Влияние мер контроля над распространением информации на формирование общественного мнения в социальных медиа: агентно-ориентированная модель тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Толокнев Кирилл Александрович

• Толокнев Кирилл Александрович
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Толокнев Кирилл Александрович

Введение

Глава 1. Меры контроля над распространением информации: состояния предметного поля

1.1 Существующие классификации мер контроля над распространением информации в интернете и социальных медиа

1.2 Меры «сдерживания информации»

1.3 Меры «Направления информации»

1.4 Манипуляция алгоритмами персонализации в социальных медиа

Глава 2. Агентно-ориентированная модель и вычислительные эксперименты

2.1 Агентно-ориентированная модель

2.2 Формирование общественного мнения без воздействия мер контроля над распространением информации

2.3 Меры «сдерживания информации»: вычислительное моделирование

2.4 Меры «направления информации»: вычислительное моделирование

2.5 Манипуляция алгоритмом персонализации: вычислительное моделирование

Заключение

Список использованной литературы:

Приложение

Приложение

Введение диссертации (часть автореферата) на тему «Влияние мер контроля над распространением информации на формирование общественного мнения в социальных медиа: агентно-ориентированная модель»

Введение

Актуальность и исследовательская проблема

Интернет продолжает активно распространяться по планете. Более 67%1 населения земли пользуется интернетом. На рубеже тысячелетий стали возникать и современные социальные медиа, то есть сайты, а позднее и приложения, с помощью которых пользователи могут общаться и обмениваться контентом. К апрелю 2024 года число их пользователей превысило более чем 5 миллиардов2, то есть практически 63% населения земли3. В России доля пользователей социальных медиа выше среднего по миру: около 86% населения регулярно, то есть каждый день, пользуются социальными медиа4.

Первоначально, появление интернета и социальных медиа, то есть интернет-сайтов или приложений, позволяющих пользователям создавать оригинальный контент и обмениваться информацией, было воспринято с оптимизмом. Некоторые даже провозглашали появление «новой публичной сферы»5, подобной описанной Ю. Хабермасом политической публичной сферы конца XVIII века67. В 2010 г. Л. Даймонд назвал интернет и социальные медиа «технологиями освобождения» - технологиями, потенциально способными расширить возможности для общественной дискуссии и политического участия, «демократизировать» политическую

1 Individuals using the Internet (% of population) // World bank URL:

https://data.worldbank.org/indicator/IT.NET.USER.ZS?most_recent_value_desc=true (дата обращения: 19.12.2024).

2 Digital 2024 April Global Statshot Report // datareportal URL: https://datareportal.com/reports/digital-2024-april-global-statshot (дата обращения: 19.12.2024).

3 Конечно, не каждый пользователь социального медиа является живым человеком, но об этом будет более подробно сказано позже

4 Социальные сети и мессенджеры: вовлеченность и предпочтения // ВЦИОМ URL: https://wciom.ru/analytical-reviews/analiticheskii-obzor/socialnye-seti-i-messendzhery-vovlechennost-i-predpochtenija (дата обращения: 19.12.2024).

5 Debatin B. The Internet as a new platform for expressing opinions and as a new public sphere //The SAGE handbook of public opinion research. - 2008. - С. 64-72.

6 Хабермас Ю. Структурное изменение публичной сферы: Исследования относительно категории буржуазного общества. С Предисловием к переизданию 1990 года / Пер. с нем. В.В. Иванова. - М.: Весь Мир, 2016. — 344 с.

7 Тут, конечно, следует отметить, что сам Ю. Хабермас рассматривает социальные медиа как полупубличную сферу. Смотрите подробнее:

Habermas J. A new structural transformation of the public sphere and deliberative politics. - John Wiley & Sons, 2023.

дискуссию и привести к возникновению более открытых обществ8. Источником подобного рода оптимизма было то, что с точки зрения множества теорий демократий свободный неограниченный доступ к информации и возможность свободно выражать собственное мнение являются одними из основ функционирования демократии. К числу таких теорий относятся, например, концепция процедурной демократии Р. Даля9 (и полиархии как наиболее близкого ее возможного воплощения), теории10 «делиберативной демократии»11, получившие большую популярность с 1990-х годов, указывающие на важнейшую роль делиберации, то есть особого рода обсуждений, соответствующих определенным критериям, как основы демократии, теория агонистической демократии Ш. Муфф также указывает на особую важность сохранения плюрализма12. Впрочем, вскоре первоначальный оптимизм сменился большим скепсисом. Государства, вне

13

зависимости от типа режима13, ограничивали коммуникацию в интернете как на законодательном уровне14, требуя от интернет-сайтов удалять определенный контент15, так и техническими мерами, например, пресекая доступ пользователей к зарубежным сайтам16. То же произошло и с социальными медиа: там свобода дискуссий оказалась ограничена не только

8 Diamond L. Liberation technology //Journal of democracy. - 2010. - Т. 21. - №. 3. - С. 69-83.

9 Даль Р. Демократия и ее критики / Пер. с англ. под ред. М.В.Ильина. — М.: «Российская политическая энциклопедия» (РОССПЭН), 2003 — 576 с

10 Савин Н. Ю. Между субстанцией и процедурой: две традиции в делиберативной демократической теории //Полис. Политические исследования. - 2019. - №. 4. - С. 26-39.

11 Gabardi W. Contemporary models of democracy //Polity. - 2001. - Т. 33. - №. 4. - С. 547-568. Назарчук А. В. Понятие делиберативной политики в современном политическом процессе //Полис. Политические исследования. - 2011. - №. 5. - С. 99-103.

12 Муфф Ш. К агонистической модели демократии //Логос. - 2004. - Т. 2. - №. 42. - С. 180-197. Летняков Д. Э. Выходя за пределы «электорализма»: агонистическая демократия против перспективы постполитики. - 2022.

Mouffe C. The return of the political. - Verso, 2005. - Т. 8.

13 Busch A., Theiner P., Breindl Y. Internet censorship in liberal democracies: Learning from autocracies? //Managing democracy in the digital age: Internet regulation, social media use, and online civic engagement. - 2018.

- С. 11-28.

14 Palfrey J., Roberts H., Zuckerman E. 2007 circumvention landscape report: Methods, uses, and tools. - 2009.

15 Meserve S. A., Pemstein D. Google politics: The political determinants of Internet censorship in democracies //Political Science Research and Methods. - 2018. - Т. 6. - №. 2. - С. 245-263.

16 Deibert R. Authoritarianism goes global: Cyberspace under siege //Journal of Democracy. - 2015. - Т. 26. - №. 3.

- С. 64-78.

Nabi Z. Resistance censorship is futile //First Monday. - 2014.

17

регулированием со стороны государств17, но и со стороны самих социальных

медиа18, при этом в разных странах и социальных медиа сила таких ограничений отличается19. Социальные медиа стали использоваться для

целенаправленных кампаний по продвижению определенных точек зрения,

20

при этом такие кампании проводились как государственными20, так и негосударственными акторами21. Используемые социальными медиа алгоритмы персонализации стали обвинять в росте поляризации в обществе22, в возникновении сегрегированных групп пользователей со схожими убеждениями23, в распространении недостоверной информации24, более того, они, скрыто от пользователя, могут отдавать предпочтение

17 Bamman D., O'Connor B., Smith N. Censorship and deletion practices in Chinese social media //First Monday. -2012.

Watters P. Censorship is futile-possible but difficult: A study in algorithmic ethnography //First Monday. - 2015. King G., Pan J., Roberts M. E. How censorship in China allows government criticism but silences collective expression //American political science Review. - 2013. - Т. 107. - №. 2. - С. 326-343. Tanash R. S. et al. Known unknowns: An analysis of twitter censorship in turkey //Proceedings of the 14th ACM Workshop on Privacy in the Electronic Society. - 2015. - С. 11-20.

18Ровинская Т. Л. Свобода слова в условиях цифровой диктатуры IT-корпораций //Полис. Политические исследования. - 2022. - №. 2. - С. 22-36.

Кочетков А. П., Мамычев А. Ю. Цифровая элита: тенденции формирования и развития //Полис. Политические исследования. - 2024. - №. 4. - С. 135-145.

Chandrasekharan E. et al. You can't stay here: The efficacy of reddit's 2015 ban examined through hate speech //Proceedings of the ACM on human-computer interaction. - 2017. - Т. 1. - №. CSCW. - С. 1-22. McCabe S. D. et al. Post-January 6th deplatforming reduced the reach of misinformation on Twitter //Nature. -2024. - Т. 630. - №. 8015. - С. 132-140.

Jhaver S. et al. Evaluating the effectiveness of deplatforming as a moderation strategy on Twitter //Proceedings of the ACM on Human-Computer Interaction. - 2021. - Т. 5. - №. CSCW2. - С. 1-30.

19 Гасумянов В. И., Комлева В. В. Communication Regimes as a New Scientific Category //Коммуникология. -2020. - Т. 8. - №. 3. - С. 43-50.

20 King G., Pan J., Roberts M. E. How the Chinese government fabricates social media posts for strategic distraction, not engaged argument //American political science review. - 2017. - Т. 111. - №. 3. - С. 484-501.

21 Benigni M. C., Joseph K., Carley K. M. Bot-ivistm: assessing information manipulation in social media using network analytics //Emerging research challenges and opportunities in computational social network analysis and mining. - Springer, Cham, 2019. - С. 19-42.

22 Bail C. A. et al. Exposure to opposing views on social media can increase political polarization //Proceedings of the National Academy of Sciences. - 2018. - Т. 115. - №. 37. - С. 9216-9221.

Kubin E., Von Sikorski C. The role of (social) media in political polarization: a systematic review //Annals of the International Communication Association. - 2021. - Т. 45. - №. 3. - С. 188-206.

23 Bechmann A., Nielbo K. L. Are we exposed to the same "news" in the news feed? An empirical analysis of filter bubbles as information similarity for Danish Facebook users //Digital journalism. - 2018. - Т. 6. - №. 8. - С. 9901002.

Bakshy E., Messing S., Adamic L. A. Exposure to ideologically diverse news and opinion on Facebook //Science. -2015. - Т. 348. - №. 6239. - С. 1130-1132.

Munn L. Alt-right pipeline: Individual journeys to extremism online //First Monday. - 2019. Lewis R. Alternative influence: broadcasting the reactionary right on YouTube. - 2018.

24 Ai'meur E., Amri S., Brassard G. Fake news, disinformation and misinformation in social media: a review //Social Network Analysis and Mining. - 2023. - Т. 13. - №. 1. - С. 30.

Zhao Z. et al. Fake news propagates differently from real news even at early stages of spreading //EPJ data science. - 2020. - Т. 9. - №. 1. - С. 7.

Guess A., Nyhan B., Reifler J. Selective exposure to misinformation: Evidence from the consumption of fake news during the 2016 US presidential campaign //European Research Council. - 2018. - Т. 9. - №. 3. - С. 4.

определенным политическим позициям, занижая представленность противоположных позиций. Всё это обусловливает важность изучения различных мер контроля над коммуникациями в социальных медиа, использующихся для воздействия на формирование общественного мнения25 в социальных медиа.

Существующие на сегодняшний день немногочисленные эмпирические исследования мер контроля над распространением информации не дают однозначного ответа на вопрос, какое влияние их применение оказывает на формирование общественного мнения и в каких обстоятельствах. Ограничения, направленные на противников прививок в 2019 году, успешно подавляли распространение создаваемого ими контента26, но в период пандемии эффективность таких ограничений снизилась27. Аресты «лидеров мнений» в Саудовской Аравии не привели к снижению активности их сторонников в социальных медиа28, но «деплатформинг» ряда «ультраправых

29

политических комментаторов» снизил активность их сторонников29. «Тролли»3031, целенаправленно продвигавшие определенные точки зрения,

25 Володенков С. В. Социальные медиа как инструмент современной публичной политики: особенности и перспективы применения //Политическая наука. - 2017. - №. Спецвыпуск. - С. 290-305.

Володенков С. В. Технологии манипулирования общественным сознанием в интернет-пространстве как инструмент политического управления //Политическая экспертиза: ПОЛИТЭКС. - 2017. - Т. 13. - №. 3. - С. 57-67.

26 Gu J. et al. The impact of Facebook's vaccine misinformation policy on user endorsements of vaccine content: An interrupted time series analysis //Vaccine. - 2022. - Т. 40. - №. 14. - С. 2209-2214.

27 Broniatowski D. A. et al. The efficacy of Facebook's vaccine misinformation policies and architecture during the COVID-19 pandemic //Science Advances. - 2023. - Т. 9. - №. 37. - С. eadh2132.

28 Pan J., Siegel A. A. How Saudi crackdowns fail to silence online dissent //American Political Science Review. -2020. - Т. 114. - №. 1. - С. 109-125.

