Social Media as an Alter Ego of Reality: What Does Affective Political Polarization Teach Us?

Cover Page

Cite item

Full Text

Abstract

Affective political polarization is comprehensively considered in combination of its emotional, behavioral and cognitive aspects. They manifest themselves in the differences between an individual’s attitude towards politically like-minded people (the in-group) and opponents (the out-group), including emotions experienced, willingness to cooperate, and a tendency to attribute positive or negative qualities. Particular attention is paid to the problem of differences between the intensity of manifestations of affective political polarization in the online environment compared to traditional forms of communication. Most contemporary researchers predict a higher level of polarization within online interactions. This hypothesis is based on the properties of Internet communication, which make it easier for the user to manage the network of contacts and sources of information and lead to the emergence of “echo chambers” and “filter bubbles”. The empirical evidence in favor of this mechanism, however, is rather limited. Indeed, there is very scarce research that would directly compare the levels of affective polarization in the digital and traditional environments. This problem is addressed by the authors based on survey data collected in 2025 among Russian respondents. We measure all key indicators of affective polarization for both online and offline environments, thereby making it possible to compare them directly. We build on previous research and use the attitude towards the country’s leadership as a key polarizing dimension. We analyzed data using correlation, regression and principal component analyses. Our results show that affective polarization demonstrates overall high consistency in the physical world and on social media. Regression analysis does not reveal any significant differences in levels or factors of affective polarization in the two environments.

