О.Н. Бодин1, В.М. Жигачев2, У.Н. Балаба3, И.В. Голубкова4

1–4 Пензенский государственный технологический университет (г. Пенза, Россия)
1 bodin_o@inbox.ru, 2 zhigachevvm@mail.ru, 3 balabaul2017@gmail.com, 4 ilonna1990@mail.ru

Постановка проблемы. Социальные сети и мессенджеры становятся одним из основных посредников в общении участников медиапространства. Такие приемы упрощения, как геймификация процесса общения между людьми, значительно расширили возможности манипулирования. Психологическое поведение, выработанное человеком и группой людей, в цифровой среде работает по-другому: оно может вызывать сильный эмоциональный дискомфорт или фрустрацию в хронической форме. Существенные различия, возникшие между уровнем потребностей и ожиданиями собственных достижений, – серьезная предпосылка для возникновения конфликта. Человек, неспособный удовлетвориться достигнутыми успехами, имеет завышенные потребительские ожидания. Воздействие в психологии — целенаправленная передача информации от одного участника взаимодействия к другому. Медиавоздействие бывает дистанционным, как односторонним, так и интерактивным.

Цель. Провести анализ цифрового следа пользователя социальной сети для выявления опасных личностей, позволяющий оценить деформацию личности.

Результаты. Применение совместного анализа многомодальных данных пользователя социальных сетей поможет улучшить показатели выявления эмоционального состояния, повысить точность определения эмоций, расширить диапазон выявления сложных состояний, агрессии, страха, отвращения и досады. За счет предварительной обработки медиаконтента улучшается точность, сокращается объем анализируемого медиаконтента и существенно повышается скорость его обработки.

Практическая значимость. На основе предлагаемого алгоритма анализа цифрового следа пользователя социальных сетей строится его психоэмоциональная диаграмма, с указанием проявлений экстремальных психологических состояний и влияющих на это факторов.

Бодин О.Н., Жигачев В.М., Балаба У.Н., Голубкова И.В. Алгоритм анализа цифрового следа пользователя социальной сети // Биомедицинская радиоэлектроника. 2025. T. 28. № 5. С. 129−136. DOI: https://doi.org/10. 18127/j156 04136-202505-26

1. В России запускают нацпроект по цифровой трансформации государства https://rg.ru/2024/05/21/kakie-nashi-kody.html.
2. Olinder N., Tsvetkov A., Fedyakin K., Zaburdaeva K. Using digital footprints in social research: an interdisciplinary approach. WISDOM. 2020. № 3. P. 124–135.
3. Наварро Дж. Опасные личности. Как их вычислить и не дать манипулировать собой: Пер. с англ. М.: Эксмо. 2024. 352 с.
4. Catch Me If You Can: Big Data and Crime Prevention. URL: https://www.alleywatch.com/2014/08/catch-me-if-you-can-big-data-and-crimeprevention/].
5. Методы data mining: обзор и классификация. URL: https://hsbi.hse.ru/articles/metody-data-mining-obzor-i-klassifikatsiya/
6. Черешнев Е. Форма жизни №4. Как остаться человеком в эпоху расцвета искусственного интеллекта. М.: Альпина Паблишер. 2024. 480 с.
7. Патент № RU2586854C1 (РФ). Способ предоставления данных, относящихся к пациентам медицинского учреждения / О.Н. Бодин и др. 2016.
8. Прохоров А., Лысачев М. Цифровой двойник. Анализ, тренды, мировой опыт. Науч. ред. проф. А. Боровков. Изд. 1-е, испр. и доп. М.: ООО «АльянсПринт». 2020. 401 с.