Сетевой жаргон в задаче лексического решения: связана ли скорость визуального распознавания слов с проблемным использованием интернета среди молодежи? | Вестник Томского государственного университета. Филология. 2021. № 74. DOI: 10.17223/19986645/74/1

Сетевой жаргон в задаче лексического решения: связана ли скорость визуального распознавания слов с проблемным использованием интернета среди молодежи?

Предлагается комплексная диагностика проблемного использования интернета с применением опросного и экспериментального метода психолингвистики. На выборке русскоязычных школьников и студентов (n = 106) в возрасте от 12 до 22 лет было установлено, что значимыми предикторами времени реакции на жаргонизмы, бытующие в интернет-среде, являются когнитивная поглощенность подростков с размером эффекта -0,21 SD и регуляция настроения с размером эффекта 0,14 SD. СреДняя частотность пар слов-стимулов имеет значительный эффект на сокращение времени реакции (-0,18 SD).

Internet Slang in the Lexical Decision Task: Does Reaction Time for Word Recognition Correlate With Problematic Internet.pdf Введение Влияние интернета как средства коммуникации на индивидуальноличностные особенности человека по-прежнему является предметом научных дискуссий. Если авторы более ранних работ фокусировались исключительно на доказательстве гипотезы о негативном влиянии интернета как такового и количества времени, проводимого в Сети, на психологическое здоровье человека без учета всех возможных нюансов2, то в настоящее время приходит понимание того, что к факторам, оказывающим потенциальное влияние на человека, относится целый спектр особенностей сетевого контента, а также когнитивный и мотивационный профиль пользователя, его социальный статус и т.д. Закономерно возникают вопросы о нормативных показателях использования интернета в мире в целом и в России в частности. К числу объективных показателей использования интернета в мире относятся количество пользователей, их национальный и возрастной состав, количество времени, проводимого ими в Сети, тип используемых устройств для выхода в онлайн-пространство, наиболее посещаемые сайты и т.д. Так, на темпы роста количества пользователей интернета и социальных Сетей в последнее время указывают многие исследователи [1, 2]. Согласно последним статистическим данным число российских интернет-пользователей с 2020 по 2021 г. увеличилось на 6 миллионов человек и по состоянию на март 2021 г. составило приблизительно 124 миллиона человек. К началу 2021 г. пользователей социальных Сетей в России насчитывалось около 99 миллионов (зафиксирован прирост на 5,1% с начала 2020 г.), что составило около 67,8% населения страны. В среднем российские пользователи ежедневно проводят в сети около 8 часов. Около 75% населения мира выходят в интернет через мобильные устройства и в среднем проводят там по 4 часа в день, при этом россияне проводят «в телефонах» в среднем 3,5 часа в день. Около 50% этого времени уходит на пользование мессенджерами и социальными Сетями, просмотр видео, всевозможные 1 развлекательные приложения и игры . Использование различных онлайн-сервисов, по всей видимости, может положительно влиять на развитие коммуникативных навыков, самообучение и мотивацию к учебной деятельности [3-5], психологическое благополучие [6], эффект растормаживания [7], но подобные исследования скорее редкость в научной литературе. Все чаще ученые связывают использование интернета с проблемным, деструктивным поведением пользователей. Целый комплекс экзогенных и эндогенных факторов может вызывать аддиктивное поведение, часто называемое в психологической литературе интернет-зависимостью [8]. Кроме того, используются и такие термины, как компьютерное расстройство, злоупотребление интернетом, расстройство использования интернета, интернет-аддикция, патологическое использование интернета, патологическое использование электронных медиа, компульсивное использование интернета и проблемное использование интернета. Естественно, что развитие сетевых средств коммуникации ведет к неизбежной архаизации некоторых понятий и выражений, используемых в более ранних исследованиях и инструментах измерения данного психологического конструкта. На наш взгляд, проблемное использование интернета (PIU) является сегодня наиболее точным определением данного типа поведения, в котором подчеркивается деструктивный потенциал онлайн-взаи-модействия человека с Глобальной сетью. При таком подходе сам интернет не рассматривается как непосредственная причина изменений в поведении и личностных особенностях, но акцентируется роль негативных последствий его использования для конкретного индивида. Как отмечают А.А. Герасимова и А.Б. Холмогорова [1], оценка проблемного использования интернета основана на современных представлениях о мотивации личности, последствиях и контексте использования различных онлайн-сервисов [9]. Проблемное использование интернета может быть связано с базовыми потребностями человека в автономии, компетентности и связности согласно теории самодетерминации: исследование [10] отчасти подтвердило медиационный эффект психологического стресса между удовлетворением потребностей и проблемным использованием интернета. Так, результаты метаанализа работ с 2005 по 2016 г. не обнаруживают прямой и непосредственной связи между частотой использования социальных сетей, количеством друзей и уровнем депрессии и тревожности: позитивное взаимодействие, социальное одобрение и чувство связности, переживаемые пользователями социальных Сетей, чаще всего ассоциированы с более низкими уровнями депрессии и тревожности, в то время как негативное взаимодействие и социальное сравнение в социальных Сетях связаны с более высоким уровнем депрессии и тревожности. Вместе с тем использование социальных Сетей может коррелировать с меньшим уровнем чувства одиночества, более высокой самооценкой и удовлетворенностью жизнью [11]. Однако совсем недавнее трехлетнее лонгитюдное исследование на выборке финских подростков (n = 1 750) в возрасте от 16 до 19 лет показало отрицательную корреляцию между уровнем проблемного использования интернета и уровнями успеваемости, положительные корреляции между уровнем PIU, уровнями депрессивных симптомов и частотой