Full Text

Введение Полноценная научная дискуссия о влиянии социальных медиа на политические отношения в обществе не насчитывает и тридцати лет, а в ее развитии уже вполне различаются контуры двух «эпох» со своими определяющими настроениями и представлениями. Для 2000-х гг. характерен оптимистический взгляд на Интернет как на коммуникационную среду, стимулирующую плодотворный гражданский диалог, свободный обмен мнениями и, в конечном итоге, способствующую развитию демократических институтов [Papacharissi 2002; Diamond, Plattner 2012]. В 2010-х все четче проявляется, а в текущем десятилетии претендует на господствующие позиции представление о социальных медиа как о поляризующей силе, способствующей радикализации индивидуальных политических взглядов и росту недоверия и предубежденности по отношению к оппонентам [Kubin, Sikorski 2021; Beam, Hutchens, Hmielowski 2018]. Эти противоположные позиции - явно или имплицитно - объединяет представление об онлайн- коммуникации как некоторой «самостоятельной реальности», лежащей в параллельной плоскости по отношению к миру традиционных, нецифровых взаимодействий. Действительно ли оценки и реакции людей в рамках онлайн- и офлайн-контекстов столь значимо различаются? Этот большой и пока еще очень общий вопрос стал отправной точкой для того исследования, о котором пойдет речь в этой статье. Более конкретно, мы сосредоточимся на аффективной политической поляризации - явлении, которое в современной научной литературе бывает принято не просто ассоциировать с социальными медиа; их развитие нередко характеризуется как прямая причина, основной «драйвер» этого процесса [Sunstein 2018]. Аффективную поляризацию иногда понимают узко и «буквально» - как проявление негативных эмоций по отношению к носителям иных политических взглядов и на основании этих взглядов. Характерным эмпирическим инструментом для такого подхода являются шкалы c полюсами от «нравится» (или «тепло») до «не нравится» («холодно»), (например, в масштабной серии исследований Comparative Study of Electoral Systems, www.cses.org). Мы будем придерживаться более комплексной и широкой трактовки этого понятия, более свойственной социальной и политической психологии [Гулевич, Косимова 2024]. В ней эмоциональная реакция - лишь одно из трех ключевых измерений; двумя другими компонентами являются когнитивная и поведенческая. Первая предполагает склонность приписывать политическим единомышленникам положительные черты и свойства, такие, как ум или доброта, а политическим оппонентам - противоположные. Вторая отражает различия в готовности к сотрудничеству или склонности к соперничеству, а также величину социальной дистанции. Все три аспекта аффективной поляризации - эмоциональный, когнитивный и поведенческий - являются проявлениями более общего феномена межгрупповой дифференциации, когда индивиды идентифицируют себя со «своей» группой (ингруппой), которая в их восприятии противопоставляется «чужой» группе (аутгруппе)[1] [Tajfel, Turner 1979]. Такой объемный взгляд на аффективную политическую поляризацию позволяет получить более надежное и нюансированное понимание различий в ее проявлении в онлайн- и офлайн-контекстах. Вкратце реконструируем логику сторонников преобладающей сейчас точки зрения на цифровую коммуникацию как фактор (возможно, центральный) аффективной политической поляризации. Основная линия аргументации связана с влиянием онлайн-среды - как в части получения информации, так и обмена ею - на баланс контактов индивида с представителями своей / чужой группы. С одной стороны, интернет-ф ормат коммуникации радикально снижает издержки (в самом широком смысле «приложения усилий») изоляции от тех контрагентов, общение с которыми вызывает дискомфорт. Для этого, как правило, достаточно нажатия одной кнопки, что трудно представить по отношению к родственникам, коллегам и друзьям в физическом мире. Легкость управления сетью контактов стимулирует ее построение по принципу гомофилии [McPherson, Smith- Lovin 2001], когда баланс политических позиций резко смещается в сторону представителей ингруппы. Возникает «эхо- камера» - феномен, при котором общение в кругу единомышленников консервирует или даже усиливает сложившиеся представления [Barbera et al. 2015]; при этом коммуникация с носителями противоположной