ISSN 0137-0936 (Print)
ISSN 2309-9852 (Online)
Ru | En
РПО
Факультет психологии МГУ имени М.В. Ломоносова
Главная RSS Поиск

Кузнецова Юлия Михайловна

Кандидат психологических наук, старший научный сотрудник Института системного анализа Федерального исследовательского центра «Информатика и управление» РАН,
Москва, Россия


Публикации

Фильтр
Ru:
DOI Number:
  

Ениколопов С.Н., Ковалёв А.К., Кузнецова Ю.М., Чудова Н.В., Старостина Е.В. Признаки, характерные для текстов, на- писанных в состоянии фрустрации. // Вестник Московского университета. Серия 14. Психология. — 2019. — №3 — с.66-85

Актуальность.Создание средств для выявления в сетевом контенте негативных психологических состояний относится к наиболее актуальным из задач, порожденных развитием информационных технологий. Имеются данные о том, что речь и текстовая деятельность человека в состоянии фрустрации отличаются рядом особенностей, однако для текстов на русском языке инструмента, позволяющего проводить мониторинговые исследования выраженности фрустрации в сетевом контенте, на настоящий момент не существует. 

ЦельФормирование перечня текстовых признаков, позволяющих в ходе автоматического анализа сетевого контекста выделять тексты фрустрированных пользователей. 

Методика. Материал исследования: посты и комментарии (в объеме 2—10 предложений) ста русскоязычных пользователей ЖЖ, Пикабу и Фейсбук из России, стран ближнего и дальнего зарубежья в возрасте 27—64 лет. Тексты были разделены на написанные в спокойном состоянии (СТ, 50 текстов каждого пользователя) и в состоянии фрустрации (ФТ, 50 текстов каждого). Метод автоматического анализа текста: созданная в ФИЦ ИУ РАН «Машина РСА», позволяющая определять 197 текстовых признаков. Методы математической обработки: задача классификации текстов решалась с применением алгоритмов машинного обучения.

Результаты. Метод RandomForestс предварительной процедурой бинаризации выявил наиболее значимые признаки, наличие которых в тексте позволяет относить его к классу ФТ: тональность слов; частотность знаков препинания, отрицательных словоформ и местоимений первого лица; количество слов в семантических ролях каузатив, ликвидатив и деструктив; число частиц, инвектив слов и слов с семантикой сопротивления.

Выводы. Совокупность выявленных признаков позволяет достаточно эффективно выделять в сетевом контенте тексты, написанные в состоянии фрустрации; такая оценка носит статистический характер и, не имея индивидуально-диагностической направленности, может быть компонентом мониторинговых мероприятий в целях обеспечения информационно-психологической безопасности.

Поступила: 08.06.2019
Принята к публикации: 19.06.2019
Страницы: 66-85
DOI: 10.11621/vsp.2019.03.66
Ключевые слова: фрустрация; социальные сети; текстовые признаки; автоматический анализ текста; машинное обучение;
Разделы журнала: Эмпирические исследования; Теоретические исследования;

Доступно в on-line версии с 29.08.2019


О журнале Редакция Номера Авторы Для авторов Контакты
Вестник Московского университета. Серия 14. Психология, 2006 - 2019


Все права защищены. Использование графической и текстовой информации разрешается только с письменного согласия руководства МГУ имени М.В. Ломоносова.

Дизайн сайта | Веб-мастер