29 Jhaver S. et al. Evaluating the effectiveness of deplatforming as a moderation strategy on Twitter //Proceedings of the ACM on Human-Computer Interaction. - 2021. - Т. 5. - №. CSCW2. - С. 1-30.

30 Здесь и далее «троллями» называются управляемые непосредственно людьми аккаунты, участвующие в кампаниях «направления информации». Такие «тролли» могут заниматься «троллингом», то есть вести себя агрессивно или провокативно, но это не обязательно. Более подробно о «троллинге» как поведении смотрите: Булатова Е. И. Сетевые коммуникативные стратегии: троллинг //Вестник Санкт-Петербургского государственного института культуры. - 2017. - №. 2 (31). - С. 75-78.

Борисова А. С. Троллинг как новое социальное явление в системе интернет-коммуникации //Теория и практика общественного развития. - 2019. - №. 8 (138). - С. 13-16.

Гриценко Л. М., Демидова Т. А. Коммуникативная стратегия дискредитации в интернет-коммуникации (на примере троллинга) //Вестник Томского государственного университета. Филология. - 2018. - №. 55. - С. 29-42.

31 Boninger D. S., Krosnick J. A., Berent M. K. Origins of attitude importance: self-interest, social identification, and value relevance //Journal of personality and social psychology. - 1995. - Т. 68. - №. 1. - С. 61.

Lake C. J. et al. Understanding the relation between attitude involvement and response latitude using item response theory //Educational and Psychological Measurement. - 2013. - Т. 73. - №. 4. - С. 690-712.

32

влияли на дискуссии по политическим вопросам, но не по экономическим32.

Другие исследования показывают, что сконцентрированные в узком сегменте политизированных пользователей «тролли» не оказывали влияния на общественное мнение33. В то же время сентимент политически нейтральных пользователей после взаимодействия с «ботами-астротюрферами34»

35

претерпевал значительные изменения35.

Работы, выполненные с использованием методов вычислительного моделирования, также демонстрируют различные результаты. Некоторые работы показывают, что ограничения, накладываемые на доступ или распространение информации, воспринимаемой накладывающими ограничения акторами как «нежелательная», способны подавить распространение такой информации36. В то же время другие исследования показывают обратный эффект37. Работы, посвященные моделированию целенаправленных кампаний по продвижению определенных точек зрения, демонстрируют скорее потенциальную эффективность подобных кампаний38, что, впрочем, соответствует результатам не всех исследований, выполненных

32 Sobolev A. How pro-government "trolls" influence online conversations in Russia. - 2019.

33 Eady G. et al. Exposure to the Russian Internet Research Agency foreign influence campaign on Twitter in the 2016 US election and its relationship to attitudes and voting behavior //Nature communications. - 2023. - Т. 14. -№. 1. - С. 62.

Bail C. A. et al. Assessing the Russian Internet Research Agency's impact on the political attitudes and behaviors of American Twitter users in late 2017 //Proceedings of the national academy of sciences. - 2020. - Т. 117. - №. 1. -С. 243-250.

34 Автоматизированными аккаунтами, целенаправленно продвигающими определенные политические позиции

35 Li L., Vasarhelyi O., Vedres B. Social bots spoil activist sentiment without eroding engagement //Scientific Reports. - 2024. - Т. 14. - №. 1. - С. 27005.

36 Murdock I., Carley K. M., Yagan O. An agent-based model of cross-platform information diffusion and moderation //Social Network Analysis and Mining. - 2024. - Т. 14. - №. 1. - С. 145.

Murdock I., Carley K. M., Yagan O. An Agent-Based Model of Reddit Interactions and Moderation //Proceedings of the International Conference on Advances in Social Networks Analysis and Mining. - 2023. - С. 195-202 Sobkowicz P., Sobkowicz A. Agent based model of anti-vaccination movements: Simulations and comparison with empirical data //Vaccines. - 2021. - Т. 9. - №. 8. - С. 809.

37 Wang C. Opinion dynamics with bilateral propaganda and unilateral information blockade //Physica A: Statistical Mechanics and its Applications. - 2021. - Т. 566. - С. 125646.

Lane J. E., McCaffree K., Shults F. L. R. Is radicalization reinforced by social media censorship? 2021. // Arxiv URL: https://arxiv.org/pdf/2103.12842 (дата обращения: 21.12.2024).

38 Ахременко А. С. и др. На что способны боты?(Модель протестной и контрпротестной политической мобилизации) //Журнал политической философии и социологии политики «Полития. Анализ. Хроника. Прогноз». - 2021. - №. 3 (102). - С. 172-194.

Lu H. C., Lee H. Agents of Discord: Modeling the Impact of Political Bots on Opinion Polarization in Social Networks //Social Science Computer Review. - 2024. - С. 08944393241270382.

Low J. F. et al. Carthago Delenda Est: Co-opetitive Indirect Information Diffusion Model for Influence Operations on Online Social Media 2024. // Arxiv URL: https://arxiv.org/pdf/2402.01905 (дата обращения: 21.12.2024).

на эмпирическом материале39. Отдельной проблемой является то, что эти модели зачастую опираются на различные теоретические допущения, что существенно усложняет сравнение полученных результатов.

Таким образом, проблема данного исследования заключается в том, что существует лакуна в понимании того, как различные «меры контроля» над распространением информации влияют на формирование общественного мнения в социальных медиа, при каких условиях они эффективны, то есть оказывают желательный с точки зрения применяющего их актора эффект, а при каких условиях приводят к обратному, «нежелательному», эффекту или не оказывают вообще никакого эффекта.

Разработанность проблемы

Поставленная проблема должна быть рассмотрена по двум основным направлениям.

Во-первых, следует выделить основные особенности коммуникаций в социальных медиа, которые могут оказывать эффект на формирование общественного мнения. Во-вторых, следует рассмотреть литературу, посвященную моделированию формирования общественного мнения в социальных медиа.

Это, во-первых, существование «лидеров мнений», то есть пользователей, обладающих наибольшим числом контактов с иными пользователями40. Некоторые исследования также показывают, что такая «цифровая элита» обладает диспропорционально большим влиянием на

39 Eady G. et al. Exposure to the Russian Internet Research Agency foreign influence campaign on Twitter in the 2016 US election and its relationship to attitudes and voting behavior //Nature communications. - 2023. - T. 14. -№. 1. - C. 62.

Bail C. A. et al. Assessing the Russian Internet Research Agency's impact on the political attitudes and behaviors of American Twitter users in late 2017 //Proceedings of the national academy of sciences. - 2020. - T. 117. - №. 1. -C. 243-250.

40 Asur S., Huberman B. A. (2010) Predicting the future with social media. Proceedings of the 2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology. Vol. 1 — IEEE Computer Society. P. 492—499.

процессы распространения информации в социальных медиа41. В то же время другие исследования демонстрируют, что относительное влияние «цифровой элиты» и «цифровой периферии» (обычных пользователей) на процессы распространения информации зависит от того, какого рода информация распространяется42. К примеру, Д. Ромеро, Б. Мидер и Дж. Клейнбер показали, что для того, чтобы человек поучаствовал в распространении «политизированных» хэштегов важно, чтобы на него оказывалось воздействие со стороны множества соседей по сети, а для хэштегов, не связанных с политикой, множественного воздействия не требуется43

Во-вторых, пользователи со схожими предпочтениями чаще коммуницируют друг с другом44. Это не является какой-либо отличительной особенностью только социальных медиа - и в обычной жизни схожие по своему социально-экономическому положению, этническому происхождению или политическим предпочтениям45 люди тоже с большей вероятностью формируют связи друг с другом46. В контексте коммуникации в социальных медиа это означает, что схожие люди не только с большей вероятностью окажутся связаны друг с другом, но и с большей вероятностью получат информацию, подтверждающую их существующую точку зрения47.

41 González-Bailón S., Wang N. Networked discontent: The anatomy of protest campaigns in social media //Social networks. - 2016. - T. 44. - C. 95-104.

42 Guilbeault D., Becker J., Centola D. Complex contagions: A decade in review //Complex spreading phenomena in social systems. - 2018. - C. 3-25.

43 Romero D. M., Meeder B., Kleinberg J. Differences in the mechanics of information diffusion across topics: idioms, political hashtags, and complex contagion on twitter //Proceedings of the 20th international conference on World wide web. - 2011. - C. 695-704.

44 Quattrociocchi W., Scala A., Sunstein C. R. Echo chambers on Facebook //Available at SSRN 2795110. - 2016.

45 Huber G. A., Malhotra N. Political homophily in social relationships: Evidence from online dating behavior //The Journal of Politics. - 2017. - T. 79. - №. 1. - C. 269-283.

Oosterhoff B., Poppler A., Palmer C. A. Early adolescents demonstrate peer-network homophily in political attitudes and values //Psychological Science. - 2022. - T. 33. - №. 6. - C. 874-888.

46 McPherson M., Smith-Lovin L., Cook J. M. Birds of a feather: Homophily in social networks //Annual review of sociology. - 2001. - T. 27. - №. 1. - C. 415-444.

Aiello L. M. et al. Friendship prediction and homophily in social media //ACM Transactions on the Web (TWEB). -2012. - T. 6. - №. 2. - C. 1-33.

47 Halberstam Y., Knight B. Homophily, group size, and the diffusion of political information in social networks: Evidence from Twitter //Journal of public economics. - 2016. - T. 143. - C. 73-88.

Facciani M. et al. Political network composition predicts vaccination attitudes //Social Science & Medicine. - 2023. - T. 328. - C. 116004.

Потенциально это может вести к формированию относительно гомогенных групп48, так называемых эхо-камер, и способствует росту политической поляризации в обществе49. Тем не менее пока в научном сообществе не сформировался консенсус по вопросу, в какой степени гомофилия в социальных медиа влияет на рост политической поляризации: некоторые исследования показывают, что коммуникация в социальных медиа также может поляризацию и снижать50. Весьма вероятным представляется, что различия в результатах исследований вызваны тем, что уровень гомофилии различается в разных странах, в различных социальных медиа51, в зависимости от конкретного предмета обсуждения52 или текущего политического контекста53. Однако это также может влиять и на эффективность различных мер контроля над распространением информации.

В-третьих, социальные медиа не являются нейтральными площадками, на которых пользователи просто взаимодействуют друг с другом. Алгоритмы, используемые социальными медиа, фильтруют контент на основе данных о предпочтениях конкретного пользователя, стараясь подобрать такой контент, который с максимальной вероятностью позволит удержать его внимание54. Еще на заре социальных медиа было выдвинуто предположение, что это может привести к тому, что, получая только соответствующую собственным убеждениям информацию, пользователи с разными убеждениями окажутся изолированы в своего рода

48 Cinelli M. et al. The echo chamber effect on social media //Proceedings of the National Academy of Sciences. -2021. - T. 118. - №. 9.

49 Du S., Gregory S. The Echo Chamber Effect in Twitter: does community polarization increase? //International workshop on complex networks and their applications. - Springer, Cham, 2016. - C. 373-378.

50 Barberá P. (2014) How social media reduces mass political polarization. Evidence from Germany, Spain, and the US // Job Market Paper, New York University. Vol. 46.

51 Cinelli M. et al. The echo chamber effect on social media //Proceedings of the National Academy of Sciences. -2021. - T. 118. - №. 9.

52 Barberá P., Wang N., Bonneau R., Jost T.J., Nagler J., Tucker J., González-Bailón S. (2015) The critical periphery in the growth of social protests // PloS one. Vol. 10. No. 11. Pp. e0143611

53 Bond R. M., Sweitzer M. D. Political homophily in a large-scale online communication network //Communication Research. - 2022. - T. 49. - №. 1. - C. 93-115.

54 Thorson K. et al. Algorithmic inference, political interest, and exposure to news and politics on Facebook //Information, Communication & Society. - 2021. - T. 24. - №. 2. - C. 183-200.

«информационных коконах» — так называемых «пузырях фильтров»55, что будет вести к росту поляризации в обществе. Впрочем, эмпирические исследования не смогли однозначно подтвердить или опровергнуть существование данного эффекта. Некоторые исследования показывают, что рекомендательные системы действительно могут формировать для определенных пользователей «пузыри фильтров» и способствовать их радикализации56. Другие исследования демонстрируют, что алгоритмы поисковых систем и социальных медиа не погружают своих пользователей в «пузыри фильтров», а напротив, идеологическое разнообразие получаемой ими информации было выше, чем у пользователей, не использовавших поисковые системы или социальные медиа для чтения новостей57. Иногда выявляется третий эффект - гомогенизация потребляемого пользователями контента, что продемонстрировали Т. Нгуен и его соавторы58, показав, какое влияние оказала рекомендательная система на предпочтения пользователей на сайте, посвященном кинематографу. Также существует потенциал намеренной манипуляции алгоритмами персонализации так, чтобы они отдавали предпочтения продвижению определенного политического контента и ограничивали доступ к другому. То, что у социальных медиа есть такая возможность демонстрирует эксперимент, проведенный в 2012 году крупнейшим социальным медиа США, в ходе которого для некоторых пользователей алгоритмы персонализации подбирали больше постов с позитивным эмоциональным содержанием, а для других - с негативным, что,

55 Pariser E. The filter bubble: How the new personalized web is changing what we read and how we think. -Penguin, 2011

56 Munn L. Alt-right pipeline: Individual journeys to extremism online //First Monday. - 2019. Lewis R. Alternative influence: broadcasting the reactionary right on YouTube. - 2018.

