Опубликовано: 28.04.2026 | Источник: https://www.psychreg.org/feed/

Как цифровые эмоции и алгоритмическое чтение формируют когнитивные искажения: основа для эмпирического исследования в ВКР по когнитивной и медиапсихологии

Современные цифровые среды перестраивают не только то, что мы читаем, но и как мы это делаем. Статья «How Algorithms and Emotions Are Undermining the Way We Read Online» (Psychreg, 2026) поднимает тревожный вопрос: алгоритмы, оптимизированные под эмоциональную вовлечённость, формируют поверхностное, фрагментарное и эмоционально поляризованное восприятие текста. Это не просто технологическая тенденция — это психологический феномен, затрагивающий когнитивные функции, цифровую грамотность и способность к критическому мышлению.

Для студентов-психологов, особенно тех, кто пишет выпускную квалификационную работу (ВКР) в области когнитивной, педагогической или медиапсихологии, этот материал открывает пространство для актуального и методологически строгого эмпирического исследования. Мы находимся на пересечении цифровизации, когнитивной психологии и этики данных — парадигма меняется, и ВКР может стать вкладом в понимание этих трансформаций. Как использовать этот материал в своей работе? Какие темы вытекают из него? И как избежать типичных ошибок при исследовании цифрового поведения?

Темы ВКР на основе статьи

1. Влияние алгоритмически подаваемого контента на уровень критического мышления у студентов

• Актуальность: Согласно статье, алгоритмы продвигают эмоционально заряженный, но когнитивно простой контент, что снижает потребность в аналитической обработке информации. Это напрямую угрожает формированию критического мышления — ключевого навыка в высшем образовании.
• Цель: Выявить связь между типом потребляемого онлайн-контента (алгоритмически рекомендованный vs. целенаправленно выбранный) и уровнем критического мышления.
• Задачи:
  • Провести теоретический анализ концептов «критическое мышление», «алгоритмическая фильтрация», «цифровая когнитивная лень».
  • Операционализировать переменные: тип потребления контента, уровень критического мышления, эмоциональная вовлечённость.
  • Подобрать валидные методики (например, опросник критического мышления Watson-Glaser, шкала цифрового потребления контента).
  • Провести корреляционное исследование с элементами экспериментального дизайна (например, сравнение двух групп: одна потребляет контент через алгоритмы, другая — через прямые ссылки).
• Структура:
  • Глава 1 — Теоретический обзор: критическое мышление в цифровую эпоху, алгоритмическая медиация, когнитивные искажения.
  • Глава 2 — Методы: выборка студентов (n ≥ 100), онлайн-опросы, валидация инструментария, этическое одобрение.
  • Глава 3 — Результаты: статистическая обработка (корреляция Пирсона, t-критерий Стьюдента), интерпретация, рекомендации по формированию цифровой грамотности.

2. Эмоциональная поляризация при чтении новостей в социальных сетях и её связь с когнитивными искажениями

• Актуальность: Статья указывает, что эмоции, вызываемые контентом, усиливаются алгоритмами. Это ведёт к формированию «эмоциональных пузырей» и подтверждению предубеждений — классический пример когнитивного искажения подтверждения.
• Цель: Изучить, как эмоциональная окраска новостного контента, подаваемого через алгоритмы, влияет на проявление когнитивных искажений.
• Задачи:
  • Определить конструкты: эмоциональная поляризация, когнитивные искажения (подтверждение, фальшивая причинность, чёрно-белое мышление).
  • Разработать сценарий эксперимента: показ участников новостей с разной эмоциональной окраской (нейтральной, негативной, позитивной) в условиях алгоритмического и ручного выбора.
  • Использовать методики: шкала оценки эмоций (например, PANAS), опросник когнитивных искажений (Cognitive Distortions Questionnaire), SCL-90 для контроля тревожности.
  • Проанализировать данные с помощью дисперсионного анализа (ANOVA) и корреляционного анализа.
• Структура:
  • Глава 1 — Понятийный аппарат: эмоциональная регуляция, когнитивные искажения, алгоритмическая фильтрация.
  • Глава 2 — Организация исследования: международный дизайн, рандомизация, контрольные группы.
  • Глава 3 — Интерпретация: визуализация данных (графики распределения), формулировка практических интервенций.

3. Эффективность цифровых интервенций по развитию критического мышления у подростков

• Актуальность: Подростки — наиболее уязвимая группа к алгоритмическому влиянию. Статья подчёркивает необходимость формирования устойчивых когнитивных стратегий.
• Цель: Оценить эффективность краткосрочной цифровой интервенции по развитию критического мышления у подростков (14–17 лет).
• Задачи:
  • Проанализировать существующие копинг-стратегии при цифровом стрессе.
  • Разработать модуль интервенции (например, 5-дневный онлайн-курс с элементами когнитивно-поведенческой терапии).
  • Применить методики: HADS (для оценки тревожности и депрессии), шкала цифрового выгорания, опросник критического мышления.
  • Провести исследование «до–после» с контрольной группой, обработать данные с помощью t-критерия для зависимых выборок.
• Структура:
  • Глава 1 — Развитие критического мышления в подростковом возрасте, влияние цифровой среды.
  • Глава 2 — Методы: выборка (n ≥ 60), рандомизация, валидация инструментов, этическое заключение (согласие родителей).
  • Глава 3 — Результаты: динамика показателей, значимость изменений, рекомендации для педагогов и психологов.