точки (crosscutting communication) сводится до минимума [Settle 2018]. Это способствует психологическому восприятию точки зрения «своих» - нередко в ее радикальной форме для увеличения контраста с «чужими» - как привычной и единственно «нормальной» - и обусловливает увеличение эмоциональной дистанции по отношению к политическим оппонентам. Аналогичный эффект оказывает и механизм «пузырей фильтров» (filter bubbles). Алгоритмы социальных медиа и поисковых систем устроены таким образом, что предлагают пользователю еще больше контента того же типа, что тот и так склонен потреблять. Применительно к политическому контенту этот эффект достигает своего пика в периоды избирательных кампаний, когда склонность пользователей к селективному восприятию (selective exposure) [Bode 2016;] подкрепляется целенаправленными усилиями противоборствующих сторон в рамках политической рекламы [Sood, Iyengar 2016], в которой алгоритмы социальных медиа играют на сегодняшний день все более важную роль. Таким образом, близкие и взаимно дополняющие эффекты «эхо- камер» и «пузырей фильтров» способствуют формированию негативных стереотипов о представителях противоположного политического лагеря в условиях сокращения прямых взаимодействий с последними. Описанный механизм дополняется еще одним фактором, считающимся характерным для общения в Интернете, а именно снижением планки социальных норм коммуникации по сравнению с офлайн-средой [Bail et al. 2018; Rowe 2015]. Проявления неуважительного отношения к оппонентам, вплоть до языка вражды, способствуют усилению эмоциональной компоненты аффективной поляризации и блокируют делиберационные - основанные на заинтересованном обмене мнениями - механизмы сближения. Аргументация выше выглядит вполне логичной и подкрепленной эмпирическими исследованиями. Но, как это очень часто бывает в политической науке, она сталкивается с вполне весомыми аргументами и сомнениями тех авторов, которые отнюдь не склонны драматизировать роль Интернета в росте поляризации. Их соображения можно суммировать следующим образом. Во- первых, ставится под сомнение прямая связь между открытостью чужой точке зрения и толерантностью к ней - краеугольный камень всей конструкции выше. Показано, что информация, противоречащая мнению индивида, может усиливать приверженность этому мнению и вызывать негативную реакцию в отношении лица или источника, бросающего ему вызов [Nordbrandt 2022; Wojcieszak, Mutz 2009]. Во- вторых, считается преувеличенным взгляд на интернет- пространство как фрагментированное на замкнутые гомогенные сообщества, эхо- камеры. Некоторые авторы показывают, что пользователи - преднамеренно или нет - гораздо чаще сталкиваются с альтернативными точками зрения, чем принято думать [Eveland, Appiah, Beck 2018; Dubois, Blank 2018], и здесь нет значимых различий по сравнению с офлайн- средой [Nordbrandt 2022]. Наконец, сами эмпирические свидетельства в пользу более высокого уровня аффективной поляризации в онлайн- коммуникациях по сравнению с офлайн- общением очень ограниченны. Подавляющее большинство работ концентрируется только на одном из этих форматов, и в последние годы явно доминирует фокус на исследованиях онлайн- взаимодействий и контента социальных медиа. Авторы ищут эхо- камеры, пузыри фильтров, проявления аффективной поляризации в онлайн- коммуникации - и находят их. Исследований, которые ставили бы задачу прямого сравнения аффективной поляризации в цифровой и традиционной средах, практически нет (из немногих исключений - [Baek, Wojcieszak, Delli, Carpini 2012; Nordbrandt 2022]). Мы попытаемся заполнить эту лакуну с помощью опросных данных, собранных нами в 2025 г. среди российских респондентов. Все ключевые индикаторы аффективной поляризации измеряются нами для двух ситуаций - онлайн и офлайн, что обеспечивает возможность их непосредственного сопоставления с точки зрения интересующего нас признака. Опросная стратегия исследования аффективной поляризации с неизбежностью предполагает исходное представление о том, вдоль какой ключевой линии она формируется, какие ингруппы и соответствующие им аутгруппы генерируют этот процесс. Практически все исследования политической структуры российского общества в XXI в. - в ее электоральном, ценностном, поведенческом измерениях - указывают на отношение