CC BY
172
Вестник Томского государственного университета. 2020. № 457. С. 5-15. DOI: 10.17223/15617793/457/1
ФИЛОЛОГИЯ
УДК 81'23
М.С. Власов, У.М. Трофимова, М.В. Подрезов, У.В. Абдуллина
СВЯЗЬ ЧАСТОТНОСТИ И ЭМОТИВНОСТИ МОЛОДЕЖНЫХ СЛЕНГИЗМОВ РУССКОГО ЯЗЫКА (НА МАТЕРИАЛЕ ПСИХОЛИНГВИСТИЧЕСКОЙ БАЗЫ ДАННЫХ)
Исследование выполнено при финансовой поддержке РФФИ и Правительства Алтайского края в рамках проекта № 19-412-220004 «Лингвистические, когнитивные и эмоциональные факторы восприятия молодёжного сленга субъектами деструктивного поведения: экспериментальное исследование»
Представлен опыт создания психолингвистической базы данных молодежных сленгизмов и жаргонизмов русского языка с квантитативными характеристиками единиц, необходимых для психолингвистических и нейрокогнитивных исследований. В базу включены лексические единицы молодежного жаргона, связанного с деструктивным поведением (опасным и криминальным поведением, наркоманией, гейм-аддикцией и т.д.), а также повседневного молодежного сленга, связанного с устным и сетевым дискурсом. Из базы данных приводятся оценки 68 лексических единиц по параметрам частотности и эмотивности. Ключевые слова: молодежный сленг; жаргон; база данных лексических единиц; субъекты деструктивного поведения; эмоционально окрашенная лексика.
Введение
В рамках настоящего исследования молодежный сленг рассматривается как лексикон на фонетической и грамматической основе общенационального языка, отличающийся разговорной и нередко грубо-фамильярной окраской. Термины жаргон и жаргонизм мы применяем для указания на специальный сленг замкнутых референтных групп (уголовный жаргон, жаргон наркоманов, жаргон фанатов аниме и т.п.).
Молодежный сленг распространен в среде учащейся молодёжи и отдельных замкнутых референтных группах, в том числе группах деструктивного поведения. Формы деструктивного поведения достаточно хорошо изучены в психологической литературе [1, 2].
Для целей нашего исследования мы придерживались классификации форм такого поведения с опорой на работы К.В. Злоказова [2, 3], который выделяет ин-траперсональный, интерперсональный и метаперсо-нальный контексты проявления деструктивного поведения. Так, помимо агрессивного поведения, например в интраперсональном аспекте рассматриваются разрушительные формы отношения человека к собственному телу через самоповреждение и самоизменение [2]. Иными словами, деструктивное поведение может быть направлено как «на других», так и «на себя», что в свою очередь влечет за собой множество социально значимых проблем (криминал, аддикции, депрессия и суицид). Не разворачивая дискуссию об этиологии и разных формах проявления деструктивного поведения, в рамках данной статьи мы сосредоточимся на психолингвистическом аспекте восприятия молодежного сленга, в котором наблюдается проникновение различных жаргонизмов из других социальных групп.
Нейрокогнитивные аспекты восприятия лексики и базы данных лексических единиц
С помощью современных методов психофизиологии (регистрации времени реакции, айтрекинга) и методик экспериментальной психолингвистики (распо-
знавание лексики, «доступ» к значению многозначного слова) у исследователей появляется возможность имплицитной диагностики установок, скрытых мотивов и эмоциональных состояний субъектов деструктивного поведения через экспериментальное моделирование процесса переработки лексической информации носителями сленга того или иного языка. Данные «онлайновые» методики нацелены на извлечение лексических репрезентаций из имплицитной памяти человека и позволяют экспериментатору избежать получения социально желательных (намеренно искаженных) ответов от респондентов (как это нередко происходит при «офлайновом» анкетировании или опросе). В качестве конкретных методик используются широко известные в психолингвистике задача лексического решения (lexical derision task) и методика «Визуальный мир» (оценка скорости доступа к значениям слен-гизмов при помощи метода регистрации движений глаз в экспериментальной парадигме Visual World Paradigm). Результаты, полученные в виде реакций испытуемых, обрабатываются с помощью методов математической статистики, после чего исследователь может построить вероятностную модель взаимосвязи скорости переработки вербальных стимулов и активации лексических репрезентаций, сопоставить реакции на маркированные и немаркированные лексические единицы с опорой на нормативные базы данных.
Для проведения подобных исследований необходимы как большие репрезентативные базы лексических единиц (например, StimulStat) [4], в которых представлены, как правило, единицы литературного языка разной частотности, так и специализированные базы EnRuN [5], Томская психолингвистическая база имен существительных [6] в которых лексические единицы репрезентируют самые разнообразные категории (лингвистические, социолингвистические, перцептивные, аффективные и т.д.).
Опыт создания подобной специализированной психолингвистической базы данных молодежных сленгизмов русского языка представлен в данной статье.