употребления подростками психоактивных веществ. Кроме того, депрессия взаимно предсказывала PIU [12]. В другом исследовании на внушительной выборке китайских старшеклассников (n = 2 211) в возрасте от 10 до 16 лет Вонг и соавт. [13] показали, что чувство одиночества является значимым предиктором депрессивной симптоматики через медиационные эффекты зависимости от онлайн-игр и использования социальных Сетей на общую шкалу PIU. Таким образом, PIU характеризуется целым спектром возможных негативных состояний, таких как чувство одиночества, повышенная тревожность и депрессия, что может говорить о деструктивном потенциале данного типа поведения. Проблемное использование интернета: модель и инструмент диагностики Рассматривая этиологию проблемного использования интернета в контексте современных инструментов его измерения, нам необходимо остановиться на теоретической модели, заложенной в его основе. Согласно когнитивно-поведенческой модели патологического использования интернета Ричарда Дэвиса [14] новые интернет-сервисы и качество контента способны вызывать у пользователей переживание позитивных эмоций и стремление к их повторному переживанию, постоянному возвращению в интернет-пространство. Центральным звеном данной модели автор считает возможность развития у пользователя когнитивных искажений под влиянием ситуационных факторов и психопатологической симптоматики, что может повлечь за собой развитие общего (не связанного со специфическим сетевым контентом) или специфического расстройства (например, в настоящее время - онлайн-гэмблинга, онлайн-шопинга и т.п.). Искаженные когнитивные процессы тесно связаны с навязчивыми мыслями о выходе в интернет, «руминацией» относительно того или иного контента, слабой концентрацией внимания на других видах деятельности в реальной повседневной жизни. Когнитивные искажения могут включать неуверенность в себе, низкий уровень самооэффективности и самооценки. Человек, имеющий такие искажения, негативно относится к себе и использует Сеть, чтобы добиться положительного отклика из внешней среды наиболее легким и доступным путем. Представления о самом себе могут включать такие мысли, как: «Я хорош только в интернете»; «Я бесполезен в офлайн, но в Сети я кто-то»; «Я неудачник, когда я не в Сети». Когнитивные искажения могут проявляться в отношении не только самого себя, но и окружающих. Так, у индивида могут возникать следующие представления: «Интернет - это единственное место, где меня уважают», «Никто не любит меня в реальной жизни»; «Интернет - мой единственный друг»; «Люди плохо относятся ко мне в реальной жизни» и т.п. Дэвис [14] считает, что подобные размышления и установки по принципу «все или ничего» и представляют собой дезадаптивные когнитивные искажения, которые усугубляют патологическое использование интернета. Основываясь на описанной выше модели, Скотт Каплан [15, 16] предложил шкалу общего проблемного использования интернета (Generalized Problematic Internet Use Scale), вторая версия которой (GPIUS2) предусматривает такие субшкалы, как: 1) предпочтение онлайн-общения общению «лицом к лицу»; 2) регуляция настроения; 3) когнитивная поглощенность; 4) компульсивное использование; 5) негативные последствия. Русскоязычная общая шкала проблемного использования интернета была апробирована и валидизирована А.А. Герасимовой и А.Б. Холмогоровой [1] на выборке молодежи в возрасте от 14 лет до 21 года. В нашем исследовании данный инструмент применяется для самоотчетной диагностики проблемного использования интернета среди молодежи. Кроме того, в целях контроля объективного параметра нашим участникам задавался дополнительный вопрос: «Укажи приблизительно, сколько минут или часов в день ты проводишь в интернете?» Кроме того в рамках нашего исследования мы использовали имплицитную методику - задачу лексического решения с предъявлением пар стимулов (жаргонизмов, общеупотребительных слов и неслов) в соответствии с оригинальным исследованием [17]. Связь скорости распознавания слов в задаче лексического решения с их частотностью и личностными особенностями носителей языка Задача лексического решения - достаточно известная в психолингвистике методика диагностики семантической памяти: участникам необходимо за заданный временной интервал быстро расклассифицировать стимулы как слова и неслова (или в ином варианте - пары стимулов). Недавнее экспериментальное исследование с применением данной методики показало, что скорость распознавания слов и неслов достаточно надежно может быть предсказана объемом пассивного словаря носителя языка, причем измеренного не одним, а целой серией тестов: от 27 до 46% дисперсии времени реакции математически предсказывается объемом словарного запаса [18]. Существует достаточно данных о том, что носители языка с большим объемом пассивного словаря или читательского опыта менее чувствительны к ряду лингвистических характеристик слов-стимулов в задаче лексического решения, например количеству букв [19], частоте слов [18] и количеству «орфографических соседей [20]. Вместе с тем значительный объем вариативности времени реакции объясняется случайными факторами, которые могут быть связаны с личностными особенностями участника эксперимента. Так, ряд исследований посвящен эффектам индивидуальных различий при распознавании эмоционально окрашенных лексических единиц [21-26], в том числе в связи с психическими патологиями [27, 28]. Однако получаемые разными авторами результаты зачастую противоречивы. По итогам наших последних исследований на материале русского языка с использованием задачи лексического решения и эмоционально окрашенных слов в качестве стимулов показали, что многие эффекты индивидуальности «скрываются» за случайными эффектами, а единственным высокозначимым и воспроизводимым в разных экспериментах лингвистическим предиктором времени реакции является частотность слов, распознаваемых в ходе эксперимента [29, 30]. Частотность слов неслучайно в значительной степени определяет скорость их визуального распознавания: расширение объема корпусов национальных языков, появление больших лексических данных способствуют более интенсивному развитию квантитативных методов для контролирования лингвистических переменных в экспериментах. Так, с появлением Генерального интернет-корпуса русского языка (ГИКРЯ)3 объемом более 20 млрд слов и созданного при помощи автоматической технологии сбора и разметки текстов Рунета появилась возможность фиксировать квантитативные характеристики языковых единиц из большой выборки текстов новостей, блогов, постов и т.