к власти как на основной «расколообразующий» признак и на ее сторонников и противников как на важнейшие полярные группы [Лапкин, Пантин 2009; Коргунюк 2012]. Это подтверждают и наши собственные предыдущие исследования языка ненависти в русскоязычном онлайн- пространстве [Стукал, Ахременко, Петров 2022]: группы, связанные с властью / оппозицией, являются ключевыми объектами языка вражды. Следуя этому подходу и сейчас, мы выстраиваем дизайн исследования вокруг соотнесения собственной позиции респондентов по отношению к руководству страны и их реакций - аффективных, когнитивных и поведенческих - на оппонентов и сторонников власти. Российские исследования собственно аффективной поляризации очень немногочисленны. А. Лебедев и О. Гордякова [2023] используют метод скрытых ассоциаций для измерения реакции граждан на такие политические события, как проведение СВО и частичная военная мобилизация. Они приходят к выводу, что ценностная поляризация в России еще не трансформировалась в аффективную, но такая опасность существует. О. Гулевич и С. Косимова [2024] на данных онлайн- опроса демонстрируют, что российская идентичность усиливает политическую поляризацию между людьми, которые поддерживают и не поддерживают происходящее в стране. Е. Кручинская [2025] показывает возрастание аффективной поляризации, измеренной посредством количественного анализа языка вражды в онлайнсообщениях, в период массовых протестов. Ни одна из этих работ, при всей их несомненной ценности, не помещает в фокус проблему различий между проявлениями политической поляризации в онлайн и офлайн-контекстах; в этом отечественная традиция находится полностью в русле общемировой. Мы надеемся, что представленные в нашей работе результаты позволят не только пролить некоторый свет на эти различия, но и обогатят представления о современном состоянии российского общества и его конфликтном потенциале. Данные и методы исследования Эмпирическая часть нашего исследования опирается на анализ данных, собранных авторами в ходе социологического опроса, который проводился по онлайн- панели платформы компании «Анкетолог» среди совершеннолетних респондентов, проживающих на территории России (N = 200). Опросная анкета включала в себя несколько смысловых блоков. Во-п ервых, это базовая социально- демографическая информация о респондентах (пол, возраст, образование, доход, тип населенного пункта, частота использования социальных сетей и мессенджеров). Во- вторых, блок вопросов об интересе к политике и политических предпочтениях респондента (интерес к политике, частота обсуждения политики в личном общении и в социальных сетях, степень поддержки руководства страны, отнесение себя к числу сторонников руководства страны и оппозиции). Наконец, в- третьих, анкета содержала большой блок вопросов, измеряющих различные аспекты аффективной поляризации в личной коммуникации и в интернет- пространстве. Как отмечалось выше, при измерении аффективной поляризации мы руководствуемся ранее предложенным в социальной и политической психологии подходом, в соответствии с которым выделяются три основных компонента аффективной поляризации - эмоциональный, когнитивный и поведенческий [Гулевич, Косимова 2024]. При этом методическая новизна нашего исследования по сравнению с предшествующими работами состоит в явном выделении и обеспечении сопоставимости онлайн и офлайн-проявлений аффективной поляризации. Мы достигаем этого за счет включения в анкету «зеркальных» формулировок вопросов о различных проявлениях аффективной поляризации в личном общении, с одной стороны, и в социальных сетях - с другой. Такие зеркальные вопросы предлагались респондентам по всем трем компонентам аффективной поляризации. Эмоциональный компонент аффективной поляризации замерялся через вопрос- термометр: «Как бы Вы оценили свое отношение к людям, которые (поддерживают / НЕ поддерживают) руководство страны (в постах в социальных сетях / в разговорах при личной встрече)?» Возможные ответы варьировались от 1 («отношение очень холодное, отрицательное») до 7 («отношение очень теплое, положительное»). Разность ответов респондента на вопрос об отношении к тем, кто поддерживает, и кто не поддерживает руководство, выступала мерой аффективной поляризации либо в физическом мире, либо в интернет- пространстве. Для