57 Van Damme K. et al. Mapping the mobile DNA of news. Understanding incidental and serendipitous mobile news consumption //Mobile News. - Routledge, 2020. - C. 49-68.

Fletcher R., Nielsen R. K. Automated serendipity: The effect of using search engines on news repertoire balance and diversity //Digital Journalism. - 2018. - T. 6. - №. 8. - C. 976-989.

Guess A. M. (Almost) Everything in moderation: new evidence on Americans' online media diets //American Journal of Political Science. - 2021. - T. 65. - №. 4. - C. 1007-1022.

58 Nguyen T. T. et al. Exploring the filter bubble: the effect of using recommender systems on content diversity //Proceedings of the 23rd international conference on World wide web. - 2014. - C. 677-686.

в свою очередь, повлияло на эмоциональный окрас постов подвергнутых

59

данной манипуляции пользователей59.

Использование алгоритмов для подбора контента - не единственный способ взаимодействия социальных медиа с пользователями. Четвертая особенность социальных медиа состоит в том, что функционал аккаунта пользователя или доступ к созданному пользователем контенту может быть ограничен социальным медиа по тем или иным причинам: по требованию органов государственной власти60 или из-за распространения «нежелательного» на данной платформе контента61. Эмпирические исследования демонстрируют, что эффект такого воздействия может быть как «желательным»62, то есть снижать распространенность «нежелательного» контента, так и «нежелательным», то есть увеличивать интерес к нему63. При этом даже исследования, проводившиеся в схожих социальных контекстах в близкие временные интервалы показывают различные результаты. Так, попытка ограничить в 2020-ом году доступ к информации о «ноутбуке Хантера Байдена» вызвала резкий рост интереса к этой информации64, в то же время как значительное усиление ограничений на другой платформе социального медиа успешно подавило распространение «недостоверной

59 Kramer A. D. I., Guillory J. E., Hancock J. T. Experimental evidence of massive-scale emotional contagion through social networks //Proceedings of the National Academy of Sciences. - 2014. - Т. 111. - №. 24. - С. 87888790.

60 Tanash R. S. et al. Known unknowns: An analysis of twitter censorship in turkey //Proceedings of the 14th ACM Workshop on Privacy in the Electronic Society. - 2015. - С. 11-20.

Conway M. et al. Disrupting Daesh: Measuring takedown of online terrorist material and its impacts //Islamic State's Online Activity and Responses. - Routledge, 2020. - С. 141-160.

61 Alizadeh M. et al. Content moderation as a political issue: The twitter discourse around Trump's ban //Journal of Quantitative Description: Digital Media. - 2022. - Т. 2.

62 Chandrasekharan E. et al. You can't stay here: The efficacy of reddit's 2015 ban examined through hate speech //Proceedings of the ACM on human-computer interaction. - 2017. - Т. 1. - №. CSCW. - С. 1-22.

McCabe S. D. et al. Post-January 6th deplatforming reduced the reach of misinformation on Twitter //Nature. -2024. - Т. 630. - №. 8015. - С. 132-140.

Jhaver S. et al. Evaluating the effectiveness of deplatforming as a moderation strategy on Twitter //Proceedings of the ACM on Human-Computer Interaction. - 2021. - Т. 5. - №. CSCW2. - С. 1-30. Thomas D. R., Wahedi L. A. Disrupting hate: The effect of deplatforming hate organizations on their online audience //Proceedings of the National Academy of Sciences. - 2023. - Т. 120. - №. 24. - С. e2214080120.

63 Watters P. Censorship is fUtile-possible but difficult: A study in algorithmic ethnography //First Monday. - 2015. Pan J., Siegel A. A. How Saudi crackdowns fail to silence online dissent //American Political Science Review. -2020. - Т. 114. - №. 1. - С. 109-125.

64 Twitter's ban almost doubled attention for Biden story // MIT technological review URL:

https ://www.technologyreview.com/2020/10/16/1010644/twitter-ban-hunter-biden-emails-backfires/ (дата обращения: 19.12.2024).

информации»65. Ограничения, которые были введены в 2019 году для борьбы с противниками вакцинации, успешно сдерживали распространение создаваемого ими контента66. Однако в период пандемии эффективность этих ограничений значительно снизилась67. Также неясно, эффективны ли такие меры только при их применении против широкого круга пользователей или достаточно ограничений, нацеленных на немногих пользователей: так, как уже было упомянуто выше, аресты «лидеров мнений» в Саудовской Аравии не привели к снижению активности их сторонников в социальных медиа68, но удаление аккаунтов некоторых «ультраправых политических

69

комментаторов» активность их сторонников снизило69.

И, пятая особенность, это то, что не все пользователи социальных медиа являются теми, за кого себя выдают. Значительную долю, вплоть до 20%70 от общего числа аккаунтов составляют боты, автоматизированные программы71, в некоторых случаях маскирующиеся под людей. В периоды активных онлайн-обсуждений значительную часть постов (вплоть до 50% от общего числа) в социальных медиа могут составлять посты, опубликованные такими аккаунтами72. Такие аккаунты могут исполнять различные функции: распространять недостоверную информацию73, агитировать за различных

65 González-Bailón S. et al. The Diffusion and Reach of (Mis) Information on Facebook During the US 2020 Election //Sociological Science. - 2024. - Т. 11. - С. 1124-1146.

66 Gu J. et al. The impact of Facebook's vaccine misinformation policy on user endorsements of vaccine content: An interrupted time series analysis //Vaccine. - 2022. - Т. 40. - №. 14. - С. 2209-2214.

67 Broniatowski D. A. et al. The efficacy of Facebook's vaccine misinformation policies and architecture during the COVID-19 pandemic //Science Advances. - 2023. - Т. 9. - №. 37. - С. eadh2132.

68 Pan J., Siegel A. A. How Saudi crackdowns fail to silence online dissent //American Political Science Review. -2020. - Т. 114. - №. 1. - С. 109-125.

69 Jhaver S. et al. Evaluating the effectiveness of deplatforming as a moderation strategy on Twitter //Proceedings of the ACM on Human-Computer Interaction. - 2021. - Т. 5. - №. CSCW2. - С. 1-30.

Список литературы диссертационного исследования кандидат наук Толокнев Кирилл Александрович, 2026 год

Список использованной литературы:

1. Агеева А. Ф. Имитационное моделирование эпидемий: агентный подход //Моделирование, оптимизация и информационные технологии.

- 2020. - Т. 8. - №. 3. - С. 3-4.

2. Акопов А. С., Бекларян Г. Л., Бекларян Л. А. Агентное моделирование эколого-экономической системы города (на примере г. Ереван, Республика Армения) //Искусственные общества. - 2017. - Т. 12. - №. 3-4. - С. 1.

3. Ахременко А. С. и др. Как информационно-коммуникационные технологии меняют тренды в моделировании политических процессов: к агентному подходу //Политическая наука. - 2021. - №. 1. - С. 12-45.

4. Ахременко А. С. и др. На что способны боты? (Модель протестной и контрпротестной мобилизации) //Журнал политической философии и социологии политики «Полития. Анализ. Хроника. Прогноз». - 2021. - №. 3 (102). - С. 172-194.

5. Бабич Н. С. Возможные онтологии общественного мнения //Коммуникология. - 2019. - Т. 7. - №. 3. - С. 26-36.

6. Бахтизин А. Р. и др. Программно-аналитический комплекс «МЁБИУС»-инструмент планирования, мониторинга и прогнозирования социально-экономической системы России //Искусственные общества. - 2020. - Т. 15. - №. 4. - С. 10-10.

7. Бернейс Э. Инженерия согласия //Полис. Политические исследования. - 2013. - №. 4. - С. 122-131.

8. Борисова А. С. Троллинг как новое социальное явление в системе интернет-коммуникации //Теория и практика общественного развития.

- 2019. - №. 8 (138). - С. 13-16.

9. Булатова Е. И. Сетевые коммуникативные стратегии: троллинг //Вестник Санкт-Петербургского государственного института культуры. - 2017. - №. 2 (31). - С. 75-78.

10. Бурдье П. Общественное мнение не существует //Бурдье П. Социология политики: Пер. с фр. ГА Чередниченко/Сост., общ. ред. и предисл. НА Шматко. М.: Socio-Logos. - 1993. - С. 173.

11. Василькова В. В., Легостаева Н. И. Социальные боты в компьютерной пропаганде: серфинг на информационной волне коронавируса //Мониторинг общественного мнения: экономические и социальные перемены. - 2020. - №. 6 (160). - С. 329-356.

12. Василькова В. В., Легостаева Н. И. Социальные боты в политической коммуникации //Вестник Российского университета дружбы народов. Серия: Социология. - 2019. - Т. 19. - №. 1. - С. 121133.

13. Василькова В. В., Легостаева Н. И., Радушевский В. Б. Тематический ландшафт бот-пространства социальной сети" ВКонтакте" //Журнал социологии и социальной антропологии. - 2019. - Т. 22. - №. 4. - С. 202-245.

14. Володенков С. В. Социальные медиа как инструмент современной публичной политики: особенности и перспективы применения //Политическая наука. - 2017. - №. Спецвыпуск. - С. 290305.

15. Володенков С. В. Технологии манипулирования общественным сознанием в интернет-пространстве как инструмент политического управления //Политическая экспертиза: ПОЛИТЭКС. - 2017. - Т. 13. -№. 3. - С. 57-67.

16. Володенков С. В., Артамонова Ю. Д. Информационные капсулы как структурный компонент современной политической интернет-коммуникации //Вестник Томского государственного университета. Философия. Социология. Политология. - 2020. - №. 53. - С. 188-196.

17. Гасумянов В. И., Комлева В. В. Communication Regimes as a New Scientific Category //Коммуникология. - 2020. - Т. 8. - №. 3. - С. 43-50.

18. Гриценко Л. М., Демидова Т. А. Коммуникативная стратегия дискредитации в интернет-коммуникации (на примере троллинга) //Вестник Томского государственного университета. Филология. -2018. - №. 55. - С. 29-42.

19. Губанов Д. А., Чхартишвили А. Г. О влиянии алгоритмов онлайновой социальной сети на формирование мнений пользователей //Управление развитием крупномасштабных систем (MLSD'2023): труды Шестнадцатой. - 2023. - С. 121.

20. Давыдов С. Г., Логунова О. С. Сообщества московских районов в социальных медиа: контент и его модерация //Мониторинг общественного мнения: экономические и социальные перемены. -2018. - №. 1 (143). - С. 204-221.

21. Даль Р. Демократия и ее критики / Пер. с англ. под ред. М.В.Ильина. — М.: «Российская политическая энциклопедия» (РОССПЭН), 2003 — 576 с

22. Дерябин А. М. и др. Агентная модель эпидемии COVID-19 в Российской Федерации //Секция 7. - 2023.

23. Дудина В.И., Юдина Д.И. Извлекая мнения из сети Интернет: могут ли методы анализа текстов заменить опросы общественного

мнения?// Мониторинг общественного мнения: Экономические и социальные перемены. 2017. N0 5. С. 63—78.

24. Исупова О. Г., Рождественская Е. Ю., Лагерева А. Е. Ковидный ресентимент в социальных сетях: репертуар мотивированных суждений //Мониторинг общественного мнения: экономические и социальные перемены. - 2021. - №. 5. - С. 374-398.

25. Козицин И. В., Чхартишвили А. Г. О влиянии активности пользователей онлайновых социальных сетей на формирование эхо-камер // Управление развитием крупномасштабных систем MLSD'2020.

- 2020. - С. 1874-1882.

26. Кочетков А. П., Мамычев А. Ю. Цифровая элита: тенденции формирования и развития //Полис. Политические исследования. - 2024.

- №. 4. - С. 135-145.

27. Летняков Д. Э. Выходя за пределы «электорализма»: агонистическая демократия против перспективы постполитики. - 2022.

28. Макаров В. Л. и др. Агент-ориентированные модели: мировой опыт и технические возможности реализации на суперкомпьютерах //Вестник Российской академии наук. - 2016. - Т. 86. - №. 3. - С. 252252.

