатах многочисленных эмпирических исследований. Так, в работе Р.Н. Щербакова рассматривается соотношение научного и обыденного знания через анализ соотношения школьных знаний по естественным наукам и здравого смысла учащихся. Результаты позволили выявить эффект «сопротивления здравого смысла» усвоению многих проблем естественных наук, в частности физики. Автор отмечает, что «понятия и законы ее (физики — авт.) часто находятся в явном несогласии со здравым смыслом, иногда принимают форму парадоксов и не столь уж очевидны, как повседневные знания, что, разумеется, создает дополнительные трудности в их понимании» [Щербаков, 1993, с. 54].

Сам предмет конкретного эмпирического исследования обыденного сознания может быть представлен и в более узком аспекте — через исследование образа, интереса, отношений, эмоциональных состояний и т.д.

Так, традиционно образ в психологической литературе рассматривается как феномен целостного восприятия объективных явлений внешнего мира (без их дробления на отдельные элементы), тождественный совокупности представлений человека. Например, с целью выполнявшегося исследования о Петре I, были избраны основные теоретические концепты образа. Так, образ включает в себя не только рациональные, но и иррациональные компоненты, которые можно рассматривать как не отрефлексированное, целостное отношение субъекта к себе и окружающему миру. Из данного положения следует, что образ можно рассматривать как интегральный продукт познавательной сферы личности, частично осознаваемый, но континуально не рефлексируемый. При этом образ не только определяет избирательную деятельность когнитивной сферы человека в целом, но и содержит в себе личностно значимую (также не всегда осознаваемую) информацию. С функциональной точки зрения, и в соответствии с присущими ей закономерностями, образ упорядочивает многообразие отдельных явлений и может выступать как смыслообразующая категория, содержательные и структурные элементы которой могут оставаться за пределами «фокуса сознания» [Психологический словарь…, 1983].

Обращение к феномену отношений, (например, к пандемии) обусловлено его характерными особенностями, которые позволяют получить разнообразный спектр информации посредством эмпирического анализа. Так, отношения формируются в процессе социального развития человека и изменяются в зависимости от конкретных социальных условий, выражают мировоззренческие установки личности, имеют субъективный (уникальный) характер, оказывают воздействие на реальное поведение и деятельность, позволяют оценить значимость внешних воздействий, а их содержательные компоненты самоорганизуются в иерархическую систему.

Следует отдельно остановиться на эмоциональной сфере личности и ее коллективных проявлениях, которые находят свое отражение в каждом из проведенных исследований.

Во-первых, эмоции являются одним из основных механизмов внутренней регуляции психической деятельности и поведения личности в повседневной практике, возникают в случаях, когда человек одновременно осознает наличие некой угрозы и невозможность ее избежать. Такая ситуация обеспечивает пристрастность психического отражения через выделение цели в плане образа окружающего мира и включает когнитивные процессы реагирования, необходимые для оптимизации неудобной ситуации.

Во-вторых, эмоции сопровождают многие общественные процессы, закономерно проявляясь на уровне социального взаимодействия, и имеют социальный (вне личностный) смысл. В частности, эмоции служат для передачи другим информации о возникающих психологических состояниях (выступают формой социального реагирования); могут формироваться на основе оценки действий других людей (через анализ воспринимаемой от других людей информации); способны настраивать/перенастраивать отношения между людьми. Для примера, в историко-психологических исследованиях часто разрабатывают проблему механизмов сохранения и передачи исторической памяти. В зарубежной литературе можно отметить работы Б. Римэ и В. Кристоф [Rime, Christophe, 1997], которые выявили, что публично передаваемое эмоционально окрашенное событие значительно закрепляет «следы памяти».

Для анализа поисковых запросов наиболее объясняющей является теория познавательных потребностей или интересов личности. Известно, что интересы людей определяют направление их деятельности, формируют мотивы жизнедеятельности и социального поведения: «Категория интереса выработана в истории социальной мысли для обозначения реальных причин общественных и индивидуальных действий, которые неизбежно должны пройти через сознание людей» [Здравомыслов, 1986, с. 19]. Обращение к феномену сознания переводит анализируемую категорию в область интересов психологического сообщества, которое рассматривает интерес как объективно обусловленную направленность сознания, или как осознанную потребность (Р.Е. Гукасян и С.Н. Кожевников). Таким образом, под интересом нами понимается избирательная направленность личности на изучение/познание определенных предметов и явлений окружающей действительности.