п. Поскольку интернет является сегодня основным источником пополнения молодежного сленга и сетевого жаргона, мы сочли эффективным использование в нашем эксперименте частотности4 «сетевых» жаргонизмов в качестве лингвистического предиктора скорости распознавания слов определенных семантических групп, описание которых будет представлено в экспериментальной части настоящего исследования. Наша рабочая гипотеза заключается в том, что скорость распознавания жаргонизмов, которые, как правило, являются низкочастотными лексическими единицами, будет возрастать у лиц с более высоким показателем проблемного использования интернета в отличие от лиц, у которых этот показатель ниже. Предполагаем, что такие пользователи в большей степени «погружены» в сетевое общение и в отличие от менее «погруженных» пользователей чаще сталкиваются с такими жаргонными словами, как, например, сторис, директ, тред и т.д. В экспериментальной части ставится задача выяснить, какую долю вариативности скорости распознавания таких слов можно объяснить личностными особенностями проблемного использования интернета, количеством часов, проводимых в Сети, гендерными различиями, а также лингвистическими характеристиками стимулов. Материалы, методы и выборка участников исследования Исследование состояло из двух частей для одной выборки участников: опросной (сбор демографических характеристик и ответов по общей шкале проблемного использования интернета) и экспериментальной (задачи лексического решения). Сбор данных проходил в онлайн-формате. Все участники исследования (в возрасте от 12 до 22 лет) предоставили информированное согласие на участие в исследовании. Их информировали о том, что они могут прекратить участие в исследовании в любой момент без объяснения причин. Опросная часть состояла из таких пунктов, как ID, пол, возраст, регион проживания, среднее количество минут или часов в день, проводимых в интернете. Далее для заполнения предлагалась Общая шкала проблемного использования интернета-3 (GPIUS3), разработанная А.А. Колмогоровой и А.Б. Холмогоровой на основе второй версии аналогичной англоязычной шкалы. Методика включает пять субшкал: Предпочтение онлайн-общения (3 пункта, а Кронбаха в нашем исследовании = 0,78), Регуляция настроения (3 пункта, а Кронбаха = 0,79), Когнитивная поглощенность (3 пункта, а Кронбаха = 0,70), Компульсивное использование (3 пункта, а Кронбаха = 0,75), Негативные последствия (2 пункта, а Кронбаха = 0,77). Эти субшкалы с разных сторон характеризуют проявления проблемного поведения, связанного с использованием интернета, и демонстрируют умеренные корреляции между собой (в нашем исследовании от 0,28 до 0,61), поэтому в дальнейшем субшкалы анализировались в отдельности наряду с общим, суммарным показателем по всем субшкалам. Несмотря на небольшое число пунктов в каждой субшкале приведенные выше значения коэффициентов а Кронбаха свидетельствуют об их достаточной внутренней согласованности. Задача лексического решения была реализована с помощью специального онлайн-сервиса PsyToolkit [31, 32], позволяющего регистрировать ответы и время реакции участников в дистанционном режиме. Точность регистрации времени реакции для данного сервиса соизмерима и с более известным десктопным приложением E-Prime 3 [33]. В качестве стимулов использовались жаргонные слова (частотность (ipm) варьировала от 0,002 до 3,035 вхождений на миллион слов в ГИКРЯ) и общеупотребительные слова русского языка (частотность (ipm) варьировала от 0,152 до 9,6 вхождений на миллион слов в ГИКРЯ). Все стимулы являлись низкочастотными лексическими единицами с показателем до 10 ipm согласно распространенному критерию [34]. В набор стимулов также были включены неслова - непроизносимые наборы букв. Генерация неслов осуществлялась посредством специальной процедуры, описанной в наших предыдущих исследованиях [30]. Из сгенерированного ранее списка неслов были отобраны случайным образом 48 единиц. С точки зрения процедуры дизайн исследования был основан на эксперименте 1 (dual lexical decision task - dual LDT) авторов оригинальной работы [17] и построен следующим образом. Задача лексического решения была имплементирована через браузер участника исследования со следующей инструкцией: «В этом задании Вам будет предложено в парах стимулов быстро распознать слова и бессмысленные наборы букв («неслова»). Если в паре только реальные слова (например, гамать, играть), то нажмите кнопку «ф», если в паре есть хотя бы одно неслово (например, скрДуап играть), то кнопку «д». Для ответа на каждый стимул дается 2 секунды. Сначала будет тренировочный, а затем основной тест. Нажмите пробел для продолжения». В тренировочной сессии участникам предлагались 12 пар стимулов, которые в дальнейшем не подвергались анализу. Если участник не справлялся ни с одним из тренировочных трайлов (все ответы неверные или все превышали 2 000 мс), то его данные в дальнейшем исключались из анализа. Стимулы основной части теста (n = 96) представляли собой сгруппированные по парам: 1) тематически связанные жаргонные и общеупотребительные слова (например, хейтер - ненавистник, n = 24); 2) тематически не связанные жаргонные и общеупотребительные слова (например, хейтер - рукав, n = 24); 3) общеупотребительные слова и неслова (например, ненавистник -сцкысцк, рукав - сквуитхе, n = 48). Стимулы основной части теста представлены в прил. 1 к настоящей работе. Участнику все пары предъявлялись в случайном порядке. Жаргонизмы и нейтральные (общеупотребительные) слова каждый участник встречал дважды, но в разных условиях (в разной паре стимулов). Поскольку незнание или лишь поверхностное знакомство с сетевым жаргоном могло приводить к неверному лексическому решению или задержке реакции на пары слов, то в качестве рабочих гипотез мы выдвинули следующие предположения. 