29. Макаров В. Л. и др. Моделирование эпидемии СОУГО-19-преимущества агент-ориентированного подхода //Экономические и социальные перемены: факты, тенденции, прогноз. - 2020. - Т. 13. - №. 4. - С. 58-73.

30. Мартьянов Д. С. Политический бот как профессия //Политическая экспертиза: ПОЛИТЭКС. - 2016. - Т. 12. - №. 1. - С. 74-89.

31. Мартьянов Д. С., Мартьянова Н. А. Селективная модерация в условиях виртуальной публичной сферы //Социодинамика. - 2019. - №. 12. - С. 74-85.

32. Митин Н. А., Подлазов А. В., Щетинина Д. П. Исследование сетевых свойств Живого журнала //Информационные технологии и вычислительные системы. - 2015. - №. 3. - С. 12-22.

33. Михайленок О. М., Малышева Г. А. Роботизация социальных сетей и ее политические последствия //Власть. - 2020. - №. 1. - С. 8592.

34. Муфф Ш. К агонистической модели демократии //Логос. - 2004. -Т. 2. - №. 42. - С. 180-197.

35. Назарчук А. В. Понятие делиберативной политики в современном политическом процессе //Полис. Политические исследования. - 2011. -№. 5. - С. 99-103.

36. Ноэль-Нойман Э. Общественное мнение. Открытие спирали молчания / Общ. ред. и предисл. Н.С. Мансурова. М.: Прогресс-Академия, Весь Мир, 1996. — 352 с

37. Одинцов А. В. Социология общественного мнения и вызов Big Data // Мониторинг общественного мнения: Экономические и социальные перемены. 2017. No 3. С. 30—43.

38. Ровинская Т. Л. Свобода слова в условиях цифровой диктатуры IT-корпораций //Полис. Политические исследования. - 2022. - №. 2. -С. 22-36.

39. Савин Н. Ю. Между субстанцией и процедурой: две традиции в делиберативной демократической теории //Полис. Политические исследования. - 2019. - №. 4. - С. 26-39.

40. Седашов Е. А., Беленков В. Е., Конча В. Л. Отключение интернета как фактор протестной мобилизации: На примере Индии //Управление развитием крупномасштабных систем (MLSD'2023): труды Шестнадцатой. - 2023. - С. 1689.

41. Социальные сети и мессенджеры: вовлеченность и предпочтения // ВЦИОМ URL: https://wciom.ru/analytical-reviews/analiticheskii-obzor/socialnye-seti-i-messendzhery-vovlechennost-i-predpochtenija (дата обращения: 19.12.2024).

42. Стукал Д. К., Филиппов И. Б. Продвижение лидера или популяризация повестки? Агентно-ориентированная модель применения ботов в социальных сетях //Мониторинг общественного мнения: экономические и социальные перемены. - 2022. - №. 1.

43. Стукал Д. К., Шилина А. Н. Отношение к власти как фактор восприятия политического троллинга в российских социальных медиа //Полис. Политические исследования. - 2022. - №. 4. - С. 179-191.

44. Тамбовцев В. Л. Нарративный анализ в экономической теории как восхождение к сложности //Вопросы экономики. - 2020. - №. 4. -С. 5-30.

45. У. Липпман. Общественное мнение / Пер. с англ. Т. В. Барчуновой / Редакторы перевода К. А. Левинсон, К. В. Петренко. - М.: Институт Фонда «Общественное мнение», 2004. - 384 с.

46. Указ Президента Российской Федерации от 02.07.2021 г. № 400 «О Стратегии национальной безопасности Российской Федерации» // Президент России. URL: http://www.kremlin.ru/acts/bank/47046/ (дата обращения: 09.11.2025).

47. Хабермас Ю. Структурное изменение публичной сферы: Исследования относительно категории буржуазного общества. С Предисловием к переизданию 1990 года / Пер. с нем. В.В. Иванова. -М.: Весь Мир, 2016. — 344 с.

48. Шилина А. Н. Аффект или идеология: влияние политической поляризации на восприятие интернет-троллинга //Политическая наука. - 2023. - №. 3. - С. 230-251.

49. Шомова С. А. «Война мемов»: новые повороты информационного противостояния //Мониторинг общественного мнения: Экономические и социальные перемены. - 2019. - №. 5 (153). -С. 250-269.

50. Шомова С. А. Выборы президента РФ-2018 в зеркале мемов: новые реалии политической коммуникативистики //Полис. Политические исследования. - 2019. - №. 3. - С. 157-173.

51. Шубрт И. Действительно ли опросы общественного мнения изучают общественное мнение? //Социологические исследования. -2018. - №. 12. - С. 56-62.

52. Adena M. et al. Radio and the Rise of the Nazis in Prewar Germany //The Quarterly Journal of Economics. - 2015. - Т. 130. - №. 4. - С. 18851939.

53. Agan A. Y. et al. Automating automaticity: How the context of human choice affects the extent of algorithmic bias. - National Bureau of Economic Research, 2023. - №. w30981.

54. Aiello L. M. et al. Friendship prediction and homophily in social media //ACM Transactions on the Web (TWEB). - 2012. - Т. 6. - №. 2. -С. 1-33.

55. Ai'meur E., Amri S., Brassard G. Fake news, disinformation and misinformation in social media: a review //Social Network Analysis and Mining. - 2023. - Т. 13. - №. 1. - С. 30.

56. Ajelli M. et al. Comparing large-scale computational approaches to epidemic modeling: agent-based versus structured metapopulation models //BMC infectious diseases. - 2010. - Т. 10. - №. 1. - С. 190.

57. Albert C. D. et al. Twitter Propaganda Operations: Analyzing Sociopolitical Issues in Saudi Arabia //Social Media+ Society. - 2023. - Т. 9. - №. 4. - С. 20563051231216964.

58. Albert R., Barabasi A. L. Statistical mechanics of complex networks //Reviews of modern physics. - 2002. - Т. 74. - №. 1. - С. 47.

59. Ali S. et al. Understanding the effect of deplatforming on social networks //Proceedings of the 13 th ACM Web Science Conference 2021. -2021. - С. 187-195.

60. Alizadeh M. et al. Content moderation as a political issue: The twitter discourse around Trump's ban //Journal of Quantitative Description: Digital Media. - 2022. - Т. 2.

61. Allen L. et al. On Twitter Purge: A Retrospective Analysis of Suspended Users //Association for the Advancement of Artificial Intelligence. - 2020.

62. Appel R. E., Pan J., Roberts M. E. Partisan conflict over content moderation is more than disagreement about facts //Science Advances. -2023. - T. 9. - №. 44. - C. eadg6799.

63. Arce-García S., Said-Hung E., Mottareale D. Astroturfing as a strategy for manipulating public opinion on Twitter during the pandemic in Spain //El Profesional de la Información. - 2022. - T. 31. - №. 3.

64. Areeb Q. M. et al. Filter bubbles in recommender systems: Fact or fallacy—A systematic review //Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. - 2023. - T. 13. - №. 6. - C. e1512.

65. Arefi M. N. et al. Assessing Post Deletion in Sina Weibo: Multimodal Classification of Hot Topics //Proceedings of the Second Workshop on Natural Language Processing for Internet Freedom: Censorship, Disinformation, and Propaganda. - 2019. - C. 1-9.

66. Arif A., Stewart L. G., Starbird K. Acting the part: Examining information operations within# BlackLivesMatter discourse //Proceedings of the ACM on Human-computer Interaction. - 2018. - T. 2. - №. CSCW. - C. 1-27.

67. Ashokkumar A. et al. Censoring political opposition online: Who does it and why //Journal of Experimental Social Psychology. - 2020. - T. 91. -C. 104031.

68. Assenmacher D. et al. Demystifying social bots: On the intelligence of automated social media actors //Social Media+ Society. - 2020. - T. 6. - №. 3. - C. 2056305120939264.

69. Assenmacher D., Frohling L., Wagner C. You Are a Bot!-Studying the Development of Bot Accusations on Twitter //Proceedings of the International AAAI Conference on Web and Social Media. - 2024. - T. 18. - C. 113-125.

70. Assenova V. A. Modeling the diffusion of complex innovations as a process of opinion formation through social networks //PloS one. - 2018. -T. 13. - №. 5. - C. e0196699.

71. Asur S., Huberman B. A. (2010) Predicting the future with social media. Proceedings of the 2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology. Vol. 1 — IEEE Computer Society. P. 492—499.

72. Averza A., Slhoub K., Bhattacharyya S. Evaluating the influence of twitter bots via agent-based social simulation //IEEE Access. - 2022. - T. 10. - C. 129394-129407.

73. Axelrod R. The dissemination of culture: A model with local convergence and global polarization //Journal of conflict resolution. - 1997.

- T. 41. - №. 2. - C. 203-226.

74. Bail C. A. et al. Assessing the Russian Internet Research Agency's impact on the political attitudes and behaviors of American Twitter users in late 2017 //Proceedings of the national academy of sciences. - 2020. - T. 117. - №. 1. - C. 243-250.

75. Bail C. A. et al. Exposure to opposing views on social media can increase political polarization //Proceedings of the National Academy of Sciences. - 2018. - T. 115. - №. 37. - C. 9216-9221.

76. Bakshy E., Messing S., Adamic L. A. Exposure to ideologically diverse news and opinion on Facebook //Science. - 2015. - T. 348. - №. 6239. - C. 1130-1132.

77. Bamman D., O'Connor B., Smith N. Censorship and deletion practices in Chinese social media //First Monday. - 2012.

78. Barabási A. L., Albert R. Emergence of scaling in random networks //science. - 1999. - T. 286. - №. 5439. - C. 509-512.

79. Barberá P. (2014) How social media reduces mass political polarization. Evidence from Germany, Spain, and the US // Job Market Paper, New York University. Vol. 46.

80. Barberá P., Wang N., Bonneau R., Jost T.J., Nagler J., Tucker J., González-Bailón S. (2015) The critical periphery in the growth of social protests // PloS one. Vol. 10. No. 11. Pp. e0143611

81. Barone G., D'Acunto F., Narciso G. Telecracy: Testing for channels of persuasion //American Economic Journal: Economic Policy. - 2015. - T. 7.

- №. 2. - C. 30-60.

82. Barrie C., Siegel A. A. Kingdom of trolls? Influence operations in the Saudi Twittersphere //Journal of Quantitative Description. - 2021. - T. 1. -C. 1-41.

83. Bastos M. T., Mercea D. The Brexit botnet and user-generated hyperpartisan news //Social science computer review. - 2019. - T. 37. - №. 1. - C. 38-54.

84. Bechmann A., Nielbo K. L. Are we exposed to the same "news" in the news feed? An empirical analysis of filter bubbles as information similarity for Danish Facebook users //Digital journalism. - 2018. - T. 6. - №. 8. - C. 990-1002.

85. Becker S. O., Pino F. J., Vidal-Robert J. Freedom of the press? Catholic censorship during the counter-reformation. - 2021.

86. Benigni M. C., Joseph K., Carley K. M. Bot-ivistm: assessing information manipulation in social media using network analytics

//Emerging research challenges and opportunities in computational social network analysis and mining. - Springer, Cham, 2019. - С. 19-42.

87. Beskow D. M., Carley K. M. Agent based simulation of bot disinformation maneuvers in Twitter //2019 Winter simulation conference (WSC). - IEEE, 2019. - С. 750-761.

88. Bessi A., Ferrara E. Social bots distort the 2016 US Presidential election online discussion //First monday. - 2016. - Т. 21. - №. 11-7.

89. Blumer H. Public opinion and public opinion polling //American sociological review. - 1948. - Т. 13. - №. 5. - С. 542-549.

90. Bolsover G., Howard P. Chinese computational propaganda: automation, algorithms and the manipulation of information about Chinese politics on Twitter and Weibo //Information, communication & society. -2019. - Т. 22. - №. 14. - С. 2063-2080.

91. Bond R. M., Sweitzer M. D. Political homophily in a large-scale online communication network //Communication Research. - 2022. - Т. 49.

- №. 1. - С. 93-115.

92. Boninger D. S., Krosnick J. A., Berent M. K. Origins of attitude importance: self-interest, social identification, and value relevance //Journal of personality and social psychology. - 1995. - Т. 68. - №. 1. - С. 61.

93. Broniatowski D. A. et al. Explaining Twitter's inability to reduce vaccine misinformation during the COVID-19 pandemic. - 2025. // researchsquare URL: https://www.researchsquare.com/article/rs-5691823/latest.pdf (дата обращения: 14.03.2025).

94. Broniatowski D. A. et al. The efficacy of Facebook's vaccine misinformation policies and architecture during the COVID-19 pandemic //Science Advances. - 2023. - Т. 9. - №. 37. - С. eadh2132.