Теоретическими основаниями многих проведенных эмпирических исследований (потребности в психологических знаниях или интереса к информации о коронавирусе) выступили положения об интересе личности как психологическом феномене. В самом обобщенном виде теоретические позиции можно свести к следующему: интересы функционируют на основе ведущих потребностей человека, определяют характер его социальной активности, характеризуются осознанностью, направленностью на конкретные объекты и различаются по уровню устойчивости. Основание обращения к данным положениям связано с тем, что эмоции, чувства и переживания оказывают влияние на когнитивный выбор информации: концентрация внимания происходит лишь на той информации, которая вызывает интерес или представляется важной для каждого конкретного человека.

Таким образом, характер представленных психологических паттернов создает возможность изучения массовых психологических феноменов на индивидуальном и коллективном уровнях. Для объединения представленных позиций в целостный исследовательский конструкт их (явления) можно рассматривать в рамках классических фундаментальных теорий о связи между познавательными (когнитивными) и эмоциональными (аффективными) компонентами, которые нашли свое отражение в разных теоретических представлениях, например: о системном подходе в психологии (Б.Ф. Ломов), эмоциональных конструктах отношений (Б.Г. Ананьев), смысловой регуляции мыслительной деятельности (О.К. Тихомиров). Основной смысл представленных концепций состоит в том, что эмоции и чувства (переживания в целом) нарушают равнозначность ориентиров (критериев) в ситуации когнитивного выбора и вызывают концентрацию лишь на некоторых из них.

Теоретико-методологические основания вычислительного подхода к анализу обыденного сознания. Необходимость исследования «цифровых следов», т. е. уже совершенных пользователями действий, потребовало обращения к праксиметрическим методам психологического анализа и опоры на уже известные в науке и доказавшие свою валидность психологические концепции (изложены выше). Праксиметрические методы давно нашли свое отражение в психологических исследованиях и известны также как методы «анализа продуктов деятельности» или «архивный метод». Использование данного метода создает возможность для мониторинга социальных процессов и получения оперативных знаний, способных помочь в осознании происходящих в современной социальной среде психологических процессов. Предполагается, что в условиях непринужденного общения среди пользователей неизбежно будут проявлять себя психологические особенности оценки текущих социальных явлений.

В психологической науке, в зависимости от рассматриваемого проблемного поля, исследователи выделяют различные единицы для анализа конкретных психологических компонентов, представленных в структуре изучаемого явления. Так, Д.В. Лубовский отмечал, что «осознанное выделение единицы анализа — признак методологической зрелости того или иного направления в науке и начало систематического построения теории» [Лубовский, 2007, с. 34]. В соответствии с данным положением в качестве единиц анализа в психологических исследованиях выступают психические состояния или процессы, поведение или деятельность, эмоциональный фон или социальные установки, — этот ряд можно продолжить. Такого рода «методологическое дробление» можно производить и в рамках конкретных (единичных, цельных) феноменов таких, как память, мышление, отношение, деятельность и т.д., через выделение составных психологических элементов, которые сами по себе не дают представления ни о самом явлении, как целостном психологическом феномене, ни о его функциональных особенностях или специфике развития [Сухова, Зубенко, 2012], но помогают более глубоко осознать его природу — сущность, структуру, содержание, системное соотношение элементов и их иерархическую соподчиненность, динамику развития и т.д.

В соответствии с первым подходом в современной научной литературе анализ феномена «обыденное сознание» связан с выделением в его структуре цельных (неделимых) содержательных элементов, таких как знания, взгляды, убеждения, отношения, ценности, цели жизнедеятельности (там же), которые указывают на главные и относительно устойчивые характеристики отношения человека к миру: самому себе, другим людям, обществу в целом и своему месту в нем. При обращении к вычислительному подходу в психологии задачей анализа становится раскрытие психологических образований, включенных в структуру обыденного сознания, пригодных для их последующего измерения (например, методом шкалирования). Такой подход полезен как для организации количественной оценки и обобщения эмпирических данных, так и их последующего качественного анализа.

Достаточно широко используемым методологическим подходом к изучению обыденного сознания выступает обращение к языковой парадигме научного анализа. К примеру, В.А. Шкуратов определяет обыденное сознание как поле чистой вербальности, отмечая, что язык выступает основным «местом хранения и воспроизводства» обыденного сознания [Шкуратов, 1997, с. 131]. Частным случаем таких исследований выступает обращение к продуктам коммуникационного обмена в социальных сетях, с выделением как рационально-логического, так и эмоционально-аффективного уровней текстовых сообщений [Журавлев, Китова, 2023].