1. Эффект имплицитного знания сетевого жаргона должен проявляться в снижении времени реакции на стимулы первой и второй группы (см. выше), а также должен наблюдаться эффект увеличения времени реакции на стимулы второй группы (тематически не связанные стимулы). 2. Мы также предположили, что одним из возможных фасилитацион-ных эффектов распознавания сетевых жаргонизмов (помимо частотности слов) может быть более высокая когнитивная поглощенность интернетом (измеряемой шкалой GPIU-3 у наших участников). Поскольку данная личностная особенность связана с нарушением процессов внимания и концентрации на стимулах вне интернет-пространства, то мы предполагаем, что носитель языка из-за постоянного мысленного возвращения в интернет будет демонстрировать и соответствующее знание специальной лексики, а это будет выражаться в ускорении распознавания соответствующих стимулов по сравнению с участниками с более низкой оценкой когнитивной поглощенности. Выборку составили 106 русскоязычных участников, из них 76 (72%) женского пола и 30 (28%) - мужского. Средний возраст M = 19,44, стандартное отклонение SD = 1,54. В статистическом анализе результатов выполнения задачи лексического решения использовалось время 4 660 реакций. Предварительно были удалены реакции на неслова, ошибочные реакции и отложенные (более 2 000 мс) реакции как нерелевантные задачам нашего исследования. В ходе статистического анализа данных использовались методы описательной статистики, корреляционный анализ и анализ линейных моделей со смешанными эффектами, позволяющий учесть влияние не только фиксированных, но и случайных факторов (в задачах лексического решения последние, как правило, представлены в виде факторов участника и стимула / слова) [35]. Модели со смешанными эффектами предназначены для анализа данных, в которых наблюдения могут быть сгруппированы по одному или нескольким основаниям (например, время реакции в задаче лексического решения может быть сгруппировано по участникам и по стимулам). В таком случае коэффициенты регрессии разделяются на два типа: коэффициенты для фиксированных эффектов, одинаковые для всех наблюдений, и коэффициенты для случайных эффектов, различные для разных групп наблюдений (в нашем случае для разных участников или стимулов). Обработка результатов проводилась в среде статистического анализа R с использованием пакетов psych, lme4, lmerTest. Результаты исследования Результаты анализа различий в проявлении проблемного использования интернета у мужчин и женщин, представленные в табл. 1, показывают, что мужчины в большей мере склонны использовать интернет для регуляции настроения. Также обнаружилась тенденция (с уровнем значимости p < 0,05) к большей склонности мужчин к проблемному использованию интернета в целом. Статистически значимых корреляций возраста с измеренными переменными обнаружено не было. Т а б л и ц а 1 Результаты сравнения показателей проблемного использования интернета по опроснику GPIUS3 в выборках женщин (N = 76) и мужчин (N = 30) Показатели проблемного использования интернета Средние значения Стандартные отклонения Критерий Стьюдента Размер эффекта d- Коэна Критерий Манна - Уитни Жен. Муж. Жен. Муж. t df Р U Z Р Предпочтение онлайн-общения 4,92 5,03 1,03 1,23 -0,44 46,06 0,660 0,10 1073 0,47 0,639 Регуляция настроения 3,81 4,88 1,37 1,44 -3,49 50,96 0,001 0,77 680 3,23 0,001 Когнитивная поглощенность 5,18 5,40 1,17 1,06 -0,93 58,07 0,354 0,19 1029 0,78 0,436 Компульсивное использование 4,82 5,10 1,32 1,28 -1,00 54,46 0,320 0,21 1001,5 0,97 0,331 Негативные последствия 5,88 6,15 1,01 0,79 -1,45 67,62 0,151 0,28 1002,5 1 0,317 Общий показатель проблемного ис пользования интернета 4,85 5,25 0,77 0,91 -2,11 46,25 0,040 0,49 843,5 2,08 0,038 Важная роль пола в проявлении проблемного использования интернета убеждает в необходимости контроля этого фактора в общей модели предикторов времени реакции. С учетом полученных результатов при разработке линейной модели со смешанными эффектами в качестве предикторов времени реакции рассматривались шкалы опросника GPIUS3, количество часов ежедневного выхода в Сеть (самоотчетная характеристика), пол, а также две лингвистические характеристики стимулов: средний коэффициент Ципфа для вербальной пары и их тип (тематически связанные и несвязанные слова). В качестве случайных эффектов рассматривались эффекты стимула и участника исследования. Анализ распределения зависимой переменной (время реакции) с помощью критерия Шапиро - Уилка показал, что распределение существенно отличается от нормального (W = 0,94; p < 0,001) при наличии умеренной правосторонней асимметрии (рис. 1). Применение стандартных преобразований (обратного, логарифмического и пр.) в данном случае приводило к росту отклонений от нормального закона распределения, так что в итоге они не были использованы. Для упрощения анализа и интерпретации результатов зависимая переменная была стандартизирована. Время реакции (мс) Рис. 1. Распределение времени реакции в задаче лексического решения В ходе анализа линейной модели со смешанными эффектами были исключены реакции на неслова, неверные ответы и выбросы. Анализ остатков модели продемонстрировал симметричную форму распределения, близкую к нормальному, и отсутствие гетероскедастичности. Эти факты свидетельствуют о выполнении базовых предположений, необходимых для применения линейных моделей. Оценка статистической значимости случайных эффектов в базовых моделях, включающих только один или два случайных эффекта в качестве предикторов, путем сравнения этих моделей между собой показала, что статистически значимым является как эффект респондента, так и эффект стимула (оба значимы при p < 0,001). Качественный анализ случайного эффекта стимула (в наглядной форме этот эффект представлен на рис. 2) не привел к обнаружению закономерных тенденций в его проявлении. Результаты анализа фиксированных эффектов, приведенные в табл. 2, свидетельствуют о наличии статистически значимых эффектов трех факторов, два из которых обратные, т.