Методика сбора языкового материала
Основным критерием для отбора сленгизмов являлась его достоверная репрезентация на молодежных сайтах, а также в ряде лексикографических источников. Для первичного сбора материалов использовались сайты http://www.slovonovo.ru (далее б1оуопоуо), https://teenslang.su/ (далее ТеетЫп^) как источники для обнаружения частотной сленговой и жаргонной лексики, а также обыденных толкований значений слов. Обзор подобных словарей обыденных толкований жаргонизмов и сленгизмов представлен в нескольких работах [7, 8] и на сегодня является одним из самых «прямых» путей извлечения знаний о молодежном сленге. Отличительными особенностями таких «народных» сетевых словарей является возможность анонимной работы авторов словарных статей, вариативность толкований сленгизмов и отражение в дефинициях, как правило, личного языкового опыта носителей языка [8]. Достоинством таких ресурсов для психолингвистики и когнитивной лингвистики является отсутствие профессиональной редакторской правки статей со стороны профессиональных лексикографов [7], возможность постоянного доступа исследователей к новой лексике и отслеживания реакций пользователей на ту или иную лексическую единицу, которые можно рассматривать как параметры метаязыковой оценки слова в специализированном массиве молодежного сленга (как «косвенный» показатель частотности слова в молодежном дискурсе). Как отмечает Е.Г. Лукашанец, исследование таких народных онлайн-словарей, создаваемых наивными носителями языка, при всех их недостатках (прежде всего, вследствие непрофессионализма их создателей), позволяет пополнять сведения о субстандартных подсистемах языка [9].
Критерием для первичного отбора единиц в нашу базу данных молодежных сленгизмов являлось наличие метаязыковых оценок, или «лайков» (количество которых варьировалось от 1 до 1 097) пользователей Teenslang на каждую единицу, и обнаружение в толкованиях социальной группы, использующей то или иное слово (например, «наркоманы», «тюремный сленг», «гопники», «аниме» и т.д.). Для каждой единицы в базу вносились следующие данные: часть речи, метаязыковая оценка по данным словаря Teenslang (количество «лайков»), количество знаков в слове, тип сленгизма, включающий молодежный сленг или специальный сленг (жаргон отдельных социальных групп), количество значений слова и их народные толкования. При отсутствии общеупотребительного значения многозначного сленгизма в народном словаре (например, Вася, вафля), в базу добавлялось кодифицированное значение слова. Кодифицированные значения проверялись по словарям русского языка, включая Большой словарь иностранных слов [10], Большой толковый словарь русского языка [11], Словарь русского арго (материалы 1980-1990 гг.) [12], Исторический словарь галлицизмов русского языка [13], Новый словарь русского языка [14], Новый словарь иностранных слов: 25 тыс. слов и словосочетаний [15], Словарь молодёжного сленга (на материале
лексикона студентов Томского государственного университета) [16], Ключевые концепты молодежной культуры: тематический словарь сленга [17], Толковый словарь русского языка [18], Словарь воровского жаргона [19], Словарь синонимов русского языка [20], Словарь современной лексики, жаргона и сленга [21].
В базу не включались узкоспециализированные терминологические значения, малоизвестные топонимы, поскольку, как нам представляется, функция психолингвистической базы - это представление репрезентативной сленговой и жаргонной лексики, значимой для рядового носителя русского языка. Это дает возможность проводить экспериментальные исследования актуального ментального лексикона, строить вероятностные модели распознавания активного словаря участниками психолингвистических экспериментов.
Общее описание и структура базы данных: пилотажное исследование
По результатам сбора материала из народных он-лайн-словарей Teenslang и б1оуопоуо в базу данных были включены 200 единиц молодежного сленга и жаргонных единиц групп зависимого поведения (геймеров, фанатов аниме, косплея, наркоманов, лиц, зависимых от соцсетей и т.д.) и потенциально опасного деструктивного поведения (гопники, представители АУЕ и др.). Перейдем к описанию структуры базы данных.
Референтные группы
Все лексические единицы базы распределены условно на две референтные группы, использующие то или иное слово: молодежный сленг и специальный сленг (или жаргон). Критерий для отнесения того или иного слова ко второй группе достаточно условный, и он определялся по характеру обыденных толкований слов по данным молодежных сайтов. Например, такое жаргонное слово, как лаг, употребляется преимущественно в среде геймеров, среди лиц, большое количество времени проводящих за видеоиграми. Слово лаг не представлено в кодифицированных источниках и имеет следующее народное толкование1:
ЛАГ. 1. Задержка в игре, вызванная недостаточным качеством связи. То же: кратковременное «подвиса-ние» в онлайн-игре из-за прерывания коннекта у геймера, вызвавшего потерю пакета данных. На такие задержки геймеры часто ссылаются, объясняя свои неудачи. Игрок с большим лагом, вызывающий лаги, называется лаггером. 2. Время передачи сигнала от сервера к клиенту или обратно. 3. иногда так называют любой сбой в игре, независимо от его причин. пример текста: Я из-за этих лагов играть не могу. 4. Может использоваться как лага (доска) в мн.ч., много лаг.