95. Bruno M., Lambiotte R., Saracco F. Brexit and bots: characterizing the behaviour of automated accounts on Twitter during the UK election //EPJ Data Science. - 2022. - Т. 11. - №. 1. - С. 17. НЕ ТО

96. Bruns A. Filter bubble //Internet Policy Review. - 2019. - T. 8, №. 4

97. Buchanan M. Meltdown modelling: could agent-based computer models prevent another financial crisis? //Nature. - 2009. - Т. 460. - №. 7256. - С. 680-683.

98. Buckels E. E., Trapnell P. D., Paulhus D. L. Trolls just want to have fun //Personality and individual Differences. - 2014. - Т. 67. - С. 97-102.

99. Bulut E., Yoruk E. Mediatized populisms| digital populism: Trolls and political polarization of Twitter in Turkey //International Journal of Communication. - 2017. - Т. 11. - С. 25.

100. Buntain C. et al. Cross-platform reactions to the post-January 6 deplatforming //Journal of Quantitative Description: Digital Media. - 2023.

- Т. 3.

101. Busch A., Theiner P., Breindl Y. Internet censorship in liberal democracies: Learning from autocracies? //Managing democracy in the digital age: Internet regulation, social media use, and online civic engagement. - 2018. - C. 11-28.

102. Cardenal A. S. et al. Digital technologies and selective exposure: How choice and filter bubbles shape news media exposure //The international journal of press/politics. - 2019. - T. 24. - №. 4. - C. 465-486.

103. Qarkoglu A., Andi S. Support for censorship of online and offline media: The partisan divide in Turkey //The International Journal of Press/Politics. - 2021. - T. 26. - №. 3. - C. 568-586.

104. Chagas V. WhatsApp and digital astroturfing: A social network analysis of Brazilian political discussion groups of Bolsonaro's supporters //International journal of communication. - 2022. - T. 16. - C. 25.

105. Chan J. Online astroturfing: A problem beyond disinformation //Philosophy & Social Criticism. - 2024. - T. 50. - №. 3. - C. 507-528.

106. Chandrasekharan E. et al. You can't stay here: The efficacy of reddit's 2015 ban examined through hate speech //Proceedings of the ACM on human-computer interaction. - 2017. - T. 1. - №. CSCW. - C. 1-22.

107. Chang C. C., Lin T. H. Autocracy login: internet censorship and civil society in the digital age //Democratization. - 2020. - T. 27. - №. 5. - C. 874-895.

108. Chen J. et al. Bias and debias in recommender system: A survey and future directions //ACM Transactions on Information Systems. - 2023. - T. 41. - №. 3. - C. 1-39.

109. Chen M., Dong Y., Wang J. A Meta-Analysis Examining the Role of Character-Recipient Similarity in Narrative Persuasion //Communication Research. - 2024. - T. 51. - №. 1. - C. 56-82.

110. Chen W. et al. Neutral bots probe political bias on social media //Nature communications. - 2021. - T. 12. - №. 1. - C. 5580.

111. Chen Y. S., Zaman T. Shaping opinions in social networks with shadow banning //Plos one. - 2024. - T. 19. - №. 3. - C. e0299977.

112. Chen Y., Yang D. Y. The impact of media censorship: 1984 or brave new world? //American Economic Review. - 2019. - T. 109. - №. 6. - C. 2294-2332.

113. Cheng C., Luo Y., Yu C. Dynamic mechanism of social bots interfering with public opinion in network //Physica A: statistical mechanics and its applications. - 2020. - T. 551. - C. 124163.

114. Childs H. L. Public opinions: nature, formation, and role . - Princeton, New Jersey: D. VAN NOSTRAND COMPANY, 1965. . - 376 c

115. Chowdhury F. A. et al. Examining factors associated with twitter account suspension following the 2020 us presidential election //Proceedings

of the 2021 IEEE/ACM international conference on advances in social networks analysis and mining. - 2021. - C. 607-612.

116. Chu Z. et al. Detecting automation of twitter accounts: Are you a human, bot, or cyborg? //IEEE Transactions on dependable and secure computing. - 2012. - T. 9. - №. 6. - C. 811-824.

117. Cima L. et al. The Great Ban: Efficacy and Unintended Consequences of a Massive Deplatforming Operation on Reddit //Companion Publication of the 16th ACM Web Science Conference. - 2024. - C. 85-93.

118. Cinelli M. et al. The echo chamber effect on social media //Proceedings of the National Academy of Sciences. - 2021. - T. 118. - №. 9.

119. Clifford P., Sudbury A. A model for spatial conflict //Biometrika. -1973. - T. 60. - №. 3. - C. 581-588.

120. Conway M. et al. Disrupting Daesh: Measuring takedown of online terrorist material and its impacts //Islamic State's Online Activity and Responses. - Routledge, 2020. - C. 141-160.

121. Cotter K. "Shadowbanning is not a thing": black box gaslighting and the power to independently know and credibly critique algorithms //Information, Communication & Society. - 2023. - T. 26. - №. 6. - C. 1226-1243.

122. Cypris N. F. et al. Intervening against online hate speech: A case for automated Counterspeech //IEAI Research Brief. - 2022. - C. 1-8.

123. Dainton M., Zelley E. D. Explaining theories of persuasion //Zelley, Applying communication theory for professional life: a practical introduction. - 2005. - C. 103-131.

124. De Marchi S., Page S. E. Agent-based models //Annual Review of political science. - 2014. - T. 17. - C. 1-20.

125. De Marzo G., Zaccaria A., Castellano C. Emergence of polarization in a voter model with personalized information //Physical Review Research. -2020. - T. 2. - №. 4. - C. 043117.

126. de Saint Laurent C., Glaveanu V. P., Literat I. Internet memes as partial stories: Identifying political narratives in coronavirus memes //Social Media+ Society. - 2021. - T. 7. - №. 1. - C. 2056305121988932.

127. Debatin B. The Internet as a new platform for expressing opinions and as a new public sphere //The SAGE handbook of public opinion research. -2008. - C. 64-72.

128. Deffuant G. et al. Mixing beliefs among interacting agents //Advances in Complex Systems. - 2000. - T. 3. - №. 01n04. - C. 87-98.

129. DeGroot M. H. Reaching a consensus //Journal of the American Statistical association. - 1974. - T. 69. - №. 345. - C. 118-121.

130. Deibert R. Authoritarianism goes global: Cyberspace under siege //Journal of Democracy. - 2015. - Т. 26. - №. 3. - С. 64-78.

131. Deibert R. Cyberspace under siege //J. Democracy. - 2015. - Т. 26. -С. 64.

132. Del Vicario M. et al. Modeling confirmation bias and polarization //Scientific reports. - 2017. - Т. 7. - С. 40391.

133. della Porta D, Mario Diani M Socail Movements An Introduction. 2 edition изд. Hoboken, New Jersey: Blackwell Publishing Ltd, 2006.

134. DellaVigna S., Kaplan E. The Fox News effect: Media bias and voting //The Quarterly Journal of Economics. - 2007. - Т. 122. - №. 3. - С. 11871234.

135. Devia C. A., Giordano G. A framework to analyze opinion formation models //Scientific Reports. - 2022. - Т. 12. - №. 1. - С. 13441.

136. Di Martino E. et al. Ideological fragmentation of the social media ecosystem: From echo chambers to echo platforms //PNAS Nexus. - 2025. -Т. 4. - №. 9. - С. pgaf262.

137. Diamond L. Liberation technology //Journal of democracy. - 2010. -Т. 21. - №. 3. - С. 69-83.

138. Digital 2024 April Global Statshot Report // datareportal URL: https://datareportal.com/reports/digital-2024-april-global-statshot (дата обращения: 19.12.2024).

139. Doshi J. et al. Sleeper Social Bots: a new generation of AI disinformation bots are already a political threat 2024 // Arxiv URL: https://arxiv.org/pdf/2408.12603 (дата обращения: 21.12.2024).

140. Du S., Gregory S. The Echo Chamber Effect in Twitter: does community polarization increase? //International workshop on complex networks and their applications. - Springer, Cham, 2016. - С. 373-378.

141. Eady G. et al. Exposure to the Russian Internet Research Agency foreign influence campaign on Twitter in the 2016 US election and its relationship to attitudes and voting behavior //Nature communications. -2023. - Т. 14. - №. 1. - С. 62.

142. Earl J., Maher T. V., Pan J. The digital repression of social movements, protest, and activism: A synthetic review //Science Advances. -2022. - Vol. 8. - No. 10. - Pp. eabl8198

143. Elmas T., Overdorf R., Aberer K. A dataset of state-censored tweets //Proceedings of the International AAAI Conference on Web and Social Media. - 2021. - Т. 15. - С. 1009-1015.

144. Enikolopov R., Makarin A., Petrova M. Social media and protest participation: Evidence from Russia //Econometrica. - 2020. - Т. 88. - №. 4. - С. 1479-1514.421

145. Enikolopov R., Petrova M., Zhuravskaya E. Media and political persuasion: Evidence from Russia //American economic review. - 2011. -Т. 101. - №. 7. - С. 3253-3285.422

146. Entman R. M., Herbst S. Reframing public opinion as we have known it //Mediated politics: Communication in the future of democracy. - 2001. -С. 203-225.

147. Epstein R., Flores A. The Video Manipulation Effect (VME): A quantification of the possible impact that the ordering of YouTube videos might have on opinions and voting preferences //PloS one. - 2024. - Т. 19. -№. 11. - С. e0303036.

148. Epstein R., Li J. Can biased search results change people's opinions about anything at all? a close replication of the Search Engine Manipulation Effect (SEME) //Plos one. - 2024. - Т. 19. - №. 3. - С. e0300727.

149. Epstein R., Newland A., Tang L. Y. The "digital personalization effect"(DPE): A quantification of the possible extent to which personalizing content can increase the impact of online manipulations //Computers in Human Behavior. - 2025. - С. 108578.

150. Epstein R., Robertson R. E. The search engine manipulation effect (SEME) and its possible impact on the outcomes of elections //Proceedings of the National Academy of Sciences. - 2015. - Т. 112. - №. 33. - С. E4512-E4521.

151. Erickson J. Rethinking the filter bubble? Developing a research agenda for the protective filter bubble //Big Data & Society. - 2024. - Т. 11.

- №. 1. - С. 20539517241231276.

152. Facciani M. et al. Political network composition predicts vaccination attitudes //Social Science & Medicine. - 2023. - Т. 328. - С. 116004.

153. Feinberg M., Willer R., Kovacheff C. The activist's dilemma: Extreme protest actions reduce popular support for social movements //Journal of personality and social psychology. - 2020. - Т. 119. - №. 5. -С. 1086.

154. Ferrara E. Disinformation and social bot operations in the run up to the 2017 French presidential election //First Monday. - 2017.

155. Ferrara E. et al. The rise of social bots //Communications of the ACM.

- 2016. - Т. 59. - №. 7. - С. 96-104. и

156. Ferrara E. Social bot detection in the age of ChatGPT: Challenges and opportunities //First Monday. - 2023.

157. Ferrara E., Fiumara G. Topological features of online social networks //arXiv preprint arXiv:1202.0331. - 2012. // arXiv URL: https://arxiv.org/pdf/1202.0331 (дата обращения: 14.03.2025).

158. Festiger L. A theory of cognitive dissonance //Row, Peterson, New York. - 1957.

159. Fischer P. et al. Selective exposure to information: The impact of information limits //European Journal of social psychology. - 2005. - T. 35.

- №. 4. - C. 469-492.

160. Flache A. Between Monoculture and Cultural Polarization: Agent-based Models of the Interplay of Social Influence and Cultural Diversity //Journal of Archaeological Method and Theory. - 2018. - T. 25. - №. 4. -C. 996-1023.

161. Flache A. et al. Models of social influence: Towards the next frontiers //Journal of Artificial Societies and Social Simulation. - 2017. - T. 20. - №. 4.

162. Flaxman S., Goel S., Rao J. M. Filter bubbles, echo chambers, and online news consumption //Public opinion quarterly. - 2016. - T. 80. - №. S1. - C. 298-320.

163. Fletcher R., Kalogeropoulos A., Nielsen R. K. More diverse, more politically varied: How social media, search engines and aggregators shape news repertoires in the United Kingdom //New Media & Society. - 2023. -T. 25. - №. 8. - C. 2118-2139.

164. Fletcher R., Nielsen R. K. Automated serendipity: The effect of using search engines on news repertoire balance and diversity //Digital Journalism.

- 2018. - T. 6. - №. 8. - C. 976-989.

165. Freitas C. et al. Reverse engineering socialbot infiltration strategies in twitter //Proceedings of the 2015 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining 2015. - 2015. - C. 2532.