е. сочетающиеся со снижением времени реакции. Это эффекты когнитивной поглощенности (p < 0,01) и среднего коэффициента Ципфа (p < 0,01). Эффект шкалы «Регуляция настроения» является статистически значимым (p < 0,01) и прямым, то есть проявляющимся в увеличении времени реакции на стимулы. В наглядной форме фиксированные эффекты представлены на рис. 3. Таким образом, полученные результаты указывают на наличие двух противоположных по направлению эффектов проявлений проблемного использования интернета на время реакции: прямой эффект использования интернета с целью регуляции настроения (при увеличении оценки по данной субшкале на 1 балл время реакции увеличивается на 0,14 стандартных отклонения) и обратный эффект когнитивной поглощенности (при увеличении оценки по данной субшкале на 1 балл время реакции уменьшается на 0,21 стандартных отклонения). Стимулы испечь-сцвиенн -сверло-стэн -квуич-запрашивать -приподнять-алнуть -изложен ие-лон грид -лонгрид-вычитание -шУруп-директ -инстаграм-сцвугг -покинуть-гхлелц -пылесос-гхлурке -пиджак-сцкваитч -сивеиф-ударение -визитка-сцваигуе -испечь-апнуть -макушка-ава -постить-взбивать -заблокировать-гхвоисе -фид-мех -стэн-фанат -светильник-флейм -спор-гхвар -влюбленность-краш -капкан-ланч -рукав-сквуитхе -шуруп-сцваисе -атака-гхлоряуе -лад-сцквалте -бездельничать-гхвисп -фанат-гхвауш -ударение-панч -бездельничать-чилить -флуд-атака -фид-рассылка -взбивать-гхвемф -обновление-гхвоилл -сцвисе-отключение -влюбленность-клигхлт -расписаться-сцкреняуе -диско ннект-пар кет -тред-пиджак -сцвопе-грузовик -уничтожать-сцвоафф -пацанка-томоой -отключение-дисконнект -макушка-квеуве -расписаться-дивнуть -светильник-сцкрилб -вырезать-гхвеиг -старшие-олды -капкан-сцкрарв -хейтер-ненавистник -сцваич-тетрадь -часовня-томбой -приподнять-клигхнт -визитка-ава -фен-гхвалце ■ хейтер-рукав -балкон-сцквигхтхе -рофл-хохот -донатить-вносить ■ чинить-гхеиегг -забанить-замариновать -запрашивать-гуглить -сцкрулм-публиковать -изложениа-гхрелце -флуд-балкон -вносить-сцквуиф -замариновать-гхрултх -обсуждение-тред -старшие-сцкресп -часовня-гхлаутхе -ненавистник-сцкысцк -публиковать-постить -флейм-спор -тетрадь-рофл -директ-инстаграм -забанить-заблокировать -сторис-обновление -олды-дрова -ливнуть-покинуть -обсуждение-гхвигхб ■ сеерло-гхпелмб -гхвеитх-мех -пацанка-сцкрурк-гхлуилт-дрова -вырезать-чилить -пылесос-краш -сторис-грузовик -гхверсе-хохот -муд-лад -донатить-уничтожать -муд-фен -чинить-гуглить -вычитание-гхвилтч -гхвасцк-паркет -гхвавце-рассылка - -0.5 О о.б Величина эффекта на время реакции Рис. 2. Величина случайного эффекта стимулов на время реакции в задаче dual LDT Т а б л и ц а 2 Результаты анализа фиксированных эффектов в линейной модели со смешанными эффектами Предпочтение онлайн-общения Регуляция настроения Когнитивная поглощенность Компульсивное _ использование 3 CL 2 Негативные §■ последствия а. с Время в сети (часов в день) Пол (мужской) - Средний коэффициент -Ципфа Тип стимулов (несвязанные) 0.00 0.14** -0.21 ** С I 04 -0.01 -0.03 -0.01 -----------W -0.18 *** А • 0.08 А • -0.5 6 05 Величина эффекта на время реакции Предикторы Коэф. Стд. ош. df t-знач. p(Satt) Константа 0,97 0,50 122,30 1,94 0,054 Предпочтение онлайн-общения 0,00 0,06 104,43 0,01 0,993 Регуляция настроения 0,14 0,05 104,47 2,78 0,006 Когнитивная поглощенность -0,21 0,07 104,51 -3,04 0,003 Компульсивное использование 0,04 0,06 104,75 0,63 0,533 Негативные последствия -0,01 0,08 104,94 -0,09 0,927 Время онлайн (часов в день) -0,03 0,02 104,59 -1,44 0,152 Пол (мужской) -0,01 0,14 104,42 -0,06 0,955 Средний коэффициент Ципфа -0,18 0,05 46,75 -3,34 0,002 Тип стимулов (несвязанные) 0,08 0,05 46,87 1,51 0,137 Примечание. p(Satt) - вероятность ошибки первого рода (p) с поправкой Саттертуэйта. Рис. 3. Фиксированные эффекты показателей GPIUS3, пола и характеристик стимулов на стандартизованное время реакции (отрезки указывают на границы 95-го доверительного интервала, *** - p < 0,001; ** - p < 0,01) Кроме того, результаты демонстрируют также наличие обратного эффекта среднего коэффцициента Ципфа (при увеличении данного коэффициента на 1 время реакции уменьшается в среднем на 0,18 стандартных отклонения) . Важно отметить, что такой предиктор, как количество часов в день, проводимых в интернете, оказался в данной модели незначимым. При этом весьма существенным остается случайный эффект как индивидуальности респондента, так и предъявляемых стимулов. Выводы и обсуждение результатов В настоящее время ежедневное пребывание в интернете становится все более характерным для детей и подростков, фиксируется омоложение сетевой аудитории [2]. Прогноз деструктивных эффектов использования интернета на личность с учетом их индивидуальных особенностей, различных средовых факторов представляет значительный интерес как для исследователей, так и для специалистов сферы образования. Результаты недавних исследований показали, что представители молодежи разных стран с более высоким уровнем проблемного использования интернета обычно переживают чувство одиночества [36-38], испытывают депрессивные симптомы [39, 40], являются более застенчивыми [41], имеют проблемы в межличностных отношениях [42, 43], когнитивные искажения [44] и другие признаки психологического неблагополучия [45]. В нашем исследовании апробирована методика комплексной диагностики деструктивного потенциала использования интернета с опорой на эксплицитную и имплицитную память, с применением валидизированного психодиагностического инструмента (общей шкалы проблемного использования интернета на русском языке - GPIUS3) и экспериментальной психолингвистической методики (задачи лексического решения с использованием сетевых жаргонизмов). Применение такого сочетания методик позволяет, с одной стороны, получить осознанные ответы молодежи, а с другой - избежать социально-желательных ответов, «подключив» спонтанные реакции индивида на вербальные стимулы определенной тематической группы. В настоящем исследовании было установлено, что лица с более выраженной когнитивной поглощенностью интернетом распознавали жаргонные слова, связанные с интернет-общением, значимо быстрее. Данный эффект объясняется, по всей видимости, объемом их пассивного словаря жаргонизмов. Эффект типа стимулов продемонстрировал ожидаемую, но слабую тенденцию: тематически не связанные жаргонизмы и общеупотребительные слова распознавались медленнее в среднем на 0,08 стандартного отклонения времени реакции. Это приводит к предположению, что пассивный словарь лиц, активно пользующихся социальными Сетями и интернетом в целом, организован