измерения когнитивного компонента аффективной поляризации респондентам предлагалось охарактеризовать тех, кто поддерживает или не поддерживает руководство страны в разговорах при личной встрече или в постах в социальных сетях, по набору полярных пар признаков: умный - неумный, открытый к новым идеям - ограниченный, добрый - злой, честный - нечестный, бескорыстный - эгоистичный. Разница в оценках поддерживающих и не поддерживающих руководство выступает в качестве меры когнитивного компонента аффективной поляризации. Наконец, поведенческий компонент измерялся с помощью набора вопросов о том, насколько комфортно чувствовал бы себя респондент при личном или онлайн-общении с человеком, поддерживающим или не поддерживающим руководство страны, если бы этот человек был а) другом, б) коллегой респондента. Как и в случае других компонентов аффективной поляризации, мерой поляризации в данном случае выступает разность ответов про поддерживающих и не поддерживающих руководство страны. В целом для различных аспектов аффективной поляризации было получено 16 числовых измерителей (табл. 1). Таблица 1 Количество вопросов опросной анкеты для измерения различных аспектов аффективной поляризации Компоненты поляризации Офлайн-поляризация, количество вопросов Онлайн-поляризация, количество вопросов Эмоциональный 1 1 Когнитивный 5 5 Поведенческий 2 2 Источник: составлено Д.К. Стукалом, А.Н. Шилиной, А.С. Ахременко по результатам исследования. Данные табл.1 свидетельствуют о том, что для когнитивного и поведенческого компонентов каждого вида аффективной поляризации (офлайн и онлайн) было получено несколько разных значений. В целях проведения дальнейшего анализа эти значения были агрегированы путем усреднения. Таким образом, для каждого респондента было получено среднее значение когнитивного и среднее значение поведенческого компонентов аффективной поляризации в интернет- пространстве и в физическом мире. Методическим основанием для простого усреднения ответов респондентов являются результаты примененного метода главных компонент: в случае когнитивного компонента онлайн- поляризации первая компонента объясняет 79 % суммарной дисперсии признаков, а весовые коэффициенты при разных ответах близки друг к другу, принимая значения от 0.434 до 0.455; в случае офлайн-поляризации первая главная компонента для когнитивного аспекта объясняет 84 % суммарной вариации, а весовые коэффициенты варьируют от 0.433 до 0.456; в случае поведенческого аспекта, измеряемого двумя величинами, результаты метода главных компонент будут тождественны результатам усреднения по сугубо алгебраическим причинам [Rencher, Christensen 2012: 422]. Социальные сети как альтер эго физической реальности Прежде чем перейти к ответу на главный вопрос нашего исследования - о соотношении и сходстве аффективной политической поляризации в физическом и интернет- пространстве, обратимся к более общему вопросу: в какой мере аффективная поляризация, понимаемая как совокупность трех компонент, оказывается целостным явлением в эмпирическом исследовании? В какой мере эмоциональный, когнитивный и поведенческий компоненты аффективной поляризации согласованы между собой? В табл. 2 представлены коэффициенты корреляции К. Пирсона. Все компоненты аффективной поляризации - как в физическом мире, так и в онлайне - демонстрируют либо умеренную, либо сильную взаимосвязь (табл. 2). Особенно выраженной оказывается взаимосвязь эмоционального и поведенческого компонентов, в то время как когнитивный компонент демонстрирует умеренную связь с другими аспектами аффективной поляризации. Обратим внимание, что данная закономерность проявляется как в социальных сетях, так и при личной коммуникации. Таблица 2 Корреляции между компонентами аффективной поляризации, коэффициенты корреляции К. Пирсона между различными компонентами аффективной поляризации в онлайне и офлайне Корреляция компонентов Эмоциональная офлайн Когнитивная офлайн Поведеднческая офлайн Эмоц. онлайн Ког. онлайн Повед. онлайн Эмо. офл. 1 0,53 0,70 0,89 0,49 0,64 Ког. офл. 0,53 1 0,55 0,52 0,63 0,51 Повед. офл. 0,70 0,55 1 0,71 0,46 0,80 Эмо. онл. 0,89 0,52 0,71 1 0,50 0,65 Ког. онл. 0,49 0,63 0,46 0,50 1 0,46 Повед. онл. 0,64 0,51 0,80 0,65 0,46 1 Источник: составлено Д.К. Стукалом, А.Н. Шилиной, А.