166. French Jr J. R. P. A formal theory of social power //Psychological review. - 1956. - T. 63. - №. 3. - C. 181.

167. Fujiwara T., Müller K., Schwarz C. The effect of social media on elections: Evidence from the united states //Journal of the European Economic Association. - 2024. - T. 22. - №. 3. - C. 1495-1539.

168. Gabardi W. Contemporary models of democracy //Polity. - 2001. - T. 33. - №. 4. - C. 547-568.

169. Gadde V., Beykpour K. Setting the record straight on shadow banning //Twitter Blog. - 2018. - T. 26.

170. Geschke D., Lorenz J., Holtz P. The triple-filter bubble: Using agent-based modelling to test a meta-theoretical framework for the emergence of filter bubbles and echo chambers //British Journal of Social Psychology. - 2019. - T. 58. - №. 1. - C. 129-149.

171. Gillespie T. Content moderation, AI, and the question of scale //Big Data & Society. - 2020. - T. 7. - №. 2. - C. 2053951720943234.

172. GlaBel C., Paula K. Sometimes less is more: Censorship, news falsification, and disapproval in 1989 East Germany //American Journal of Political Science. - 2020. - Т. 64. - №. 3. - С. 682-698.

173. Goldstein I. et al. Understanding the (in) effectiveness of content moderation: A case study of facebook in the context of the us capitol riot 2023. // Arxiv URL: https://arxiv.org/pdf/2301.02737 (дата обращения: 21.12.2024).

174. Goldstein J. A. et al. How persuasive is AI-generated propaganda? //PNAS nexus. - 2024. - Т. 3. - №. 2. - С. pgae034

175. Gongane V. U., Munot M. V., Anuse A. D. Detection and moderation of detrimental content on social media platforms: Current status and future directions //Social Network Analysis and Mining. - 2022. - Т. 12. - №. 1. -С. 129.

176. González-Bailón S. et al. The Diffusion and Reach of (Mis) Information on Facebook During the US 2020 Election //Sociological Science. - 2024. - Т. 11. - С. 1124-1146.

177. González-Bailón S., Wang N. Networked discontent: The anatomy of protest campaigns in social media //Social networks. - 2016. - Т. 44. - С. 95-104.

178. Gorwa R., Binns R., Katzenbach C. Algorithmic content moderation: Technical and political challenges in the automation of platform governance //Big Data & Society. - 2020. - Т. 7. - №. 1. - С. 2053951719897945.

179. Granberg D. Social judgment theory //Communication yearbook 6. -Routledge, 2012. - С. 304-329.

180. Graphika and Stanford Internet Observatory. Unheard Voice: Evaluating Five Years of Pro-Western Covert Influence Operations //Stanford Digital Repository. - 2022.

181. Greitemeyer T. I am right, you are wrong: How biased assimilation increases the perceived gap between believers and skeptics of violent video game effects //PLoS One. - 2014. - Т. 9. - №. 4. - С. e93440.

182. Grimme C., Assenmacher D., Adam L. Changing perspectives: Is it sufficient to detect social bots? //Social Computing and Social Media. User Experience and Behavior: 10th International Conference, SCSM 2018, Held as Part of HCI International 2018, Las Vegas, NV, USA, July 15-20. 2018, Proceedings, Part I 10. - Springer International Publishing, 2018. - С. 445461.

183. Gu J. et al. The impact of Facebook's vaccine misinformation policy on user endorsements of vaccine content: An interrupted time series analysis //Vaccine. - 2022. - Т. 40. - №. 14. - С. 2209-2214.

184. Gubanov D. A., Chkhartishvili A. G. The influence of ranking algorithms, bots and content moderation on opinion formation in social networks //Large-scale systems control. - 2024. - №. 112. - С. 109-128.

185. Gueorguiev D. D., Malesky E. J. Consultation and selective censorship in China //The Journal of Politics. - 2019. - Т. 81. - №. 4. - С. 1539-1545.

186. Guess A. M. (Almost) Everything in moderation: new evidence on Americans' online media diets //American Journal of Political Science. -2021. - Т. 65. - №. 4. - С. 1007-1022.

187. Guess A. M. et al. How do social media feed algorithms affect attitudes and behavior in an election campaign? //Science. - 2023. - Т. 381.

- №. 6656. - С. 398-404.

188. Guess A., Coppock A. Does counter-attitudinal information cause backlash? Results from three large survey experiments //British Journal of Political Science. - 2020. - Т. 50. - №. 4. - С. 1497-1515.

189. Guess A., Nyhan B., Reifler J. Selective exposure to misinformation: Evidence from the consumption of fake news during the 2016 US presidential campaign //European Research Council. - 2018. - Т. 9. - №. 3.

- С. 4.

190. Guilbeault D., Becker J., Centola D. Complex contagions: A decade in review //Complex spreading phenomena in social systems. - 2018. - С. 325.

191. Habermas J. A new structural transformation of the public sphere and deliberative politics. - John Wiley & Sons, 2023.

192. Habib H. et al. Algorithmic amplification of biases on Google Search 2024. // Arxiv URL: https://arxiv.org/pdf/2401.09044 (дата обращения: 21.12.2024).

193. Haim M., Graefe A., Brosius H. B. Burst of the filter bubble? Effects of personalization on the diversity of Google News //Digital journalism. -2018. - Т. 6. - №. 3. - С. 330-343.

194. Haimson O. L. et al. Disproportionate removals and differing content moderation experiences for conservative, transgender, and black social media users: Marginalization and moderation gray areas //Proceedings of the ACM on Human-Computer Interaction. - 2021. - Т. 5. - №. CSCW2. - С. 1-35.

195. Halberstam Y., Knight B. Homophily, group size, and the diffusion of political information in social networks: Evidence from Twitter //Journal of public economics. - 2016. - Т. 143. - С. 73-88.

196. Hamby A., Brinberg D., Jaccard J. A conceptual framework of narrative persuasion //Journal of Media Psychology. - 2016.

197. Hannak A. et al. Measuring personalization of web search //Proceedings of the 22nd international conference on World Wide Web. -2013. - С. 527-538.

198. Haroon M. et al. Youtube, the great radicalizer? auditing and mitigating ideological biases in youtube recommendations 2022. // Arxiv URL: https://arxiv.org/pdf/2203.10666 (дата обращения: 21.12.2024).

199. Hart W. et al. Feeling validated versus being correct: a meta-analysis of selective exposure to information //Psychological bulletin. - 2009. - Т. 135. - №. 4. - С. 555.

200. Hayes A. F., Reineke J. B. The effects of government censorship of war-related news coverage on interest in the censored coverage: A test of competing theories //Mass Communication & Society. - 2007. - Т. 10. - №. 4. - С. 423-438.

201. Hegselmann R. et al. Opinion dynamics and bounded confidence models, analysis, and simulation //Journal of artificial societies and social simulation. - 2002. - Т. 5. - №. 3.

202. Herbst S. History, Philosophy, and Public Opinion Research //Journal of Communication. - 1993. - Т. 43. - №. 4. - С. 140-45.

203. Hinds J., Joinson A. N. What demographic attributes do our digital footprints reveal? A systematic review //PloS one. - 2018. - Т. 13. - №. 11. - С. e0207112.

204. Hiruncharoenvate C., Lin Z., Gilbert E. Algorithmically bypassing censorship on sina weibo with nondeterministic homophone substitutions //Proceedings of the International AAAI Conference on Web and Social Media. - 2015. - Т. 9. - №. 1. - С. 150-158.

205. Hobbs M. et al. Turf wars: Using social media network analysis to examine the suspected astroturfing campaign for the Adani Carmichael Coal mine on Twitter //Journal of public affairs. - 2020. - Т. 20. - №. 2. - С. e2057.

206. Hobbs W. R., Roberts M. E. How sudden censorship can increase access to information //American Political Science Review. - 2018. - Т. 112. - №. 3. - С. 621-636.

207. Holley R. A., Liggett T. M. Ergodic theorems for weakly interacting infinite systems and the voter model //The annals of probability. - 1975. - С. 643-663.

208. Horta Ribeiro M. et al. Deplatforming did not decrease Parler users' activity on fringe social media //PNAS nexus. - 2023. - Т. 2. - №. 3. - С. pgad035.

209. Hosanagar K. et al. Will the global village fracture into tribes? Recommender systems and their effects on consumer fragmentation //Management Science. - 2014. - Т. 60. - №. 4. - С. 805-823.

210. Huber G. A., Malhotra N. Political homophily in social relationships: Evidence from online dating behavior //The Journal of Politics. - 2017. - Т. 79. - №. 1. - С. 269-283.

211. Individuals using the Internet (% of population) // World bank URL: https: //data.worldbank.org/indicator/IT.NET.USER. Z S?most_recent_value_ desc=true (дата обращения: 19.12.2024).

212. Ippa S., Okubo T., Hashimoto M. An Analysis of Social Bot Activity on X in Modern Japan //IEEE Access. - 2024.

213. Jaidka K., Mukerjee S., Lelkes Y. Silenced on social media: the gatekeeping functions of shadowbans in the American Twitterverse //Journal of Communication. - 2023. - Т. 73. - №. 2. - С. 163-178.

214. Jakesch M., Hancock J. T., Naaman M. Human heuristics for AI-generated language are flawed //Proceedings of the National Academy of Sciences. - 2023. - Т. 120. - №. 11. - С. e2208839120.

215. Jansen S. U. E. C., Martin B. The Streisand Effect and Censorship Backfire //International Journal of Communication. - 2015. - Т. 9. - С. 656671.

216. Jhaver S. et al. Evaluating the effectiveness of deplatforming as a moderation strategy on Twitter //Proceedings of the ACM on HumanComputer Interaction. - 2021. - Т. 5. - №. CSCW2. - С. 1-30.

217. Joyal-Desmarais K, et al. 2022. Appealing to motivation to change attitudes, intentions, and behavior: a systematic review and meta-analysis of 702 experimental tests of the effects of motivational message matching on persuasion. Psychol Bull. 148(7-8):465-517.

218. Juneja P., Rama Subramanian D., Mitra T. Through the looking glass: Study of transparency in Reddit's moderation practices //Proceedings of the ACM on Human-Computer Interaction. - 2020. - Т. 4. - №. GROUP. - С. 1-35.

219. Kalsnes B., Ihleb^k K. A. Hiding hate speech: Political moderation on Facebook //Media, Culture & Society. - 2021. - Т. 43. - №. 2. - С. 326342.

220. Keijzer M. A., Mas M. The complex link between filter bubbles and opinion polarization //Data Science. - 2022. - Т. 5. - №. 2. - С. 139-166.

221. Keijzer M. A., Mas M. The strength of weak bots //Online Social Networks and Media. - 2021. - Т. 21. - С. 100106.

222. Keller F. B. et al. Political astroturfing on twitter: How to coordinate a disinformation campaign //Political communication. - 2020. - Т. 37. - №. 2. - С. 256-280.

223. Keller F. et al. How to manipulate social media: Analyzing political astroturfing using ground truth data from South Korea //Proceedings of the

international AAAI conference on web and social media. - 2017. - T. 11. -№. 1. - C. 564-567.

224. Kenny R. et al. Duped by bots: why some are better than others at detecting fake social media personas //Human factors. - 2024. - T. 66. - №. 1. - C. 88-102.

225. Kepplinger H. M. Effects of the news media on public opinion //The SAGE handbook of public opinion research. - 2008. - C. 192-204.

226. Keremoglu E., Weidmann N. B. How dictators control the internet: a review essay //Comparative Political Studies. - 2020. - T. 53. - №. 10-11. -C. 1690-1703.

227. Kim H., Fording R. C. Voter ideology in Western democracies, 19461989 //European Journal of Political Research. - 1998. - T. 33. - №. 1. - C. 73-97.

228. King G., Pan J., Roberts M. E. How censorship in China allows government criticism but silences collective expression //American political science Review. - 2013. - T. 107. - №. 2. - C. 326-343.

229. King G., Pan J., Roberts M. E. How the Chinese government fabricates social media posts for strategic distraction, not engaged argument //American political science review. - 2017. - T. 111. - №. 3. - C. 484-501.

230. King G., Pan J., Roberts M. E. Reverse-engineering censorship in China: Randomized experimentation and participant observation //Science. -2014. - T. 345. - №. 6199. - C. 1251722.

231. Klayman J. Varieties of confirmation bias //Psychology of learning and motivation. - 1995. - T. 32. - C. 385-418.

232. Klemm K. et al. Role of dimensionality in Axelrod's model for the dissemination of culture //Physica A: Statistical Mechanics and its Applications. - 2003. - T. 327. - №. 1-2. - C. 1-5.