Например, другое потенциально опасное жаргонное слово «зига» также имеет ограниченную сферу употребления, что отражается в народном толковании:
ЗИГА. 1. Фанатское приветствие, объединяющее ту группу фанатов, которая заряжает (орёт) Зигу в данный момент. Так: Зига!, Ой!, Зага!, Ой!, Зигазага зигазага, ой ой ой!. Чаще всего присуща ультрапра-
вым футбольным фанатам и сопровождается выбрасыванием правой руки, очень похожее на приветствие нацистов. Смотри, мясо зигу заряжают! То же: жест в виде вскинутой вперед и вверх руки с обращенной вниз ладонью и вытянутыми пальцами. (Это «большая зига», бывают еще модификации - «средняя» и «малая»). Как и многие известные жесты (кукиш, хер, виват, честь и др.) имеет древнее (вероятнее всего, культовое) происхождение и в разные времена означал разное. В наше время трактуется как приветствие немецких и итальянских фашистов времен Второй мировой войны, а также современных молодежных неофашистских течений, например White Power Skins. Уточнение: Римский салют. Использовался в фашистской Германии как приветствие (обычно с возгласом: «Хайль Гитлер!»). В наши дни используется неонацистами и им сочувствующими. (Свердловск). Пример текста: ВСем ЗИГА! Смерть анти фашистам 1488 зига. • Зига. Всем дико привет! • Тотальный зиг тебе читатель. Тут тусуются зига-парни, зига-бабы. Прям перед матчем на шествие с фаерами и со всей муйней, тотальная зига. • Зига тебе брат мой русич! Налетела куча какого-то фанатья с криками «зига-зига» и вопросом к бедным мальчикам и девочкам эмо и скейтерам: «Вы че, антифа?!». Кол-во синонимов: 2 приветствие 21 складка 46.
Подобные жаргонные слова маркируются в базе как специальные («спец.») и по виду референтной группы, например «геймеры», «опасные» (наркоманы, гопники и др.), «фэндом» (фанаты аниме, косплея и др.).
В базу данных также включены сленгизмы, которые употребляются часто в сетевом общении и хорошо известны молодежи. Например, обыденное толкование слова лол следующее:
ЛОЛ. 1. От англ. - laughing out loud, lots of laughing - громко смеюсь, необидный смех. Эта история просто лол! Изначально от англ. - laughing out loud, lots of laughing - громко смеюсь, необидный смех. В настоящее время в результате долгого использования приобрёл несколько значений. 2. Обзы-вательство (из-за созвучия со словом «лох»). 3. Сло-
Распределение частей речи и частотности слов в базе данных
База данных включает 134 существительных (Сущ, 67%), 36 глаголов (Глаг, 18%), 11 грамматических омонимов (Сущ / Межд, Сущ / Прил, 5,5%), 7 междометий (Межд, 3,5%) и 12 слов-аббревиатур,
во-паразит, вставляется везде. 4) Одобрение, но не смех. Примеры: Эта история просто лол! Ты лол что ли? Как дела, лол? - ...так оно и было. - Лол. Кол-во синонимов слова лол: 15 бездарь 15 бестолочь 181 забавно 24 лох 124 неудачник 56 ололо 9 олололо 8 растяпа 57 ржака 5 ржач 13 смех 49 смешной человек 1 тормоз 60 тупня 2 хохот 14.
Подобные сленгизмы маркируются в базе как молодежные («молодежн.») и соответственно по виду референтной группы как «молодежь» и «молодежь и др. группы» (при употреблении слова как общеизвестного сленгизма, так и узкоспециализированного жаргонизма).
Например, слово батл имеет следующее народное толкование, в котором наблюдается референция как к сленговому, «молодежному значению», так и к жаргону наркоманов (маркируется в базе как «молодежь и др. группы»). Также данное слово имеет третье значение в словаре Т.Г. Никитиной [17].
БАТЛ. 1. Пластиковая бутылка с дыркой, предназначенная для курения смолы каннабиса или анаши. 2. Соревнование, участники батла доказывают кто из них лучше двигается, рисует граффити, читает рэп и т.д. пример текста: Батл будет приблизительно по такой схеме: 1. Презентация по одному треку на сцене. 2. Батл фри. Батл с нормальными судьями и призами. Но, по сути батл будет между 2-3 участниками группы ГР. Я просто хочу батл между БЦ реперами! Ты идёшь завтра на танцевальный батл? Я забиваю тебе батл. И было решено провести рэп-батл. Называться он будет «Первый официальный межсетевой батл». Кто идёт на рэп батл Black&White? 3. Батл, -а, м., баттл, -а, м., ботл, -а, м., боттл, -а, м., боттл, неизм., ж., ботла, -ы, ж. У меня с собой два батла вай-на. Рожанский, 14. < Из англ. bottle - в этом же значении (словарь Т.Г. Никитиной, 2013).