Для обнаружения и учета психологических единиц анализа нами избран принцип перехода от многообразия текстового материала к абстрактным психологическим категориям, представленным в содержании текстов (1), и выделения смысловых категорий (2). В частности, в рамках эмпирического исследования, может быть поставлена задача разграничения индивидуально-личностных и социально-психологических аспектов проблемы, возрастных или гендерных особенностей, акцентуации на конкретных высказываниях пользователей и их экспертной оценке — в соответствии с уже известными научными фактами.

Изложенный выше теоретико-методологический подход к анализу обыденного сознания лег в основу проводимых в течение последних 3-х лет исследований. Целью анализа стало выявление структурных, содержательных, эмоциональных, процессуальных и ряда других особенностей обыденного сознания в интернете. Объектом исследования выступили пользователи социальных сетей (ВКонтакте, Одноклассники), а его предметом — сообщения, непосредственно содержащие в контексте высказываний (или запросов) изучаемые явления, такие как: «коронавирус», «пандемия», «самоизоляция», «вакцинация» и т.д. Предполагалось, что высказывания пользователей, отражающие особенности обыденного сознания в рамках изучаемых социальных явлений, могут стать основанием для их психологического анализа через обращение к методам количественной (цифровой анализ) и качественной (контент-анализа и экспертным заключениям) интерпретации [подробнее о методах см.: Психологические исследования в интернет …, 2020, с. 52-69, 277-294].

Специфической особенностью методического подхода также выступило обращение к содержательному и количественному рассмотрению текстов посредством использования автоматизированных систем анализа коротких сообщений [подробнее см.: Психологические исследования в интернет …, 2020, с. 52-69], которые дополнительно позволяют проводить анализ эмоционального фона высказываний (подробнее — там же). Методы интеллектуального анализа данных применяются в самых разных областях, где существуют большие объемы данных для идентификации неявной (недостаточно формализованной) информации. В зависимости от типа обнаружения знаний, алгоритмы интеллектуального анализа данных можно разделить на неконтролируемые и контролируемые. Первый — это отношения в структуре данных, а второй нуждается в предварительной классификации данных для объяснения этих отношений.

В свою очередь, для каждого типа функции интеллектуального анализа данных доступны многочисленные методы их анализа. Примеры некоторых широко используемых алгоритмов интеллектуального анализа данных включают в себя: алгоритмы k-средних для кластеризации, правила ассоциации для ассоциации, линейную и логистическую регрессию для регрессии и деревья решений для классификации. Выбор метода интеллектуального анализа данных зависит от характера и цели исследования и специфических особенностей «цифровой» базе данных.

Автоматизированный анализ текстовых сообщений в социальных сетях (уровень междисциплинарных исследований). Традиционные методы частотного и контент-анализа используются в психологических исследованиях для изучения сравнительно небольших объемов текста. В рамках обширного интернет-исследования предлагается обращение к использованию автоматизированного контент-анализа текстовой информации посредством применения алгоритмических методов и методов машинного обучения (нейронных сетей² ). Такой подход позволяет изучить большие текстовые массивы информации³, не подлежащие ручной обработке (в силу своего чрезмерного объема). В исследовании была задействована авторская Автоматизированная система анализа текста. Сообщения извлекались из открытых источников в Интернете в соответствии с Федеральным законом (ФЗ) о персональных данных.

Схема автоматизированного анализа текстов предполагает разбиение текстов на токены, их простейший морфологический анализ и арифметический подсчет, что позволяет впоследствии произвести группирование ключевых слов в смысловые категории, в основе такого группирования лежит принцип логического (экспертного) анализа содержательных (понятийных и смысловых) единиц (слов или сообщений в целом).

В качестве результата автоматизированного анализа могут использоваться следующие значения для каждой искомой сущности (слов и синтаксических конструкций): число упоминаний; число положительных упоминаний; число отрицательных упоминаний; средняя эмоциональная интенсивность положительных упоминаний; средняя эмоциональная интенсивность отрицательных упоминаний; общая средняя эмоциональная интенсивность. Примеры визуального представления результатов автоматизированного частотного и эмоционального анализа текстов представлены на рисунке 1. Первые числа на рисунке указывают на частоту повторяемости слова в общем объеме слов в текстах, затем показана основная лексическая часть слова, заключительные цифры отражают эмоциональную насыщенность слов в числовом промежутке от -1 (максимальное негативное значение слов) до +1 (максимальное положительное значение слов).