233. Knobloch-Westerwick S. et al. Political online information searching in Germany and the United States: Confirmation bias, source credibility, and attitude impacts //Journal of Communication. - 2015. - T. 65. - №. 3. - C. 489-511.

234. Knockel J. Measuring Decentralization of Chinese Censorship in Three Industry Segments. - 2018.

235. Knockel J., Ruan L., Crete-Nishihata M. An analysis of automatic image filtering on {WeChat} Moments //8th USENIX Workshop on Free and Open Communications on the Internet (FOCI 18). - 2018.

236. Knockel J., Ruan L., Crete-Nishihata M. Measuring decentralization of Chinese keyword censorship via mobile games //7th USENIX Workshop on Free and Open Communications on the Internet (FOCI 17). - 2017.

237. Kolomeets M., Chechulin A. Analysis of the malicious bots market //2021 29th conference of open innovations association (FRUCT). - IEEE, 2021. - С. 199-205.

238. Kovic M. et al. Digital astroturfing in politics: Definition, typology, and countermeasures //Studies in Communication Sciences. - 2018. - Т. 18.

- №. 1. - С. 69-85-69-85.

239. Kozitsin I. V. A general framework to link theory and empirics in opinion formation models //Scientific reports. - 2022. - Т. 12. - №. 1. - С. 5543.

240. Kozyreva A. et al. Resolving content moderation dilemmas between free speech and harmful misinformation //Proceedings of the National Academy of Sciences. - 2023. - Т. 120. - №. 7. - С. e2210666120.

241. Kramer A. D. I., Guillory J. E., Hancock J. T. Experimental evidence of massive-scale emotional contagion through social networks //Proceedings of the National Academy of Sciences. - 2014. - Т. 111. - №. 24. - С. 87888790.

242. Kreps S., McCain R. M., Brundage M. All the news that's fit to fabricate: AI-generated text as a tool of media misinformation //Journal of experimental political science. - 2022. - Т. 9. - №. 1. - С. 104-117.

243. Kubin E., Von Sikorski C. The role of (social) media in political polarization: a systematic review //Annals of the International Communication Association. - 2021. - Т. 45. - №. 3. - С. 188-206.

244. Kubin E., von Sikorski C., Gray K. Political censorship feels acceptable when ideas seem harmful and false //Political Psychology. -2024. Т.00 1-21

245. Kunda Z. The case for motivated reasoning //Psychological bulletin. -1990. - Т. 108. - №. 3. - С. 480.

246. Kuo T., Hernani A., Grossklags J. The Unsung Heroes of Facebook Groups Moderation: A Case Study of Moderation Practices and Tools //Proceedings of the ACM on Human-Computer Interaction. - 2023. - Т. 7.

- №. CSCW1. - С. 1-38.

247. Lai V. et al. Human-ai collaboration via conditional delegation: A case study of content moderation //Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems. - 2022. - С. 1-18.

248. Lane J. E., McCaffree K., Shults F. L. R. Is radicalization reinforced by social media censorship? 2021. // Arxiv URL: https://arxiv.org/pdf/2103.12842 (дата обращения: 21.12.2024).

249. Le H. et al. A postmortem of suspended twitter accounts in the 2016 US presidential election //Proceedings of the 2019 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining. - 2019.

- С. 258-265.

250. Le Merrer E., Morgan B., Tredan G. Setting the record straighter on shadow banning //IEEE INFOCOM 2021-IEEE conference on computer communications. - IEEE, 2021. - С. 1-10.

251. Ledwich M., Zaitsev A. Algorithmic extremism: Examining YouTube's rabbit hole of radicalization 2019. // Arxiv URL: https://arxiv.org/pdf/1912.11211 (дата обращения: 21.12.2024).

252. Lee D., Hosanagar K. How do recommender systems affect sales diversity? A cross-category investigation via randomized field experiment //Information Systems Research. - 2019. - Т. 30. - №. 1. - С. 239-259.

253. Lewis R. Alternative influence: broadcasting the reactionary right on YouTube. - 2018.

254. Li L., Vasarhelyi O., Vedres B. Social bots spoil activist sentiment without eroding engagement //Scientific Reports. - 2024. - Т. 14. - №. 1. -С. 27005.

255. Linvill D. L., Warren P. L. Troll factories: Manufacturing specialized disinformation on Twitter //Political Communication. - 2020. - Т. 37. - №. 4. - c. 447-467.

256. Liu J., Zhao J. More than plain text: Censorship deletion in the Chinese social media //Journal of the Association for Information Science and Technology. - 2021. - Т. 72. - №. 1. - С. 18-31.

257. Lomas K., Cliff D. T. Exploring Narrative Economics: A Novel Agent-Based-Modeling Platform that Integrates Automated Traders with Opinion Dynamics //Proceedings of the International Conference on Agents and Artificial Intelligence: ICAART2021. - SciTePress, 2021. - С. 137-148.

258. Lopez-Fierro S., Chiriboga-Calderon C., Pacheco-Villamar R. If it looks, retweets and follows like a troll; Is it a troll?: Targeting the 2021 Ecuadorian Presidential Elections Trolls //2021 IEEE International Conference on Big Data (Big Data). - IEEE, 2021. - С. 2503-2509.

259. Lord C. G., Ross L., Lepper M. R. Biased assimilation and attitude polarization: The effects of prior theories on subsequently considered evidence //Journal of personality and social psychology. - 1979. - Т. 37. -№. 11. - С. 2098.

260. Lorenz J. Continuous opinion dynamics under bounded confidence: A survey //International Journal of Modern Physics C. - 2007. - Т. 18. - №. 12. - С. 1819-1838.

261. Lorenz J. Modeling the evolution of ideological landscapes through opinion dynamics //Advances in social simulation 2015. - Springer International Publishing, 2017. - С. 255-266.

262. Low J. F. et al. Carthago Delenda Est: Co-opetitive Indirect Information Diffusion Model for Influence Operations on Online Social

Media 2024. // Arxiv URL: https://arxiv.org/pdf/2402.01905 (дата обращения: 21.12.2024).

263. Lu H. C., Lee H. Agents of Discord: Modeling the Impact of Political Bots on Opinion Polarization in Social Networks //Social Science Computer Review. - 2024. - С. 08944393241270382.

264. Lüders A. et al. Not our kind of crowd! How partisan bias distorts perceptions of political bots on Twitter (now X) //British Journal of Social Psychology. - 2024.

265. MacKinnon R. China's censorship 2.0: How companies censor bloggers //First Monday. - 2009.

266. Majó-Vázquez S. et al. The role of suspended accounts in political discussion on social media: Analysis of the 2017 French, UK and German elections //Social Media+ Society. - 2021. - Т. 7. - №. 3. - С. 20563051211027202.

267. Martin G. J., Yurukoglu A. Bias in cable news: Persuasion and polarization //American Economic Review. - 2017. - Т. 107. - №. 9. - С. 2565-2599.

268. Martini F. et al. Bot, or not? Comparing three methods for detecting social bots in five political discourses //Big data & society. - 2021. - Т. 8. -№. 2. - С. 20539517211033566.

269. Matz S. C. et al. The potential of generative AI for personalized persuasion at scale //Scientific Reports. - 2024. - Т. 14. - №. 1. - С. 4692..

270. McCabe S. D. et al. Post-January 6th deplatforming reduced the reach of misinformation on Twitter //Nature. - 2024. - Т. 630. - №. 8015. - С. 132-140.

271. McDonald M. D., Budge I. Elections, parties, democracy: Conferring the median mandate. - OUP Oxford, 2005.

272. McPherson M., Smith-Lovin L., Cook J. M. Birds of a feather: Homophily in social networks //Annual review of sociology. - 2001. - Т. 27. - №. 1. - С. 415-444.

273. Mekacher A., Falkenberg M., Baronchelli A. The systemic impact of deplatforming on social media //PNAS nexus. - 2023. - Т. 2. - №. 11. - С. pgad346.

274. Meserve S. A., Pemstein D. Google politics: The political determinants of Internet censorship in democracies //Political Science Research and Methods. - 2018. - Т. 6. - №. 2. - С. 245-263.

275. Metaxas P. T., Mustafaraj E. Social media and the elections //Science. - 2012. - Т. 338. - №. 6106. - С. 472-473.

276. Michiels L. et al. What are filter bubbles really? A review of the conceptual and empirical work //Adjunct proceedings of the 30th ACM

conference on user modeling, adaptation and personalization. - 2022. - C. 274-279.

277. Miller B. A. P. The limits of commercialized censorship in China. -2018.

278. Miller B. Delegated dictatorship: Examining the state and market forces behind information control in China : guc. - 2018.

279. Mislove A. et al. Measurement and analysis of online social networks //Proceedings of the 7th ACM SIGCOMM conference on Internet measurement. - 2007. - C. 29-42.

280. Mitts T., Pisharody N., Shapiro J. Removal of anti-vaccine content impacts social media discourse //Proceedings of the 14th ACM Web Science Conference 2022. - 2022. - C. 319-326.

281. Monti C. et al. Online conspiracy communities are more resilient to deplatforming //PNAS nexus. - 2023. - T. 2. - №. 10. - C. pgad324.,

282. Mosleh M. et al. Shared partisanship dramatically increases social tie formation in a Twitter field experiment //Proceedings of the National Academy of Sciences. - 2021. - T. 118. - №. 7. - C. e2022761118.

283. Mouffe C. The return of the political. - Verso, 2005. - T. 8.

284. Mubarak H. et al. Detecting and identifying the reasons for deleted tweets before they are posted //Frontiers in Artificial Intelligence. - 2023. -T. 6.

285. Munger K. Tweetment effects on the tweeted: Experimentally reducing racist harassment //Political Behavior. - 2017. - T. 39. - C. 629649.

286. Munn L. Alt-right pipeline: Individual journeys to extremism online //First Monday. - 2019.

287. Murdock I., Carley K. M., Yagan O. An agent-based model of cross-platform information diffusion and moderation //Social Network Analysis and Mining. - 2024. - T. 14. - №. 1. - C. 145.

288. Murdock I., Carley K. M., Yagan O. An Agent-Based Model of Reddit Interactions and Moderation //Proceedings of the International Conference on Advances in Social Networks Analysis and Mining. - 2023.

- C. 195-202.

289. Mutanana N. Social media and political mobilisation: An analysis of the July 2016 Zimbabwe shut down //American Journal of Trade and Policy.

- 2016. - T. 3. - №. 2. - C. 73-78.

290. Myers West S. Censored, suspended, shadowbanned: User interpretations of content moderation on social media platforms //New Media & Society. - 2018. - T. 20. - №. 11. - C. 4366-4383.

291. Nabi Z. Resistance censorship is futile //First Monday. - 2014.

292. Navarro-Carrillo G., Torres-Marín J., Carretero-Dios H. Do trolls just want to have fun? Assessing the role of humor-related traits in online trolling behavior //Computers in Human Behavior. - 2021. - T. 114. - C. 106551.

293. Nechushtai E., Lewis S. C. What kind of news gatekeepers do we want machines to be? Filter bubbles, fragmentation, and the normative dimensions of algorithmic recommendations //Computers in human behavior. - 2019. - T. 90. - C. 298-307.

294. Nguyen K., Tran D. A. An analysis of activities in Facebook //2011 IEEE Consumer Communications and Networking Conference (CCNC). -IEEE, 2011. - C. 388-392.

295. Nguyen T. T. et al. Exploring the filter bubble: the effect of using recommender systems on content diversity //Proceedings of the 23rd international conference on World wide web. - 2014. - C. 677-686.

296. Nickerson R. S. Confirmation bias: A ubiquitous phenomenon in many guises //Review of general psychology. - 1998. - T. 2. - №. 2. - C. 175-220.

297. Nikolov D. et al. Measuring online social bubbles //PeerJ computer science. - 2015. - T. 1. - C. e38

298. Noelle-Neumann E. The spiral of silence a theory of public opinion //Journal of communication. - 1974. - T. 24. - №. 2. - C. 43-51.

299. Nyhan B., Reifler J. When corrections fail: The persistence of political misperceptions //Political Behavior. - 2010. - T. 32. - №. 2. - C. 303-330.

300. Obreja D. M. The "Russian bots" between social and technological: Examining the ordinary folk theories of Twitter users //new media & society. - 2024. - C. 14614448241255692.

301. Ochigame R., Ye K. Search atlas: Visualizing divergent search results across geopolitical borders //Proceedings of the 2021 ACM Designing Interactive Systems Conference. - 2021. - C. 1970-1983.

302. Ooms J., Hoeks J., Jansen C. "Hey, that could be me": The role of similarity in narrative persuasion //PloS one. - 2019. - T. 14. - №. 4. - C. e0215359.