Всего в базу данных из 200 слов включены 94 молодежных и 106 специализированных лексических единиц, что обеспечивает относительную сбалансированность базы данных по социолингвистическим характеристикам. Количество слов для каждой референтной группы представлено в табл. 1.
1
обозначающих фразеологические единицы молодежного сленга и жаргона (ФЕ, 6%).
Необходимо отметить, что распределение частей речи в базе в целом экстраполируется на более крупные массивы данных.
Так, в частности, из списка пяти тысяч самых частотных слов русского языка, построенного на основе
Таблица
Распределение слов в базе данных по типу референтной группы
Тип референтной группы Количество слов, n Примеры слов
Геймеры 30 ГГ, ГГВП, афк, нуб, ганкать, лаг, ламоган, катка
Молодежь 48 лол, хейтер, няшка, вписка, лалка, агриться, чика
Молодежь и др. группы 45 кек, ТП, батл, рофлить, краш, флексить, чилить, баян
Опасные 38 АУЕ, зига, ЦП, безмазняк, антифа, слон, вася, урла, ССЖВ
Соцсети 14 сайн, топикстартер, баттхерт, низачот, ъеъ, шаути
Фэндом 25 тамблрегёрл, ОТП, пейринг, бака, каваиться, отаку, этти, ксо, уке
Всего слов 200
русского Интернет-корпуса I-RU и опубликованного в книге «A Frequency Dictionary of Russian: Core Vocabulary for Learners» [22], части речи распределились следующим образом: существительные 2 621 ед. (52%), глаголы 952 ед. (19%), междометие 5 ед. (0,1%).
Распределение частотности глаголов и существительных (наиболее репрезентативных компонентов базы) приближено к нормальному. На рис. 1 - распределение 200 слов базы данных по частям речи и параметру метаязыковой оценки сленгизмов (количеству «лайков» по данным сайта Teenslang (https://teenslang.su/):
Рис. 1. Распределение 200 слов базы данных по частям речи и параметру метаязыковой оценки
Отклонение от нормального распределения грамматических омонимов, междометий и аббревиатур не являлось основанием для их исключения из базы данных, поскольку данные единичные слова представляют собой значимые единицы современного сленга и жаргона. Например, высокочастотные сленгизмы кек, лол употребляются намного чаще других сленгизмов в сетевом общении, а отдельные высокочастотные жаргонизмы используются намного чаще других жаргонных слов в замкнутых референтных группах, например АУЕ (очень распространенная аббревиатура среди опасных деструктивных групп), сайн, сигна (распространены среди наиболее активных пользователей соцсетей) и др. Такие единичные слова с очень высокой частотностью влияют на характер распределения всех слов в базе данных, однако они являются, на наш взгляд, очень важными индикаторами референтных групп. При необходимости отбора слов для психолингвистических и нейрокогнитивных исследований из представленной базы у исследователей есть возможность задать необходимые параметры частотности слов, отобрав, например, список слов, распределение частотности которых отвечает закону нормального распределения (исключив крайне высокочастотные слова и слова с крайне низкой частотностью).
Отметим, что для верификации объективной частотности сленгизмов (в том числе многозначных) необходимо введение параметра субъективной ча-
стотности через оценивание частотности потенциальных референтов (денотатов) слова (например, изображений, репрезентирующих отдельные значения сленгизма), определение корреляционных связей между объективной и субъективной частотностью лексической единицы. Такая выборочная верификация на материале 68 единиц базы также представлена в рамках данной статьи.
Верификация частотных и эмотивных характеристик 68 слов из базы данных
Для оценки параметров субъективной частотности и эмотивных характеристик сленгизмов (по шкалам «валентность» и «активация», традиционно выделяемых параметров эмотивности слов для экспериментально-психологических исследований) был проведен опрос с целью получения данных нормативных характеристик 68 наиболее частотных лексических единиц.
Процедура опроса
Опрос проводился в онлайн-режиме. Для вопросника было отобрано 68 лексических единиц разной частотности2 из описанной выше 200-словной базы сленгизмов, включая 23 молодежных сленгизмов и 45 специальных жаргонных слов.
Слова для оценки предъявлялись вне контекста, однако часть слов (44 слова, 65% от предъявляемого словника) сопровождалась изображениями денотатов в целях снятия потенциальной многозначности слов. Наличие изображений позволит в дальнейшем использовать их в нейрокогнитивных исследованиях при изучении скорости доступа к значениям многозначных слов (например, с помощью метода анализа движений глаз в парадигме «Визуальный мир»). Слова и аббревиатуры с имплицитным обсценным значением, отражающие «запрещенный» контент, не сопровождались никакими изображениями в целях соблюдения этики (например, ТП, хентай, безмаз-няк). Содержание вопросника было одобрено этическим комитетом. Список 68 слов с отдельными квантитативными характеристиками представлен в Приложении.