Теоретическая глава: обоснование гипотез и выбор теоретической базы

В первой главе ВКР важно не просто пересказать статью, а вписать её в более широкий теоретический контекст. Какие подходы подойдут?

• Когнитивная психология: теории двойной обработки информации (Система 1 и Система 2 по Канеману), концепт «когнитивной лени» (Fernbach et al., 2013).
• Медиапсихология: теория спиралей молчания, концепция «эмоционального пузыря» (filter bubble), цифровая идентичность.
• Психология образования: формирование цифровой грамотности, критическое мышление как метакогнитивный навык.

Гипотезы должны быть чётко сформулированы и операционализированы. Например:

• H₁: Чем выше уровень потребления алгоритмически рекомендованного контента, тем ниже показатели критического мышления (r ≤ -0.35, p < 0.05).
• H₂: Эмоционально заряженный контент вызывает значимо большее проявление когнитивных искажений, чем нейтральный (F(2, 97) = 4.87, p < 0.01).

Для поиска источников используйте научные базы: PsycINFO, eLibrary, Scopus. Ключевые запросы: «algorithmic bias and cognition», «emotional contagion online», «critical thinking digital literacy».

Методологический блок: выборка, валидация, этика

Подбор выборки

Выборка должна быть репрезентативной. Для онлайн-исследований допустимо использование онлайн-опросов (через Google Forms, Qualtrics), но важно:

• Указать критерии включения (возраст, образование, частота использования соцсетей).
• Обеспечить случайность отбора (например, через рандомизированные ссылки в группах).
• Учитывать объём: для корреляционного анализа — минимум 50 человек, для ANOVA — не менее 30 в каждой группе.

Подбор и валидация методик

Используйте только валидные и надёжные методики. Примеры:

Перед использованием — проверьте надёжность методик в вашей выборке (коэффициент α Кронбаха ≥ 0.7). Если используете адаптацию — укажите это и проведите пилотное исследование.

Этические нормы

Сбор данных онлайн не освобождает от этических обязательств. Обязательно:

• Получить информированное согласие (включая право на отказ).
• Обеспечить анонимность (не собирать IP, ФИО, телефоны).
• Соответствовать Этическому кодексу РПО (Российского психологического общества), особенно п. 3.2 (уважение к автономии личности) и п. 5.1 (конфиденциальность).
• При работе с несовершеннолетними — согласие родителей.

Документы: информированное согласие, протокол этической экспертизы (если требуется в вузе), описание процедуры хранения данных.

Интерпретация данных: от статистики к рекомендациям

После сбора данных — обработка в SPSS или JASP. Какие критерии выбрать?

• Сравнение двух групп: t-критерий Стьюдента (независимый или зависимый).
• Сравнение трёх и более групп: ANOVA с пост-хок тестами (Tukey).
• Связь переменных: корреляция Пирсона (при нормальном распределении) или Спирмена (при нарушении).
• Проверка структуры: факторный анализ (если адаптируете опросник).

Визуализация — важная часть интерпретации. Используйте:

• Гистограммы распределения.
• Диаграммы рассеяния (scatter plots).
• Boxplots для сравнения групп.

Рекомендации должны быть практическими и конкретными. Например:

• «Включить модуль критического мышления в курсы цифровой грамотности в школах».
• «Разработать приложение с напоминаниями о необходимости проверки источников».
• «Проводить просветительские сессии для родителей о влиянии алгоритмов на подростков».

Практические выводы: чему вы научитесь?

• Подбирать и адаптировать диагностический инструментарий с учётом валидности и надёжности.
• Организовывать эмпирическое исследование в цифровой среде, включая онлайн-опросы и эксперименты.
• Обрабатывать данные с помощью статистических методов (t-критерий, корреляция, ANOVA) в SPSS/JASP.
• Формулировать практические рекомендации для психологов, педагогов и родителей.
• Соблюдать этические нормы в соответствии с кодексом РПО.

FAQ

Какой объём выборки нужен для ВКР?

Минимальный — 30 человек для корреляционного анализа, 50–60 — для сравнения групп. Для ANOVA — не менее 30 в каждой группе. Важно: репрезентативность важнее объёма.

Какой статистический критерий выбрать?

Зависит от задачи: t-критерий — для сравнения двух групп, ANOVA — трёх и более, корреляция Пирсона — для связи количественных переменных. Если сомневаетесь — используйте непараметрические аналоги (Манна-Уитни, Спирмен).

Как оформлять приложения с бланками методик?

Приложения должны включать: полный текст опросника, инструкцию, шкалы оценки, пример заполнения. Если методика не на русском — указать источник и автора перевода. Все бланки — в приложении, ссылки на них — в тексте.

Кто может быть рецензентом или практиком в ВКР?

Рецензент — педагог или практикующий психолог с высшей категорией или учёной степенью. Психолог-практик — специалист с дипломом и стажем, работающий в клинике, школе или центре. Уточните требования в вашем вузе.

Источник: How Algorithms and Emotions Are Undermining the Way We Read Online (опубликовано 2026-04-11)