по тематическому принципу, а скорость распознавания сетевых жаргонизмов в парах стимулов требует дальнейшей верификации в экспериментальных исследованиях. Обнаруженный прямой эффект регуляции настроения на время реакции требует проверки и дальнейшего исследования. Таким образом, результаты исследования показали, что скорость распознавания сетевых жаргонизмов в задаче dual lexical decision task связана не столько с семантическими характеристиками пар стимулов (связанные vs несвязанные), сколько с личностными особенностями участника эксперимента, измеренными по общей шкале проблемного использования интере-нета (GPIUS3): когнитивной поглощенностью и регуляцией настроения. Несмотря на то, что наша выборка представляла собой гомогенную группу по региону проживания (Алтайский край), ограничением исследования является преобладание участников женского пола (72%). Заслуживают внимания дальнейшая разработка состава стимулов для задачи лексического решения, расширение базы данных молодежных слен-гизмов и жаргонизмов для различных экспериментальных исследований в области психологии, психолингвистики, нейронауки. Приложение 1 Стимулы с их основными характеристиками № п/ п Стимул 1 Стимул 2 Тип Частотность жаргонного стимула, ipm Частотность нейтрального стимула, ipm Коэф. Ципфа жаргонного стимула Коэф. Ципфа нейтрального стимула Средний коэфф. Ципфа 1 забанить замариновать 2 0,33 0,30 2,52 2,48 2,50 2 пиджак сцкваитч 3 0,00 3,83 - 3,58 3,58 3 макушка ава 2 1,00 0,28 3,00 2,45 2,72 4 лонгрид вычитание 2 0,01 0,31 0,85 2,49 1,67 5 гхвасцк паркет 3 0,00 1,89 - 3,28 3,28 6 испечь сцвиенн 3 0,00 2,10 - 3,32 3,32 7 фид мех 2 0,13 2,59 2,12 3,41 2,76 8 сцвопе грузовик 3 0,00 2,25 - 3,35 3,35 9 донатить уничтожать 2 0,04 2,09 1,57 3,32 2,44 10 расписаться ливнуть 2 0,01 0,75 0,70 2,87 1,79 11 шуруп сцваисе 3 0,00 0,26 - 2,42 2,42 12 сцваич тетрадь 3 0,00 3,85 - 3,59 3,59 13 муд фен 2 0,09 2,71 1,97 3,43 2,70 14 капкан панч 2 0,07 1,77 1,83 3,25 2,54 15 сверло стэн 2 0,90 0,26 2,96 2,41 2,68 16 постить взбивать 2 3,04 1,99 3,48 3,30 3,39 17 вырезать чилить 2 0,00 3,31 0,30 3,52 1,91 18 светильник сцкрилб 3 0,00 1,68 - 3,23 3,23 19 гхлуилт дрова 3 0,00 5,75 - 3,76 3,76 20 чинить гхвиегг 3 0,00 1,24 - 3,09 3,09 21 рукав сквуитхе 3 0,00 4,64 - 3,67 3,67 22 часовня томбой 2 0,00 1,07 0,30 3,03 1,67 23 пылесос гхлурке 3 0,00 3,73 - 3,57 3,57 24 балкон сцквигхтхе 3 0,00 9,60 - 3,98 3,98 25 обсуждение тред 1 0,59 7,27 2,77 3,86 3,32 26 отключение дискон-нект 1 0,02 2,05 1,38 3,31 2,35 27 приподнять апнуть 1 0,02 0,73 1,34 2,86 2,10 28 сторис обновле ние 1 0,03 5,68 1,51 3,75 2,63 29 обсужде ние гхвигхб 3 0,00 7,27 - 3,86 3,86 30 сцвисе отключение 3 0,00 2,05 - 3,31 3,31 31 директ инстаграм 1 0,39 3,59 2,59 3,55 3,07 32 приподнять клигхнт 3 0,00 0,73 - 2,86 2,86 33 рофл хохот 1 0,03 1,02 1,41 3,01 2,21 34 обновление гхвоилл 3 0,00 5,68 - 3,75 3,75 35 флейм спор 1 0,18 7,51 2,26 3,88 3,07 36 старшие олды 1 0,00 2,13 0,48 3,33 1,90 № п/ п Стимул 1 Стимул 2 Тип Частотность жаргонного стимула, ipm Частотность нейтрального стимула, ipm Коэф. Ципфа жаргонного сти мула Коэф. Ципфа нейтрального стимула Средний коэфф. Ципфа 37 запраши вать гуглить 1 0,48 0,22 2,68 2,34 2,51 38 инстаграм сцвугг 3 0,00 3,59 - 3,55 3,55 39 гхверсе хохот 3 0,00 1,02 - 3,01 3,01 40 спор гхвар 3 0,00 7,51 - 3,88 3,88 41 старшие сцкресп 3 0,00 2,13 - 3,33 3,33 42 хейтер ненавистник 1 0,15 0,15 2,16 2,18 2,17 43 квуич запраши вать 3 0,00 0,22 - 2,34 2,34 44 ненавистник сцкысцк 3 0,00 0,15 - 2,18 2,18 45 влюблен ность клигхлт 3 0,00 9,07 - 3,96 3,96 46 атака гхлоряуе 3 0,00 3,14 - 3,50 3,50 47 влюблен ность краш 1 0,11 9,07 2,04 3,96 3,00 48 флуд атака 1 0,46 3,14 2,66 3,50 3,08 49 забанить заблоки ровать 1 0,33 2,03 2,52 3,31 2,91 50 визитка ава 1 1,00 0,69 3,00 2,84 2,92 51 изложение лонгрид 1 0,01 1,60 0,85 3,20 2,02 52 фид рассылка 1 0,13 1,84 2,12 3,26 2,69 53 донатить вносить 1 0,04 2,68 1,57 3,43 2,50 54 заблоки ровать гхвоисе 3 0,00 2,03 - 3,31 3,31 55 визитка сцваигуе 3 0,00 0,69 - 2,84 2,84 56 изложение гхрелце 3 0,00 1,60 - 3,20 3,20 57 гхвавце рассылка 3 0,00 1,84 - 3,26 3,26 58 ливнуть покинуть 1 0,01 7,23 0,70 3,86 2,28 59 муд лад 1 0,09 2,93 1,97 3,47 2,72 60 ударение панч 1 0,07 2,28 1,83 3,36 2,59 61 стэн фанат 1 0,90 2,71 2,96 3,43 3,19 62 вносить сцквуиф 3 0,00 2,68 - 3,43 3,43 63 покинуть гхлелц 3 0,00 7,23 - 3,86 3,86 64 публико вать постить 1 3,04 1,82 3,48 3,26 3,37 65 лад сцквалте 3 0,00 2,93 - 3,47 3,47 66 бездель ничать чилить 1 0,00 0,50 0,30 2,70 1,50 67 сцвеиф ударение 3 0,00 2,28 - 3,36 3,36 68 фанат гхвауш 3 0,00 2,71 - 3,43 3,43 69 сцкрулм публико вать 3 0,00 1,82 - 3,26 3,26 70 бездель ничать гхвисп 3 0,00 0,50 - 2,70 2,70 № п/ п Стимул 1 Стимул 2 Тип Частотность жаргонного стимула, ipm Частотность нейтрального стимула, ipm Коэф. Ципфа жаргонного сти мула Коэф. Ципфа нейтрального стимула Средний коэфф. Ципфа 71 пацанка томбой 1 0,00 0,29 0,30 2,46 1,38 72 пацанка сцкрурк 3 0,00 0,29 - 2,46 2,46 73 тред пиджак 2 0,59 3,83 2,77 3,58 3,18 74 замарино вать гхрултх 3 0,00 0,30 - 2,48 2,48 75 дискон-нект паркет 2 0,02 1,89 1,38 3,28 2,33 76 макушка квеуве 3 0,00 0,28 - 2,45 2,45 77 испечь апнуть 2 0,02 2,10 1,34 3,32 2,33 78 вычитание гхвилтч 3 0,00 0,31 - 2,49 2,49 79 сторис грузовик 2 0,03 2,25 1,51 3,35 2,43 80 гхвеитх мех 3 0,00 2,59 - 3,41 3,41 81 шуруп директ 2 0,39 0,26 2,59 2,42 2,51 82 уничтожать сцвоафф 3 0,00 2,09 - 3,32 3,32 83 расписаться сцкреняуе 3 0,00 0,75 - 2,87 2,87 84 фен гхвалце 3 0,00 2,71 - 3,43 3,43 85 капкан сцкрарв 3 0,00 1,77 - 3,25 3,25 86 тетрадь рофл 2 0,03 3,85 1,41 3,59 2,50 87 светиль ник флейм 2 0,18 1,68 2,26 3,23 2,74 88 сверло гхлелмб 3 0,00 0,26 - 2,41 2,41 89 взбивать гхвемф 3 0,00 1,99 - 3,30 3,30 90 олды дрова 2 0,00 5,75 0,48 3,76 2,12 91 чинить гуглить 2 0,48 1,24 2,68 3,09 2,88 92 хейтер рукав 2 0,15 4,64 2,16 3,67 2,91 93 пылесос краш 2 0,11 3,73 2,04 3,57 2,80 94 вырезать гхвеиг 3 0,00 3,31 - 3,52 3,52 95 часовня гхлаутхе 3 0,00 1,07 - 3,03 3,03 96 флуд балкон 2 0,46 9,60 2,66 3,98 3,32 Примечание. В колонке «Тип» используется следующее кодирование типа стимулов: 1 - связанные стимулы, 2 - несвязанные стимулы, 3 - неслова. Сокращение «коэф.» -коэффициент.