В онлайн-опросе приняли участие 113 человек (мужчин 44, женщин 69) в возрасте от 18 до 28 лет (М = 21, 8Б = 3,24), носители русского языка (монолингвы). В данном исследовании респондентами являлись носители среднелитературной речевой культуры (студенты педагогических вузов и учителя средних школ), т.е. лица, не относящиеся к группам деструктивного поведения, но, предположительно, владеющие активным, базовым лексиконом молодежи (теми лексическими единицами, которые «на слуху» в образовательной среде, активно используются в интернете). Для оценки степени «знакомости» респондентов с каждым сленгизмом применялась шкала субъективной частотности. Из всех участников постоянно проживает на территории Сибири 92%, в городах - 83%. Перед началом заполнения в анкете участники указывали, какой тип сленга для них знаком: молодежный сленг (школьники, студенты, интернет-сленг и др.) или специальный сленг (наркоманы, уголовный жаргон, геймеры, гопники, аниме и др.), при этом участник мог выбрать оба варианта. В итоге 54 человека указали первый вариант, а 59 человек - оба варианта. Таким образом, по данному параметру выборка представляется сбалансированной. Все участники оповещались о том, что они могут прекратить заполнение вопросника в любой момент без объяснения причин.
Для оценки слов использовались четыре шкалы, представляющие собой значимые квантитативные характеристики для экспериментально-
психологических исследований: субъективная частотность, три эмотивные характеристики (валентность, активация-возбуждение, активация-напряжение). Остановимся на данных характеристиках подробнее.
Субъективная частотность слова оценивалась по следующей инструкции:
Оцените, часто ли Вы слышите или встречаете в интернете следующие ниже жаргонные слова по шкале от 0 до 5, где 0 - никогда, а 5 - очень часто. В некоторых случаях приводятся картинки и мемы, отражающие значение слова.
При выборе параметров для оценки эмотивности мы опирались на скалярный подход к измерению эмоциональной окраски, в которых выделяется шкала валентности (неприятное-приятное) и две шкалы активации (активация-энергетическое возбуждение и активация-напряжение) [23]. Девятибалльная шкала для измерения валентности и активации применялась в связи с распространенной практикой оценки эмо-тивных характеристик слов [24-26].
Инструкции к эмотивным шкалам были сформулированы следующим образом:
Оцените, пожалуйста, насколько приведенные ниже слова кажутся Вам приятными, возбуждающими и напрягающими по шкале от 1 до 9, где 1 -очень слабо, а 9 - очень сильно выражен признак.
Всего было получено 7 797 наблюдений (реакции 113 человек на 68 слов, а также на одно повторяющееся слово). В список для оценки по трем шкалам (субъективной частотности, валентности и двум шкалам активации) было включено повторяющееся слово в разных частях списка для установления согласованности ответов и проверки надежности измерения. Коэффициент Альфа Кронбаха (0,846) показал высокую согласованность в оценках данного проверочного слова, что позволяет предположить следующее: респонденты давали осознанные, согласованные оценки на предъявляемые слова.
Связь метаязыковой оценки, субъективной и объективной частотности сленгизмов
Между показателями объективной частотности (по ГИКРЯ [27]) и метаязыковой оценки (по Teenslang) установлена значимая умеренная положительная корреляция при г = 0,424, р < 0,0013. Субъективная частотность сильнее коррелирует с объективной частотностью по ГИКРЯ (^ = 0,322, р < 0,001), чем с мета-языковой оценкой по народному онлайн-словарю Теет^ (^ = 0,228, р < 0,001).
Анализ показал, что только субъективная частотность имеет (хотя и очень слабую) отрицательную корреляцию с возрастом респондентов (г = -0,057, р < 0,001), а объективная частотность не связана с возрастом.
Данные позволяют сделать вывод о том, что в нашем случае параметры объективной частотности и метаязыковой оценки не являются значимыми в «возрастных предпочтениях» при оценке сленгизмов, а параметры субъективной частотности недостаточно надежными для этого анализа. Вместе с тем корреляционный анализ лишь дает предположение о вероятности связи признаков, причинно-следственные отношения при этом не выявляются. Последнее остается на перспективу дальнейших исследований, с использованием более мощных шкал и инструментов для построения регрессионных моделей. В целом же показатели объективной частотности по ГИКРЯ и метаязыковой оценки по народному словарю Teenslang достаточно надежно коррелируют с оценками по шкале субъективной частотности (табл. 2).