Эмоциональный фон слов чаще рассматривается с разделением шкалы (от -1 до +1) на 20 позиций (длина шага числовых значений шкалы составляет 0,1). Эмоциональный фон слов, значение которых меньше десятой доли числового ряда (0,03… или 0,009… и т. д.) рассматривался нами как нейтральный в силу малой его выраженности/интенсивности. К данной (нейтральной) позиции отнесены и слова, имеющие значение эмоционального фона, равное нулю. Отсутствующие в сообщениях респондентов числовые значения игнорировались (к примеру, если в рассматриваемых сообщениях не обнаружены высказывания с выраженным позитивным фоном — в качестве примера можно обратить внимание на анализ отношения пользователей к деньгам, где положительные фоны не представлены вообще). Таким образом, шкала с разбивкой на 20 позиций по факту может содержать, в зависимости от характера эмоционального фона сообщений, меньшее количество позиций (к примеру, 8 или 11). В силу исследовательской рациональности эмоциональные фоны могут быть представлены 5 позициями (очень хорошо; хорошо; нейтрально; плохо; очень плохо) или же сгруппированы в три базовые позиции — негативное, нейтральное и позитивное отношение. Последняя позиция представляется важной для общей фоновой оценки эмоциональных состояний (как более позитивных или наоборот).

Эмпирические подходы и приемы анализа цифровой информации. Среди методов исследования можно выделить частотный и эмоциональный анализы слов и сообщений, контент-анализ, экспертную оценку, содержательный и смысловой анализ данных, структурирование и классификацию данных, математико-статистические методы обработки эмпирических данных (исключение из текстов стоп-слов и кластеризация).

В рамках когнитивного анализа произведен статистический анализ слов в сообщениях с целью исключения стоп-слов, т.е. слов, не несущих большой информативной нагрузки. Статистический анализ производится посредством выявления сопряженности с корпусным датасетом русского языка RuTweetCorp, который разработан для анализа коротких текстов [Рубцова, 2012]. Для выявления сопряженности использованы точный метод Фишера и распределение Бернулли. В ходе исследования также произведен частотный анализ слов с использованием программы PyMorphy2 [Korobov, 2015].

Для анализа эмоционального фона сообщений использована нейросеть — модель FastText. Сеть обучается методом максимального правдоподобия и является устойчивой к изменениям окончаний [подробнее см.: Демидова, 2022]. Оценка эмоциональной тональности слов произведена с использованием модели Dostoevsky на датасете RuSentiment [подробнее о тональности см.: Двойникова, Карпов, 2020].

На стадии разработки находятся программы автоматизированного статистического анализа связей между независимыми переменными в текстах. Далее в статье представлены основные подходы к использованию эмпирических методов, приемов и технологий для анализа поисковых запросов (1) и сообщений в социальных сетях (2).

Перспективный план использования вычислительного подхода в психологии. На современном этапе развития информационных технологий наиболее эксплуатируемыми являются методы сбора и интеллектуальной обработки больших данных (Big Data), машинного обучения (Machine Learning), интеллектуального анализа данных (Data Mining). Если обратиться к современным технологиям и определить цель машинного обучения (Machine Learning) как автоматизацию сложных, слабо формализуемых задач в социальной психологии, исследовательская задача может быть направлена на выявление социально-психологических факторов, оказывающих воздействие на сознание людей в их повседневной жизни (и наоборот, на изучение характеристик личности и группы, которые могут оказывать влияние на социальные достижения общества). Первая позиция состоит в том, чтобы исследовательский инструментарий был направлен на изучение закономерностей взаимной изменчивости общества и человека, т.е. на обнаружение связей и зависимостей между социально-экономическим состоянием общества и психологическими факторами. Вторая позиция соотносится с вопросом о том, в каком направлении будет целесообразнее дополнять траекторию движения представленных кривых (рис. 2). По всей видимости, сбор исторического материала и его автоматизированный метаанализ дадут больше информации, чем прогнозирование и длительное ожидание воплощения выдвинутых прогнозов. Третья позиция связана с необходимостью выявления полного цикла перехода общества из одного состояния в другое (по критерию стабильность / перемены), что позволит говорить об опережающем управлении общественными процессами [подробнее см.: О насущных проблемах…, 2019; Журавлев, Китова, 2019].