Ключевые слова

молодежь, проблемное использование интернета, сетевой жаргон, задача лексического решения

Авторы

ФИООрганизацияДополнительноE-mail
Власов Михаил СергеевичАлтайский государственный гуманитарно-педагогический университет им. В.М. Шукшинаканд. филол. наук, доцент кафедры русского языка и литературыvlasov@bigpi.biysk.ru ; vlasov_mikhailo@mail.ru
Сычев Олег АнатольевичАлтайский государственный гуманитарно-педагогический университет им. В.М. Шукшинаканд. психол. наук, доцент кафедры педагогики и психологииosn1@mail.ru
Всего: 2

Ссылки

Герасимова А.А., Холмогорова А.Б. Общая шкала проблемного использования интернета: апробация и валидизация в российской выборке третьей версии опросника // Консультативная психология и психотерапия. 2018. Т. 26, № 3. C. 56-79. doi: 10.17759/cpp.2018260304
Кочетков Н.В. Интернет-зависимость и зависимость от компьютерных игр в трудах отечественных психологов // Социальная психология и общество. 2020. Т. 11, № 1. С. 27-54. https://doi.org/10.17759/sps.2020110103
Hui-Yin Hsu, Shiangkwei Wang. The Impact of Using Blogs on College Students' Reading Comprehension and Learning Motivation // Literacy Research and Instruction. 2010. Vol. 50, № 1. Р. 68-88. doi: 10.1080/19388070903509177
De Wever B., Van Keer H., Schellens T., Valcke M. Assessing collaboration in a wiki: The reliability of university students' peer assessment // Internet and Higher Education. 2011. Vol. 14, is. 4. Р. 201-206. https://doi.org/10.1016/j.iheduc.2011.07.003
Sung Y.-T., Chang K.-E., Liu T.-C. The effects of integrating mobile devices with teaching and learning on students' learning performance: A meta-analysis and research synthesis // Computers & Education. 2016. Vol. 94. Р. 252-275. https://doi.org/10.1016/j.compedu.2015.11.008
Burke Moira, Kraut Robert E. The Relationship Between Facebook Use and WellBeing Depends on Communication Type and Tie Strength // Journal of Computer-Mediated Communication. 1 July 2016. Vol. 21, is. 4. P. 265-281. https://doi.org/10.1111/jcc4.12162
Бовина И.Б., Дворянчиков Н.В. Поведение онлайн и офлайн: к вопросу о возможности прогноза // Культурно-историческая психология. 2020. Т. 16, № 4. С. 98-108. doi: 10.17759/chp.2020160410
Young K.S.Internet addiction: The emergence of a new clinical disorder // CyberPsychology & Behavior. 1998. Vol. 1, is. 3. P. 237-244. doi: 10.1089/cpb.1998.1.25
Demetrovics Z., Kiraly O.Internet/gaming addiction is more than heavy use over time: Commentary on Baggio and colleagues // Addiction. 2016. Vol. 111 (3). P. 523-524. doi: 10.1111/add.13244
Wong T.Y., Yuen K.S.L., Li W.O. A basic need theory approach to problematic Internet use and the mediating effect of psychological distress // Front. Psychol. 2015. Vol. 5. Р. 1562. doi: 10.3389/fpsyg.2014.01562
Seabrook E.M., Kern M.L., Rickard N.S. Social Networking Sites, Depression, and Anxiety: A Systematic Review // JMIR mental health. 2016. Vol. 3, № 4. Р. e50. https://doi.org/10.2196/mental.5842
Toth-Kiraly I., Morin A.J.S., Hietajarvi L., Salmela-Aro K. Longitudinal Trajectories, Social and Individual Antecedents, and Outcomes of Problematic Internet Use Among Late Adolescents // Child Development. Jul/Aug 2021. Vol. 92, is. 4. pe653-e673. doi: 10.1111/cdev.13525
Wang P., Wang J., Yan Y., Si Y., Zhan X., Tian Y. Relationship Between Loneliness and Depression Among Chinese Junior High School Students: The Serial Mediating Roles of Internet Gaming Disorder, Social Network Use, and Generalized Pathological Internet Use // Front. Psychol. 2021. Vol. 11. Р. 529665. doi: 10.3389/fpsyg.2020.529665
Davis R.A. A cognitive-behavioral model of pathological Internet use // Computers in Human Behavior. 2001. Vol. 17 (2). P. 187-195. doi: 10.1016/S0747-5632(00)00041-8
Caplan S.E. Theory and measurement of generalized problematic Internet use: A two-step approach: Advancing Educational Research on Computer-supported Collaborative Learning (CSCL) through the use of gStudy CSCL Tools // Computers in Human Behavior. 2010. Vol. 26 (5). P. 1089-1097. doi: 10.1016/j.chb.2010.03.012
Caplan S.E. Problematic Internet use and psychosocial well-being: development of a theory-based cognitive-behavioral measurement instrument // Computers in Human Behavior. 2002. Vol. 18. P. 553-575. doi: 10.1016/S0747-5632(02)00004-3
Meyer D.E., Schvaneveldt R.W. Facilitation in recognizing pairs of words: Evidence of a dependence between retrieval operations // Journal of Experimental Psychology. 1971. Vol. 90. Р. 227-234.
Mainz N., Shao Z., Brysbaert M., Meyer A.S. Vocabulary Knowledge Predicts Lexical Processing: Evidence from a Group of Participants with Diverse Educational Backgrounds // Front. Psychol. 2017. Vol. 8. Р. 1164. doi: 10.3389/fpsyg.2017.01164
Butler B., Hains S. Individual differences in word recognition latency // Memory & Cognition. 1979. Vol. 7. Р. 68-76.