Таблица 2
Корреляции между метаязыковой оценкой, субъективной и объективной частотностью сленгизмов и возрастом респондентов
Correlation Matrix
Возраст Субчаст ОбъектчастГИКРЯ1рт МетаязоценкаТееп51апд
Возраст Spearman's rho —
p-value —
Суб_част Spearman's rho -0.057"" —
p-value < .001 —
Объе кт_ч а сг_ГИ КРЯ J р m Spearman's rho 0.000 0.322 *** —
p-value 1.000 <.001 —
М ета яз_оцен ка_Те е n s 1 a ng Spearman's rho 0.000 0.228 *** 0.424*** —
p-value 1.000 <.001 < .001 —
Note. * р < .05, ** р < .01, *** р < .001
Связь шкал субъективной частотности и эмотивности
Анализ связи субъективной частотности с тремя шкалами эмотивности (валентности, активации-напряжения и активации-возбуждения) показывает закономерную, хотя и слабую, отрицательную корреляцию между валентностью и активацией-
напряжением (г = -0,226, р < 0,001). Умеренная отрицательная корреляция обнаруживается между оценками по шкале валентности и активации-возбуждения (г8 = -0,340, р < 0,001). Также небольшая, но значимая положительная корреляция обнаружена между субъективной частотностью сленгизма и его валентностью (г8 = 0,25, р < 0,001), табл. 3.
Таблица 3
Корреляции между субъективной частотности сленгизма и его оценок по шкалам эмотивности
Суб_част Активация_напряж Активациявозбужд Валентность
Суб_част Spearman's rho —
p-value —
Активация_напряж Spearman's rho -0.00 s —
p-value 0.458 —
Актива ция_возбужд Spearman's rho 0.176*** 0.167 *** —
p-value < .001 <.001 —
Валентность Spearman's rho 0.250 *** -0.226*** 0.340 *** —
p-value < ,001 <.001 < .001 —
Note. * р < ,05, ** р < .01, *** р < .001
Корреляции между эмотивными оценками, параметрами объективной частотности и метаязыковой оценки показали очень слабые корреляции в пределах не выше г = 0,04. Очень слабые корреляции также были обнаружены между возрастом респондентов и шкалами эмотивности (г8 < 0,04). Данный результат говорит о важности учета в дальнейшем индивидуальных особенностей респондентов при оценке и восприятии сленга как очень вариативного языкового явления.
Отмечается слабая, но статистически значимая положительная связь между субъективной частотностью и количеством значений сленгизма (г8 = 0,27, р < 0,001), рис. 2.
Данная связь представляется обоснованной, поскольку в психолингвистике существует предположение о том, что многозначное слово несет в себе большее количество лексических репрезентаций, поэтому допускается большая вероятность получить более высокие оценки по шкале субъективной частотности на многозначные слова, чем на однозначные (при учете всех остальных параметров, например частотности, длины и т.д.). Данная связь в зарубежной психолингвистике рассматривается как эффект «семантического богатства слова» (semantic richness) [28]. Учет фактора многозначности и омонимии является перспективой для дальнейших исследований восприятия сленга.
4
Н О Св
Т
I
о
^
U
2 -
1
о - • • « ......
-1-1-1-Г"
2.5 5.0 7.5 10.0
Кол-во значений сленгизма
Рис. 2. Связь между субъективной частотностью и количеством значений сленгизма
Выводы и обсуждение
Молодежный сленг в настоящее время - это очень динамичный пласт устного и сетевого дискурса с лексическими «вкраплениями», жаргонизмами из абсолютно разных сфер: от «безобидного», на первый взгляд, гей-мерского сообщества до потенциально опасных группировок АУЕ и т.п. Представленная база данных включает единицы, маркированные на молодежных сайтах ориентировочно с 2008 г. по настоящее время. Некоторые лексические единицы только недавно вошли в молодежный сленг и маркированы в базе данных как «new» - новые (например, слово и соответствующий мем ъеъ).
Появление новых «народных» онлайн-словарей, с одной стороны, упрощает сбор данных для различных экспериментальных задач, с другой стороны, словарные статьи таких ресурсов недостаточно структурированы.
В аспекте диагностических задач идентификация «своих» и «чужих» по отдельным жаргонным единицам становится все более сложной, поскольку новые единицы все чаще проникают в ежедневное сетевое общение большого количества молодых людей. Проникновение специального сленга в соцсети, молодежный дискурс, бытовое устное общение наблюдается достаточно широко, однако до конца не изучено отношение носителей языка к данным единицам. Важнейшим параметром степени знакомства носителя языка со сленгом определенной социальной группы является субъективная частотность отдельных сленгизмов, значимых для этой группы. Нормативные характеристики субъективной частотности можно (и скорее следует) соотносить с параметрами объективной частотности по корпусу или с метаязыковыми оценками из специализированного народного словаря.
Проведенное нами исследование носило пилотажный характер. На первом этапе собрано 200 слов из народных словарей молодежного сленга и жаргона. На следующем этапе для получения нормативных оценок частотности и эмотивности были выбраны 68 наиболее частотных слов. На данной подвыборке ставилась задача проверить, насколько сильна связь объективной частотности (по ГИКРЯ) и субъективной частотности лексических единиц для носителей среднелитературной речевой культуры (по данным нашего опроса). Таким образом, собирались нормативные оценки слов, релевантные для «широкого круга» носителей русского языка. На следующих этапах работы данные сленгизмы планируется охарактеризовать по параметрам субъективной частотности и эмотивности с привлечением представителей разных групп деструктивного поведения.