303. Oosterhoff B., Poppler A., Palmer C. A. Early adolescents demonstrate peer-network homophily in political attitudes and values //Psychological Science. - 2022. - T. 33. - №. 6. - C. 874-888.

304. Oschatz C., Niederdeppe J., Liu J. The role of prior attitudes in narrative persuasion: Evidence from a cross-national study in Germany and the United States //Communication Monographs. - 2022. - T. 89. - №. 3. -C. 376-395.

305. Palfrey J., Roberts H., Zuckerman E. 2007 circumvention landscape report: Methods, uses, and tools. - 2009.

306. Pan J. How market dynamics of domestic and foreign social media firms shape strategies of internet censorship //Problems of Post-Communism. - 2017. - T. 64. - №. 3-4. - C. 167-188.

307. Pan J., Siegel A. A. How Saudi crackdowns fail to silence online dissent //American Political Science Review. - 2020. - T. 114. - №. 1. - C. 109-125.

308. Pariser E. The filter bubble: How the new personalized web is changing what we read and how we think. - Penguin, 2011

309. Perra N., Rocha L. E. C. Modelling opinion dynamics in the age of algorithmic personalisation //Scientific reports. - 2019. - T. 9. - №. 1. - C. 7261.

310. Petty R. E., Cacioppo J. T., Haugtvedt C. P. Ego-involvement and persuasion: An appreciative look at the Sherifs contribution to the study of self-relevance and attitude change //Social judgment and intergroup relations: Essays in honor of Muzafer Sherif. - New York, NY : Springer New York, 1992. - C. 147-174.

311. Pfeffer J. et al. Just another day on Twitter: a complete 24 hours of Twitter data //Proceedings of the international AAAI conference on web and social media. - 2023. - T. 17. - C. 1073-1081.

312. Pietryka M. T. Accuracy motivations, predispositions, and social information in political discussion networks //Political Psychology. - 2016. - T. 37. - №. 3. - C. 367-386.

313. Pradel F. et al. Toxic speech and limited demand for content moderation on social media //American Political Science Review. - 2024. -C. 1-18.

314. Prasetya H. A., Murata T. A model of opinion and propagation structure polarization in social media //Computational Social Networks. -2020. - T. 7. - C. 1-35.

315. Qualter T. H. Opinion control in the democracies. - Springer, 1985.

316. Quattrociocchi W., Scala A., Sunstein C. R. Echo chambers on Facebook //Available at SSRN 2795110. - 2016.

317. Ratkiewicz J. et al. Truthy: mapping the spread of astroturf in microblog streams //Proceedings of the 20th international conference companion on World wide web. - 2011. - C. 249-252.

318. Roberts M. Censored: distraction and diversion inside China's Great Firewall. - Princeton University Press, 2018.

319. Roberts M. E. Resilience to online censorship //Annual Review of Political Science. - 2020. - T. 23. - №. 1. - C. 401-419.

320. Rogers R. Deplatforming: Following extreme Internet celebrities to Telegram and alternative social media //European Journal of Communication. - 2020. - T. 35. - №. 3. - C. 213-229.,

321. Romero D. M., Meeder B., Kleinberg J. Differences in the mechanics of information diffusion across topics: idioms, political hashtags, and complex contagion on twitter //Proceedings of the 20th international conference on World wide web. - 2011. - С. 695-704.

322. Ross A. R. N., Dumitrescu D. 'Vox Twitterati': Investigating the effects of social media exemplars in online news articles //New media & society. - 2019. - Т. 21. - №. 4. - С. 962-983.

323. Ross B. et al. Are social bots a real threat? An agent-based model of the spiral of silence to analyse the impact of manipulative actors in social networks //European Journal of Information Systems. - 2019. - Т. 28. - №. 4. - С. 394-412.

324. Ruan L. et al. The intermingling of state and private companies: Analysing censorship of the 19th National Communist Party Congress on WeChat //The China Quarterly. - 2021. - Т. 246. - С. 497-526.

325. Sadri A. M. et al. Analysis of social interaction network properties and growth on Twitter //Social Network Analysis and Mining. - 2018. - Т. 8. -С. 1-13.

326. Sanovich S., Stukal D., Tucker J. A. Turning the virtual tables: Government strategies for addressing online opposition with an application to Russia //Comparative Politics. - 2018. - Т. 50. - №. 3. - С. 435-482.

327. Sarup G., Suchner R. W., Gaylord G. Contrast effects and attitude change: A test of the two-stage hypothesis of social judgment theory //Social Psychology Quarterly. - 1991. - С. 364-372.

328. Savvopoulos A., Vikatos P., Benevenuto F. Socialbots' first words: can automatic chatting improve influence in Twitter? //2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM). - IEEE, 2018. - С. 190-193.

329. Schäfer F., Evert S., Heinrich P. Japan's 2014 general election: Political bots, right-wing internet activism, and prime minister Shinzö Abe's hidden nationalist agenda //Big data. - 2017. - Т. 5. - №. 4. - С. 294-309.

330. Schuchard R. et al. Bots in nets: empirical comparative analysis of bot evidence in social networks //International Conference on Complex Networks and their Applications. - Cham : Springer International Publishing, 2018. - С. 424-436.

331. Shao C. et al. The spread of fake news by social bots 2017. // Arxiv URL: https://arxiv.org/pdf/1707.07592 (дата обращения: 21.12.2024).

332. Sherif M., Hovland C. I. Social judgment: Assimilation and contrast effects in communication and attitude change. - 1961.

333. Siegel D. A. Analyzing computational models //American Journal of Political Science. - 2018. - Т. 62. - №. 3. - С. 745-759.

334. Siegel D. A. Social networks and collective action //American journal of political science. - 2009. - T. 53. - №. 1. - C. 122-138.

335. Siegel D. A. Social networks and the mass media //American Political Science Review. - 2013. - T. 107. - №. 4. - C. 786-805.

336. Siegel D. A. When does repression work? Collective action in social networks //The Journal of Politics. - 2011. - T. 73. - №. 4. - C. 993-1010.

337. Simchon A., Edwards M., Lewandowsky S. The persuasive effects of political microtargeting in the age of generative artificial intelligence //PNAS nexus. - 2024. - T. 3. - №. 2. - C. pgae035.

338. Simpson B., Willer R., Feinberg M. Does violent protest backfire? Testing a theory of public reactions to activist violence //Socius. - 2018. - T. 4. - C. 2378023118803189.

339. Slechten L. et al. Adapting the selective exposure perspective to algorithmically governed platforms: The case of Google Search //Communication research. - 2022. - T. 49. - №. 8. - C. 1039-1065.

340. Sobkowicz P., Sobkowicz A. Agent based model of anti-vaccination movements: Simulations and comparison with empirical data //Vaccines. -2021. - T. 9. - №. 8. - C. 809.

341. Sobolev A. How pro-government "trolls" influence online conversations in Russia. - 2019.

342. Spence R. et al. The psychological impacts of content moderation on content moderators: A qualitative study //Cyberpsychology: Journal of Psychosocial Research on Cyberspace. - 2023. - T. 17. - №. 4.

343. Starke C. et al. Contesting personalized recommender systems: a cross-country analysis of user preferences //Information, Communication & Society. - 2024. - C. 1-20.

344. Stella M., Ferrara E., De Domenico M. Bots increase exposure to negative and inflammatory content in online social systems //Proceedings of the National Academy of Sciences. - 2018. - T. 115. - №. 49. - C. 1243512440

345. Stieglitz S. et al. Do social bots (still) act different to humans?-Comparing metrics of social bots with those of humans //Social Computing and Social Media. Human Behavior: 9th International Conference, SCSM 2017, Held as Part of HCI International 2017, Vancouver, BC, Canada, July 9-14, 2017, Proceedings, Part I 9. - Springer International Publishing, 2017.

- C. 379-395.

346. Stroud S. R. Narrative rationality //The International Encyclopedia of Communication Theory and Philosophy. - 2016. - C. 1-8.

347. Stukal D. et al. Detecting bots on Russian political Twitter //Big data.

- 2017. - T. 5. - №. 4. - C. 310-324.

348. Stukal D. et al. Why hotter: how pro-government bots fight opposition in Russia //American political science review. - 2022. - Т. 116. - №. 3. - С. 843-857.

349. Sznajd-Weron K., Sznajd J. Opinion evolution in closed community //International Journal of Modern Physics C. - 2000. - Т. 11. - №. 06. - С. 1157-1165.

350. Taber C. S., Lodge M. Motivated skepticism in the evaluation of political beliefs //American journal of political science. - 2006. - Т. 50. -№. 3. - С. 755-769.

351. Takacs K., Flache A., Mas M. Discrepancy and disliking do not induce negative opinion shifts //PloS one. - 2016. - Т. 11. - №. 6. - С. e0157948.

352. Tan Z. et al. Botpercent: estimating bot populations in twitter communities //arXiv preprint arXiv:2302.00381. - 2023.

353. Tanash R. S. et al. Detecting influential users and communities in censored tweets using data-flow graphs //Proceedings of the 33rd Annual Meeting of the Society for Political Methodology (POLMETH). - 2016.

354. Tanash R. S. et al. Known unknowns: An analysis of twitter censorship in turkey //Proceedings of the 14th ACM Workshop on Privacy in the Electronic Society. - 2015. - С. 11-20.

355. Thomas D. R., Wahedi L. A. Disrupting hate: The effect of deplatforming hate organizations on their online audience //Proceedings of the National Academy of Sciences. - 2023. - Т. 120. - №. 24. - С. e2214080120.

356. Thorson K. et al. Algorithmic inference, political interest, and exposure to news and politics on Facebook //Information, Communication & Society. - 2021. - Т. 24. - №. 2. - С. 183-200.

357. Twitter's ban almost doubled attention for Biden story // MIT technological review URL: https: //www.technologyreview.com/2020/10/16/1010644/twitter-ban-hunter-biden-emails-backfires/ (дата обращения: 19.12.2024).

358. Uyheng J., Bellutta D., Carley K. M. Bots amplify and redirect hate speech in online discourse about racism during the COVID-19 pandemic //Social Media+ Society. - 2022. - Т. 8. - №. 3. - С. 20563051221104749.

359. Uyheng J., Carley K. M. Bots and online hate during the COVID-19 pandemic: case studies in the United States and the Philippines //Journal of computational social science. - 2020. - Т. 3. - №. 2. - С. 445-468.

360. Vaccaro K., Sandvig C., Karahalios K. " At the End of the Day Facebook Does What It Wants" How Users Experience Contesting Algorithmic Content Moderation //Proceedings of the ACM on humancomputer interaction. - 2020. - Т. 4. - №. CSCW2. - С. 1-22.

361. Van Damme K. et al. Mapping the mobile DNA of news. Understanding incidental and serendipitous mobile news consumption //Mobile News. - Routledge, 2020. - С. 49-68.

362. Vargas-Leon P. Tracking Internet shutdown practices: Democracies and hybrid regimes //The turn to infrastructure in Internet governance. -New York : Palgrave Macmillan US, 2016. - С. 167-188.

363. Varol O. Should we agree to disagree about Twitter's bot problem? //Online Social Networks and Media. - 2023. - Т. 37. - С. 100263.

364. Ververis V. et al. Website blocking in the European Union: Network interference from the perspective of Open Internet //Policy & Internet. -2024. - Т. 16. - №. 1. - С. 121-148.

365. Voelkel J. G. et al. Artificial intelligence can persuade humans on political issues. 2023. // Arxiv URL: arxiv.org/pdf/2301.04246 (дата обращения: 21.12.2024).

366. Wang C. Opinion dynamics with bilateral propaganda and unilateral information blockade //Physica A: Statistical Mechanics and its Applications. - 2021. - Т. 566. - С. 125646.

367. Wang D., Mark G. Internet censorship in China: Examining user awareness and attitudes //ACM Transactions on Computer-Human Interaction (TOCHI). - 2015. - Т. 22. - №. 6. - С. 1-22.

368. Wang T. Media, pulpit, and populist persuasion: Evidence from Father Coughlin //American Economic Review. - 2021. - Т. 111. - №. 9. - С. 3064-3092.

369. Wang W. et al. Exploring the construction and infiltration strategies of social bots in sina microblog //Scientific Reports. - 2020. - Т. 10. - №. 1. -С. 19821.

370. Warner L. The reliability of public opinion surveys //Public Opinion Quarterly. - 1939. - Т. 3. - №. 3. - С. 376-390.

371. Warwick P., Zakharova M. Measuring the median: The risks of inferring beliefs from votes //British Journal of Political Science. - 2013. -Т. 43. - №. 1. - С. 157-175.

372. Wasow O. Agenda seeding: How 1960s black protests moved elites, public opinion and voting //American Political Science Review. - 2020. - Т. 114. - №. 3. - С. 638-659.