Социальные медиа как альтер эго реальности: о чем говорит аффективная политическая поляризация?

Полный текст

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.

Об авторах

Денис Константинович Стукал

Национальный исследовательский университет «Высшая школа экономики»

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

кандидат политических наук, декан, факультет социальных наук

Москва, Российская Федерация

Анна Николаевна Шилина

Национальный исследовательский университет «Высшая школа экономики»

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

аспирант, Аспирантская школа по политическим наукам

Москва, Российская Федерация

Андрей Сергеевич Ахременко

Национальный исследовательский университет «Высшая школа экономики»

Автор, ответственный за переписку.
Email: aakhremenko@hse.ru
ORCID iD: 0000-0001-8002-7307

доктор политических наук, профессор, ведущий научный сотрудник, Научно-учебная лаборатория политико-психологических исследований

Москва, Российская Федерация

Список литературы

Дополнительные файлы