На материале разработанной базы данных в под-выборке 68 сленгизмов получены умеренные корреляции между метаязыковой оценкой (по народному онлайн-словарю Teenslang), объективной частотностью (по ГИКРЯ) и субъективной частотностью данных лексических единиц (по данным опроса). Это дает основание использовать указанные параметры для подбора высокочастотных и малочастотных лексических единиц в исследованиях процессов восприятия молодежного сленга.
Разрабатываемая база данных может использоваться как ресурс для подбора стимулов с разными параметрами частотности и эмотивности в таких известных экспериментально-психологических, психолингвистических и нейрокогнитивных парадигмах, как задача лексического решения, тест Струпа, исследования неологизмов и т.д. Отметим, что в качестве участников исследований с использованием базы данных могут привлекаться только лица старше 18 лет4.
ПРИМЕЧАНИЯ
1 Здесь и далее толкования приводятся в том виде, в каком они представлены на молодежных сайтах с сохранением орфографии и пунктуации.
2 Учитывались показатели метаязыковой оценки слов по сайту https://teenslang.su (фиксировалось количество «лайков» пользователей) и Генеральному интернет-корпусу русского языка (ГИКРЯ) [27], сегменту соцсети «ВКонтакте» - Кассандра (9 820 млн слов), в котором фиксировался показатель ¡рш (число вхождений сленгизма на 1 млн словоформ). В дальнейшем в корреляционном анализе использовались показатели объективной частотности и метаязыковой оценки для достижения максимальной достоверности.
3 Здесь и далее приводятся коэффициенты корреляции Спирмена для порядковых и нестандартизованных шкал. Высокие значения р-уровня значимости связаны с большим объемом наблюдений (7 797), однако в тексте интерпретируются значения коэффициентов корреляции при r < 0,3 как слабые.
4 Для получения доступа к базе данных необходимо обратиться с запросом к М.С. Власову (первый автор) по электронной почте.
ЛИТЕРАТУРА
1. Короленко Ц.П., Дмитриева Н.В. Социодинамическая психиатрия. Москва ; Екатеринбург, 2000.
2. Злоказов К.В. Деструктивное поведение в различных контекстах его проявления // Вестник Удмуртского университета. Серия: Филосо-
фия. Психология. Педагогика. 2016. T. 26, вып. 4. С. 67-73.
3. Злоказов К.В. Контент-анализ текстов деструктивной направленности // Политическая лингвистика. 2015. № 1 (51). С. 244-251.
4. Alexeeva S., Slioussar N., Chernova D. StimulStat: a lexical database for Russian // Behavior Research Methods. 2018. Vol. 50. 2305-2315. DOI:
10.3758/s13428-017-0994-3. URL: https://link.springer.com/article/10.3758/s13428-017-0994-3
5. Люсин Д.В., Сысоева Т. А. Эмоциональная окраска имён существительных: база данных ENRuN // Психологический журнал. 2017. Т. 38,
№ 2. С. 122-131.
6. Резанова З.И., Миклашевский А.А. Моделирование образноперцептивного компонента языковой семантики при помощи психолингви-
стической базы данных // Вестник Томского государственного университета. Филология. 2016. № 5 (43). DOI: 10.17223/19986645/43/6
7. Бойко Б.Л. Самодеятельный онлайновый словарь современной лексики, жаргона и сленга «Словоново» как форма общения в Интернете
// Вопросы психолингвистики. 2010. № 2 (12). С. 64-70.
8. Лукашанец Е.Г. Интернет и язык: народная лексикография // Вестник Нижегородского государственного университета. 2011. № 6 (2).
С. 378-381.
9. Лукашанец Е.Г. Вариативность как специфическая черта онлайн-словарей сленга и разговорной лексики // Вопросы лексикографии.
2014. № 1 (5). С. 16-31.
10. БСИС - Большой словарь иностранных слов. URL: https://gufo.me/dict/foreign_words
11. БТСРЯ - Большой толковый словарь русского языка / сост. и гл. ред. С.А. Кузнецов. СПб. : Норинт, 2000. URL: https://gufo.me/dict/kuznetsov
12. Елистратов В.С. Словарь русского арго (материалы 1980-1990 гг.). 2002. URL: http:// www.gramota.ru/slovari/argo/.
13. Епишкин Н.И. Исторический словарь галлицизмов русского языка. М. : Словарное изд-во ЭТС, 2010. URL: http://gallicismes.academic.ru/.