С. Ахременко по результатам исследования. Зафиксированные корреляции компонентов аффективной поляризации, однако, недостаточно высоки для их обоснованного объединения в единый индекс аффективной поляризации. В частности, при переходе от трех обсуждавшихся выше агрегированных показателей компонентов аффективной поляризации к единому индексу с помощью метода главных компонент, первая компонента учитывает лишь 73 и 69 % суммарной дисперсии (в случае офлайн и онлайн-поляризации соответственно), что сложно признать существенным сжатием информации при переходе от трех числовых характеристик к одной. Иными словами, покомпонентное измерение аффективной поляризации оказывается эмпирически оправданным. Примечательно при этом, что и паттерны корреляций между компонентами, и - как следствие - результаты применения метода главных компонент указывают на структурное сходство аффективной поляризации в онлайне и офлайне. Достаточно ли сильное это сходство, чтобы можно было поставить знак равенства между онлайн и офлайн-поляризацией? Далее мы отвечаем на этот вопрос, сравнивая связи компонент аффективной поляризации с ее факторами в физической и интернет- реальности. Для решения этой задачи мы оцениваем серию множественных регрессий, зависимой переменной в которых выступают шесть компонент аффективной поляризации (по три для офлайн и онлайн-поляризации), а объясняющими переменными - набор характеристик респондентов, включая уровень поддержки руководства страны, уровень интереса к политике, а также социально- демографические характеристики респондентов (пол, возраст, уровень образования и дохода). Поскольку мы предполагаем, что респонденты с более выраженной позицией в отношении руководства страны могут характеризоваться более высоким уровнем аффективной поляризации, чем респонденты с умеренной позицией, в регрессионную модель включены не только уровень поддержки руководства страны, но и квадрат этого уровня. Таким образом, методом наименьших квадратов оценивалась регрессионная модель следующего вида: yˆi b0 b support1 i b support2 i2 binterest1 i a xj i j , j где i - номер респондента; ŷi - предсказанное значение зависимой переменной (компонент аффективной поляризации) для i- го респондента; b0, …, b3, - оценки коэффициентов регрессии при ключевых объясняющих переменных; support и support2 - уровень поддержки руководства страны и квадрат этого уровня; interest - интерес респондента к политике; x(ij) - значение j- й контрольной переменной у i- го респондента (в качестве контрольных выступают социально- демографические переменные); ai - оценка коэффициента регрессии при j-й контрольной переменной. Полученные результаты регрессионного анализа приведены в табл. 3 и 4. Таблица 3 Результаты регрессионного анализа компонент аффективной поляризации (офлайн) Объясняющие переменные З ависимые переменные Эмоциональный компонент Поведенческий компонент Когнитивный компонент Поддержка руководства -0,827 (0,022) -0,975 (0,009) -0,694 (0,029) Квадрат поддержки руководства 0,134 (<0,001) 0,159 (<0,001) 0,121 (<0,001) Интерес к политике 0,200 (0,015) 0,182 (0,030) 0,075 (0,299) Соц.-дем. контрольные переменные Да Да Да Число наблюдений 200 200 200 R2 0,233 0,267 0,242 Примечание: значения МНК-оценок коэффициентов регрессии приведены в ячейках возле соответствующих переменных; в скобках указаны p- значения, вычисленные с помощью обычных стандартных ошибок. Статистические выводы остаются неизменными при использовании состоятельных при гетероскедастичности HC2 стандартных ошибок. Источник: составлено Д.К. Стукалом, А.Н. Шилиной, А.С. Ахременко по результатам исследования. Таблица 4 Результаты регрессионного анализа компонент аффективной поляризации (онлайн) Объясняющие переменные Зависимые переменные Эмоциональный Поведенческий компонент компонент Когнитивный компонент Поддержка руководства -0,794 (0,035) -1,062 (0,004) -1,407 (<0,001) Квадрат поддержки руководства 0,130 (0,002) 0,159 (<0,001) 0,188 (<0,001) Интерес к политике 0,177 (0,038) 0,139 (0,099) 0,164 (0,022) Соц.-дем. контрольные переменные Да Да Да Число наблюдений 200 200 200 R2 0,207 0,225 0,270 Примечание: значения МНК-оценок коэффициентов регрессии приведены в ячейках возле соответствующих переменных; в скобках указаны p- значения, вычисленные с помощью обычных стандартных ошибок. Статистические выводы остаются неизменными при использовании состоятельных при гетероскедастичности HC2 стандартных ошибок. Источник: составлено Д.