Преимущества и ограничения вычислительного подхода в психологии. Обобщая материал о возможностях применения цифровых технологий в психологических исследованиях, развитие которых частично квалифицируется как «смена парадигм» эмпирического анализа, можно выделить целый ряд их преимуществ:

• создание условий для оперативного ответа на вызовы урбанизации и глобализации на уровне человека, социальных групп и общества, а также анализа связанных с этим рисков и возможностей отслеживания «критических точек» и «точек роста»;
• удовлетворение потребности современного общества в значительном повышении эффективности использования существующих и формирующихся цифровых информационных баз;
• возможность расширить научный инструментарий и усилить позиции психологов среди представителей смежных социогуманитарных наук;
• удешевление условной единицы научной продукции: возможность производить большие объемы эмпирических данных и предоставлять больше научной информации за меньший объем затрачиваемого времени;
• повышение возможностей создания проектных междисциплинарных команд для изучения экономических и политических процессов в обществе и мире;
• возрастание возможности использования психологического знания в системах государственного управления, например, посредством создания электронных систем мониторинга общественных настроений и др.;
• привлечение дополнительных ресурсов к развитию цифровой социальной среды (экономической, правовой, политической), не имеющей территориальных ограничений;
• создание востребованных обществом и государством психологических разработок (программных продуктов) для анализа и моделирования психологических свойств и состояний личности, коллективов и больших социальных групп;
• использование дополнительных возможностей в образовательном пространстве как для подготовки психологических кадров, так и для повышения квалификации специалистов из смежных отраслей знания и саморазвития каждого заинтересованного специалиста.

К числу достоинств работы с большими объемами информации относится также возможность автоматизированного анализа крупных информационных источников (например, библиотечного фонда Российской Федерации), беспрепятственное взаимодействие исследователей с информационной системой, возможность категоризации тем анализа на основе заданных экспертами критериев и др.

Все представленные позиции, безусловно, относятся к преимуществам использования цифровых технологий. Вместе с тем важно отметить и проблемы, связанные с ними.

Наличие большого объема информации и возрастающие ее накопления требует разработки современных систем автоматизированного анализа больших массивов текстовой информации, что не может быть осуществлено в короткие сроки. Как видим, проблема анализа «больших данных» (Big Data) заложена не столько в самом их объеме, сколько в несовершенстве соответствующего научно-аналитического инструментария, пригодного для работы с ними. Стоит также отметить, что данные становятся все сложнее и разнообразнее, могут отличаться друг от друга по структуре (быть структурированными, неструктурированными, квазиструктурированными), по-разному индексироваться в различных электронных базах. Самостоятельным вопросом выступает и задача эффективного выбора программных сред и систем, необходимых для проведения конкретных научных исследований, связанная с многообразием программного обеспечения и информационных систем, различными подходами к их классификации, разрозненностью каталогов, неструктурированными описаниями и т. д.

В рамках социогуманитарных проектов сложность представляет и междисциплинарный подход к исследованию проблемы, различия в понятийно-терминологическом аппарате научных отраслей и необходимость обращаться к ресурсам информационных и технических наук, что не является задачей психологов и требует иной базовой подготовки.

В процессе работы в интернет-пространстве возникают проблемы и более частного плана. Во-первых, текстовые массивы, извлеченные на основе конкретных ключевых слов, не могут дать исчерпывающие сведения обо всех текстах данной тематики, поскольку ключевое слово имеет совокупность синонимов, которые зачастую нереально учесть в отдельно взятом исследовании. Во-вторых, если поиск данных по ключевому слову опирается только на названия публикаций, из поля зрения неминуемо выпадают статьи нужной тематики, но не содержащие в своем названии соответствующего слова (например, статьи о денежном поведении могут содержаться в текстах по финансам, банкам, инвестициям, бизнесе и т.д.). В-третьих, результаты подобных поисков ограничены базой данных, которую использовал исследователь: другие материалы, в том числе архивные, неоцифрованные, не будут представлены в программе анализа. Наконец, в исследования могут быть включены только публикации на русском языке, хотя важная информация представлена на различных языках мира. Таким образом, необходимо признать наличие значительных ограничений, которые сужают возможности исследовательского поиска и научного анализа информации.