Chateau D., Jared D. Exposure to print and word recognition processes // Memory & Cognition. 2000. Vol. 28, is. 1. Р. 143-153. https://doi.org/10.3758/bfD3211582
Clark D.M., Teasdale J.D., Broadbent D.E., Martin M. Effect of mood on lexical decisions // Bulletin of the Psychonomic Society. 1983. Vol. 21. Р. 175-178. https://doi.org/10.3758/BF03334679
Richards A., French C.C. An anxiety-related bias in semantic activation when processing threat/neutral homographs // The Quarterly Journal of Experimental Psychology Section A. 1992. Vol. 45, № 3. Р. 503-525. doi: 10.1080/02724989208250625
Lewellen M.J., Goldinger S.D., Pisoni D.B., Greene B.G. Lexical familiarity and processing efficiency: individual differences in naming, lexical decision, and semantic categorization // Journal of experimental psychology. General. 1993. Vol. 122 (3). Р. 316-330. https://doi.org/10.1037//0096-3445.122.3.316
Olafson K.M., Ferraro F.R. Effects of emotional state on lexical decision performance // Brain and cognition. 2001. Vol. 45. Р. 15-20. https://doi.org/10.1006/brcg.2000.1248
Briesemeister B.B., Kuchinke L., Jacobs A.M. Discrete Emotion Effects on Lexical Decision Response Times // PLoS ONE. 2011. Vol. 6, № 8. e23743. https://doi.org/10.1371/journal.pone.0023743
Vinson D., Ponari M., Vigliocco G. How does emotional content affect lexical processing? // Cognition and Emotion. 2014. Vol. 28, № 4. Р. 737-746. doi: 10.1080/02699931.2013.851068
Stip E., Lecours A.R., Chertkow H., Elie R., O'Connor K. Influence of affective words on lexical decision task in major depression // Journal of psychiatry & neuroscience : JPN. 1994. Vol. 19 (3). Р. 202-207.
Besche-Richard C., Passerieux C., Hardy-Bayle M. Lexical decision tasks in depressive patients: Semantic priming before and after clinical improvement // European Psychiatry. 2002. Vol. 17, is. 2. Р. 69-74. doi: 10.1016/S0924-9338(02)00630-2
Власов М.С., Сычев О.А. Личностные факторы времени реакции в задаче лексического решения со стимулами различной эмоциональной окраски // Личность, интеллект, метакогниции: исследовательские подходы и образовательные практики: материалы II Международной научно-практической конференции. Калуга, 2017. С. 614-622.
Власов М.С., Сычев О.А. Взаимодействие эмоциональных и лингвистических факторов в процессе переработки лексической информации (на материале имен существительных русского языка) // Вестник Томского государственного университета. Филология. 2018. № 52. С. 18-52. doi: 10.17223/19986645/52/2
Stoet G. PsyToolkit - A software package for programming psychological experiments using Linux // Behavior Research Methods. 2010. Vol. 42, is. 4. Р. 1096-1104.
Stoet G. PsyToolkit: A novel web-based method for running online questionnaires and reaction-time experiments // Teaching of Psychology. 2017. Vol. 44, is. 1. Р. 24-31.
Kim J., Gabriel U., Gygax P. Testing the effectiveness of the Internet-based instrument PsyToolkit: A comparison between web-based (PsyToolkit) and lab-based (E-Prime 3.0) measurements of response choice and response time in a complex psycholinguistic task // PloS one. 2019. Vol. 14, № 9. e0221802. https://doi.org/10.1371/journal.pone.0221802
Snider N., Arnon I. A unified lexicon and grammar? Compositional and non-compositional phrases in the lexicon // Frequency effects in language representation / eds. by D. Divjak, S. Gries. Berlin : Mouton de Gruyter, 2012. Р. 127-164.
Baayen R.H., Milin P. Analyzing reaction times // International Journal of Psychological Research. 2015. Vol. 3, № 2. P. 12-28. doi: 10.21500/20112084.807
Young K.S., Rogers R.C. The relationship between depression and internet addiction // Cyberpsychol. Behav. 1998. Vol. 1. Р. 178-183. doi: 10.1089/cpb.1998.1.25
Engelberg E., Sjoberg L.Internet use, social skills, and adjustment // CyberPsychol. Behav. 2004. Vol. 7. Р. ' 41-47. doi: 10.1089/109493104322820101
Sukenick S. Alone together: why we expect more from technology and less from each other by turkle, sherry //j. Anal. Psychol. 2012. Vol. 57. Р. 128-129. doi: 10.1080/02650533.2013.769209
Jia W.L. Causes, behavioral manifestations and social hazards of internet addiction //j. Shenyang Agricult. University (Social Sciences Edition). 2005. Vol. 7. Р. 504-505. doi: 10.3969/j.issn.1008-9713.2005.04.040
Zou X.M., Ding B.G., Yu J., Zhang X.P., Zou H. The influence of network on adolescent health and counter-measures //j. Clin. Psychosomatic Dis. 2007. Vol. 13. Р. 178-179. doi: 10.3969/j.issn.1672-187X.2007.02.046
Eroglu M., Pamuk M., Pamuk K. Investigation of problematic internet usage of university students with psychosocial levels at different levels // Procedia - Social Behav. Sci. 2013. Vol. 103. Р. 551-557. doi: 10.1016/j.sbspro.2013.10.372
Sanders C.E., Field T.M., Diego M., Kaplan M. The relationship of internet use to depression and social isolation among adolescents // Adolescence. 2000. Vol. 35. Р. 237-242. doi: 10.1016/S0001-6918(00)00038-X
Odaci H., C.ikrikci O. Problematic internet use in terms of gender, attachment styles and subjective well-being in university students // Comp. Hum. Behav. 2014. Vol. 32. Р. 6166. doi: 10.1016/j.chb.2013.11.019
Lu X., Yeo K.J. Pathological internet use among Malaysia University students: risk factors and the role of cognitive distortion // Comp. Hum. Behav. 2015. Vol. 45. Р. 235-242. doi: 10.1016/j.chb.2014.12.021
Liu Q.X., Fang X.Y., Deng L.Y., Zhang J.T. Parent-adolescent communication, parental internet use and internet-specifific norms and pathological internet use among chinese adolescents // Comp. Hum. Behav. 2012. Vol. 28. Р. 1269-1275. doi: 10.1016/j.chb.2012.02.010
 Сетевой жаргон в задаче лексического решения: связана ли скорость визуального распознавания слов с проблемным использованием интернета среди молодежи? | Вестник Томского государственного университета. Филология. 2021. № 74. DOI: 10.17223/19986645/74/1

Сетевой жаргон в задаче лексического решения: связана ли скорость визуального распознавания слов с проблемным использованием интернета среди молодежи? | Вестник Томского государственного университета. Филология. 2021. № 74. DOI: 10.17223/19986645/74/1