К. Стукалом, А.Н. Шилиной, А.С. Ахременко по результатам исследования. Сравнение оценок коэффициентов при объясняющих переменных в разных столбцах (см. табл. 3 и 4) подтверждает изначальное предположение о том, что уровень аффективной поляризации квадратично связан с политической позицией: респонденты на краях шкалы (т.е. наиболее сильно поддерживающие либо не поддерживающие руководство страны) демонстрируют значимо более высокий уровень аффективной поляризации, чем респонденты, занимающие умеренную позицию. Эта закономерность проявляется в случае всех компонентов аффективной поляризации - как в онлайне, так и в офлайне. Обращает на себя внимание также сходство коэффициентов при одних и тех же переменных в моделях для эмоционального и поведенческого компонентов как онлайн, так и офлайн-поляризации. Единственный компонент поляризации, демонстрирующий несколько отличную систему взаимосвязей с объясняющими факторами, - это когнитивный компонент. Действительно, оценка коэффициента при интересе к политике в случае офлайн-поляризации оказывается незначимой, хотя она значима (и существенна выше по абсолютному значению) в случае аффективной поляризации в онлайне. Кроме того, для когнитивного компонента существенно различаются величины коэффициентов при поддержке руководства. Резюмируя полученные результаты, можно отметить, что аффективная поляризация демонстрирует в целом высокую согласованность в физическом мире и в социальных сетях. Результаты регрессионного анализа не позволяют выявить существенные расхождения в уровнях и факторах, влияющих на аффективную поляризацию, в двух средах. Некоторым исключением является когнитивный компонент; однако и в его случае отличия не носят фундаментального характера: респонденты на краях политического спектра все так же оказываются более поляризованными, чем умеренные респонденты. Заключение В работе было показано, во- первых, что раскол по отношению к власти в России обладает силой, поляризующей респондентов во всех трех аффективных измерениях: когнитивном, эмоциональном и поведенческом. С одной стороны, это не удивительно: после 1990-х, когда ключевым размежеванием было идеологическое (лево- консервативное - праволиберальное), действующая власть все в большей мере сосредоточивала на себе фокус политических отношений. С другой стороны, примечательно, что и в начале 2025 г. - после трех лет специальной военной операции и связанного с ней переноса многих ключевых акцентов на международную повестку - этот раскол очень заметен даже на небольшой выборке. Основной же и, с нашей точки зрения, наиболее интересный результат исследования заключается в отсутствии по- настоящему значимых различий между проявлениями аффективной поляризации в онлайн- и офлайн- средах коммуникации. Стал ли он неожиданным? Для нас скорее нет. В предыдущих работах, посвященных сравнению протестной динамики в Интернете и в «физическом» мире (см., напр., [Ахременко, Бродовская 2021]), мы обращали внимание на серьезное преувеличение «фундаментально нового качества» цифровой среды по сравнению с традиционной. Склонность видеть в Интернете «иную реальность», действующую по своим законам, кажется глубоко эмпирически обоснованной ровно до того момента, пока ученые фокусируются только на этой реальности. Когда анализ становится по- настоящему сравнительным и вовлекает в себя традиционную сеть коммуникаций, различия во многом блекнут. При всех особенностях цифровая среда остается средой, в которой действуют люди с их установками и представлениями. Есть ли уверенность в генерализуемости - возможности обобщения на более широкие классы стран и контекстов - вывода о схожести проявлений аффективной поляризации онлайн и офлайн, полученного на ограниченном опросном материале в России? Здесь проявим осторожность: влияние эффектов информационно- коммуникационных технологий на политические процессы демонстрирует в целом сильную зависимость от контекстуальных факторов. Необходимы новые исследования, в том числе экспериментальные, объектом которых будет восприятие людьми политических сторонников и оппонентов в онлайн- и офлайн-средах взаимодействия.
×