Выводы. Несмотря на то, что некоторые представленные разработки пока имеют только предварительную версию, по нашему мнению, потенциальные возможности их применения в различных видах социогуманитарных исследований очень высоки, как высок и научный потенциал конкретных исследований, выполненных с их помощью. Есть уверенность, что представленные теоретические позиции, содержание методологического подхода и включенные в него методы анализа будут непрерывно совершенствоваться как в психологии, так и в других отраслях социогуманитарных наук.

Относительно конкретной проблемы распространения коронавирусной инфекции, сформулированной выше, можно заключить, что интерес к пандемии порождается прежде всего чувством опасности и подчиняет себе когнитивные и аффективные сферы личности. Как следствие, уровень интереса пользователей поисковых систем к коронавирусной инфекции отличается эмоциональной насыщенностью, неравномерен в различных странах и детерминируется интенсивностью распространения пандемии в регионе проживания.

Литература

1. Апреликова Н.Р., Китова Д.А. Отношение пользователей социальных сетей к знаниям по психологии // Институт психологии Российской академии наук. Социальная и экономическая психология. 2019. Т. 4. № 2 (14). С. 99–128.
2. Двойникова А.А., Карпов А.А. Аналитический обзор подходов к распознаванию тональности русскоязычных текстовых данных // Информационно-управляющие системы. 2020. № 4 (107). С. 20–30.
3. Демидова О.А. Метод максимального правдоподобия. URL: https://www.hse.ru/staff/demidova_olga (дата обращения 28.03.2022).
4. Донцов А.И., Баксанский О.Е. Схемы понимания и объяснения физической реальности // Вопросы философии. 1998. № 11. С. 75–90.
5. Журавлев А. Л., Китова Д. А. Социально-психологические факторы экономического развития российского общества в условиях цифровых технологий // Институт психологии Российской академии наук. Социальная и экономическая психология. 2019. Т. 4. № 4 (16). С. 6–42.
6. Журавлев А. Л., Китова Д.А. Автоматизированный анализ текстов в психологии: состояние и перспективы эмпирических исследований // Психологическое знание: стадии исследовательского процесса. М.: Изд-во «Институт психологии РАН», 2023. С. 249–282.
7. Здравомыслов А.Г. Потребности. Интересы. Ценности. М. Политиздат, 1986.
8. Количество данных в мире удваивается каждые два года. URL: https://rg.ru/2013/05/14/infa-site.html (дата обращения 20.04.2022).
9. Ломов Б. Ф. Общение и социальная регуляция поведения индивида // Психологические проблемы социальной регуляции поведения. М.: Наука, 1976. С. 64–93.
10. Лубовский Д.В. Введение в методологические основы психологии. М.: Изд-ва МОДЭК, МПСИ, 2007.
11. О насущных проблемах нашей жизни и взаимодействии регуляторов, бизнеса и граждан / Отчет по итогам массового социологического исследования. М., 2019.
12. Психологические исследования в интернет-пространстве: поисковые системы, социальные сети, электронные базы. М.: Изд-во «Институт психологии РАН», 2020.
13. Психологический словарь. М.: Педагогика, 1983.
14. Рубцова Ю. Автоматическое построение и анализ корпуса коротких текстов (постов микроблогов) для задачи разработки и тренировки тонового классификатора //Инженерия знаний и технологии семантического веба. 2012. Т. 1. С. 109–116.
15. Статистика интернета и соцсетей на 2022 год — цифры и тренды в мире и в России. URL: https://rg.ru/2013/05/14/infa-site.html (дата обращения 20.01.2022)
16. Сухова Е. И., Зубенко Н. Ю. Проблема выделения единиц анализа мировоззрения личности в психологии // Теория и практика общественного развития. 2012. № 12. С. 141–146.
17. Улыбина Е.В. Психология обыденного сознания. М.: Смысл, 2001.
18. Шкуратов В.А. Историческая психология. М.: Смысл, 1997.
19. Щербаков Р.Н. Здравый смысл учащегося и научные знания // Вопросы психологии. 1993. № 3. С. 53–62.
20. Korobov M. Morphological analyzer and generator for Russian and Ukrainian languages // Communications in Computer and Information Science. 2015. Vol.542. P. 330-342.
21. Rime B., Christophe V. How Individual Emotional Episodes Feed Collective Memory // Collective memory of political events: Social psychological perspectives. Mahwah, N.J.: Lawrence Erlbaum Associates, 1997. Р. 131–146.