About the authors

Denis K. Stukal

HSE University

Email: dstukal@hse.ru
ORCID iD: 0000-0001-6240-5714

Ph.D in Political Science, Dean, Faculty of Social Sciences

Moscow, Russian Federation

Anna N. Shilina

HSE University

Email: ashilina@hse.ru
ORCID iD: 0000-0002-6667-0686

Ph.D student, School of Politics and Governance

Moscow, Russian Federation

Andrei S. Akhremenko

HSE University

Author for correspondence.
Email: aakhremenko@hse.ru
ORCID iD: 0000-0001-8002-7307

Doctor of Political Science, Professor, Leading Research fellow, Politics & Psychology Research Laboratory

Moscow, Russian Federation

References

  1. Akhremenko, A.S. & Brodovskaya, E.V. (2021). Impact of New Information and Communication Technologies on Civic and Political Activism: «Tension Lines» of the Discussion Field. Monitoring of Public Opinion: Economic and Social Changes, 6. (In Russian). https://doi.org/10.14515/monitoring.2021.6.2111 EDN: EPFRSY
  2. Baek, Y.M., Wojcieszak, M. & Delli Carpini, M.X. (2012). Online versus face-­to-face deliberation: Who? Why? What? With what effects? New Media and Society, 14, 363–383. http://doi.org/10.1177/1461444811413191
  3. Bail, C.A., Argyle, L.P., Brown, T.W., Bumpus, J.P., Chen, H., Hunzaker, M.B.F., et al. (2018). Exposure to opposing views on social media can increase political polarization. Proceedings of the National Academy of Sciences, 115, 9216–9221. https://doi.org/10.1073/pnas.1804840115
  4. Barberá, P., Jost, J.T., Nagler, J., Tucker, J.A. & Bonneau, R. (2015). Tweeting from left to right: Is online political communication more than an echo chamber? Psychological Science, 26(10), 1531–1542. https://doi.org/10.1177/0956797615594620
  5. Beam, M.A., Hutchens, M.J. & Hmielowski, J.D. (2018). Facebook news and (de) polarization: Reinforcing spirals in the 2016 election. Information, Communication, & Society, 21(7), 940–958. https://doi.org/10.1080/1369118X.2018.1444783
  6. Bode, L. (2016). Pruning the news feed: Unfriending and unfollowing political content on social media. Research & Politics, 3, 1–8. https://doi.org/10.1177/2053168016661873
  7. Diamond, L. & Plattner, M.F. (2012). Liberation technology: social media and the struggle for democracy. Baltimore: Johns Hopkins University Press.
  8. Dubois, E. & Blank, G. (2018). The echo chamber is overstated: The moderating effect of political interest and diverse media. Information, Communication & Society, 21, 729–745. https://doi.org/10.1080/1369118X.2018.1428656
  9. Eveland, W.P., Appiah, O. & Beck, P.A. (2018). Americans are more exposed to difference than we think: Capturing hidden exposure to political and racial difference. Social Networks, 52, 192–200. https://doi.org/10.1016/j.socnet.2017.08.002
  10. Gulevich, O.A. & Kosimova, S.S. (2024). The relationship between Russian identity and political polarization: The role of secure national identification and national narcissism. Social Psychology and Society, 15(4), 123–139. (In Russian). https://doi.org/10.17759/sps.2024150409 EDN: ZXNPSO
  11. Korgunyuk, Yu.G. (2012) Structure of electoral cleavages in the 2011–2012 electoral cycle and possible scenarios for the development of the situation. Politeia, (3), 84–99. (In Russian). https://doi.org/10.30570/2078-5089-2012-66-3-84-99 EDN: SLCEJZ
  12. Kruchinskaia, E.V. (2025). Hate speech as an indicator of affective political polarization during mobilization: From measurement to forecasting. Political science (RU), (1), 156–180. (In Russian). http://www.doi.org/10.31249/poln/2025.01.07 EDN: KQHSEK
  13. Kubin, E. & Sikorski, Ch. (2021). The role of (social) media in political polarization: A systematic review. Annals of the International Communication Association, 45(3), 188–206. https://doi.org/10.1080/23808985.2021.1976070
  14. Lapkin, V.V. & Pantin, V.I. (2009). Russia and Ukraine: Factors of socio-­political polarization in a comparative perspective. Polis. Political Studies, (2), 96–107. (In Russian). EDN: KYGVEJ
  15. Lebedev, A.N., Gordyakova, O.V. (2023). Value-Affective Polarization of Large Social Groups in Conditions of Information Uncertainty. Social Psychology and Society, 14(4), 38–54. (In Russian). https://doi.org/10.17759/sps.2023140403
  16. McPherson, M., Smith-­Lovin, L. & Cook, J. (2001). Birds of a feather: Homophily in social networks. Annual Review of Sociology, 27, 415–444. https://doi.org/10.1146/annurev.soc.27.1.415 EDN: HEYQYJ
  17. Nordbrandt, M. (2022). Affective polarization in crosscutting communication networks: Offline and online evidence from Spain. Frontiers in Political Science, 4. https://doi.org/10.3389/fpos.2022.921188 EDN: TPMALD
  18. Papacharissi, Z. (2002). The virtual sphere: The Internet as a public sphere. New Media and Society, 4(1), 9–27. https://doi.org/10.1177/14614440222226244
  19. Pariser, E. (2011). The filter bubble: What the Internet is hiding from you. Penguin UK.
  20. Rencher, A. & Christensen, W. (2012). Methods of Multivariate Analysis. 3rd ed. John Wiley and Sons.
  21. Rowe, I. (2015). Civility 2.0: A comparative analysis of incivility in online political discussion. Information, Communication & Society, 18, 121–138. https://doi.org/10.1080/1369118X.2014.940365
  22. Settle, J. (2018). Frenemies: How social media polarizes America. Cambridge: Cambridge University Press.
  23. Sood, G. & Iyengar, S. (2016). Coming to dislike your opponents: The polarizing impact of political campaigns. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.2840225
  24. Stukal, D.K., Akhremenko, A.S., & Petrov, A.P. (2022). Affective political polarization and hate speech: Made for each other? RUDN Journal of Political Science, 24(3), 480–498. (In Russian). https://doi.org/10.22363/2313-1438-2022-24-3-480-498 EDN: VLTQRN
  25. Sunstein, C.R. (2018). Republic: Divided democracy in the age of social media. Princeton, NJ: Princeton University Press.
  26. Tajfel, H., & Turner, J.C. (1979). An integrative theory of intergroup conflict. In Austin, W.G. & S. Worchel (Eds.), The social psychology of intergroup relations (pp. 33–37). Monterey, CA: Brooks/Cole.
  27. Wojcieszak, M.E., & Mutz, D.C. (2009). Online groups and political discourse: Do online discussion spaces facilitate exposure to political disagreement? Journal of Communication, 59(1), 40–56. https://doi.org/10.1111/j.1460-2466.2008.01403.x

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 Stukal D.K., Shilina A.N., Akhremenko A.S.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.