14. Ефремова Т.Ф. Новый словарь русского языка. Толково-словообразовательный. М. : Рус. яз., 2000. URL: https://www.efremova.info/
15. Захаренко Е.Н., Комарова Л.Н., Нечаева И.В. Новый словарь иностранных слов: 25 000 слов и словосочетаний. М. : Азбуковник, 2003. 783 с. (Филологические словари русского языка).
16. Захарова Л.А., Шуваева А.В. Словарь молодёжного сленга (на материале лексикона студентов Томского государственного университета). Учебно-методическое пособие. Томск : Издательский Дом ТГУ, 2014. 126 с.
17. Никитина Т.Г. Ключевые концепты молодежной культуры: тематический словарь сленга СПб. : Дмитрий Буланин, 2013. 864 с.
18. Ожегов С.И., Шведова Н.Ю. Толковый словарь русского языка. 3-е изд., стереотип. М. : Аз, 1996. 928 с.
19. Словарь воровского жаргона. URL: https://gufo.me/dict/criminal_slang
20. Словарь синонимов русского языка. URL: https://gufo.me/dict/synonyms
21. Словарь современной лексики, жаргона и сленга. 2014. URL: http://argo.academic.ru/.
22. Sharoff S., Umanskaya E., Wilson J. A Frequency Dictionary of Russian. London : Routledge, 2013. URL: https://doi.org/10.4324/9781315852157
23. Люсин Д. В. Трехмерная модель структуры эмоциональных состояний, основанная на русскоязычных данных // Психология. Журнал Высшей школы экономики. 2019. Т. 16, № 2. С. 341-356. DOI: 10.17323/1813-8918-2019-2-341-356
24. Bradley M.M., Lang P.J. Affective Norms for English Words (ANEW): Stimuli, instruction manual and affective ratings (Technical Report C-1).
1999. Gainesville, FL: University of Florida, NIMH Center for the Study of Emotion and Attention.
25. Janschewitz K. Taboo, emotionally valenced, and emotionally neutral word norms // Behavior Research Methods. 2008. Vol. 40. P. 1065-1074. https://doi.org/10.3758/BRM.40.4.1065
26. Warriner A.B., Kuperman V., Brysbaert M. Norms of valence, arousal, and dominance for 13,915 English lemmas // Behavior Research Methods. 2013. Vol. 45. P. 1191-1207. URL: https://doi.org/10.3758/s13428-012-0314-x
27. ГИКРЯ - Генеральный интернет-корпус русского языка. URL: https://int.webcorpora.ru/drake/
28. Rabovsky M., Sommer W., Abdel Rahman R. The time course of semantic richness effects in visual word recognition // Frontiers in Human Neuroscience. 2012. Vol. 6. P. 11. URL: https://doi.org/10.3389/fnhum.2012.00011
Приложение
Список слов (n = 68) с квантитативными характеристиками, отобранные для опроса (значения слов приводятся в полной 200-словной базе данных)
Уловные сокращения: Объект_част - объективная частотность, ipm (вхождений на 1 млн словоформ), Суб_част - субъективная частотность по шкале от 0 до 5, Md (медианное значение), ВЧ - высокочастотные слова (по шкале субъективной частотности медианное значение > 2,5), НЧ — низкочастотные слова (по шкале субъективной частотности медианное значение < 2,5 и > 0), СНЧ - слова сверхнизкой частотности (по шкале субъективной частотности медианное значение равно 0), валентность (неприятное-приятное) и активация (спокойствие-напряжение) измерялись по шкале от 1 до 9, группа - референтная группа, указанная в онлайн-словарях Teenslang и Slovonovo, год фиксации по источнику Slovonovo, new - год фиксации слова в онлайн-словарях не определен.
Слово Часть Объект Метаязы- Суб_ Ча- Коли- Дли- Валент- Актива- Тип Группа Год
речи част_ГИКРЯ ковая_ част стот чест- на_в_ ность ция Md сленгизма фикса-
ipm оцен- Md груп во_зна- знаках Md ции_
ка teens- чений значе-
lang (ко- ния
личество
«лайков»)
аниме Сущ 8,8 420 320 5 ВЧ 4 5 4,50 1,00 молодежн. молодежь 2008
АУЕ Сущ/Ме 0,1 110 857 3 ВЧ 2 3 1,00 5,00 спец. опасные new
жд
базарить Гл 0,1 200 59 5 ВЧ 7 8 2,50 3,00 молодежн. Молодежь и др. группы 2008
бака Сущ 0,6 450 125 0 СНЧ 1 4 3,00 1,00 спец. фэндом 2009
баребухи Сущ 0,0 040 45 0 СНЧ 1 8 1,00 2,00 молодежн. молодежь 2009
барыга Сущ 0,2 150 152 3 ВЧ 6 6 2,00 3,50 спец. опасные 2009
баттхерт Сущ 0,0 470 50 0 СНЧ 1 8 2,00 2,00 спец. соцсети 2010
безмаз-няк Сущ 0,0010 112 0 СНЧ 3 9 2,00 2,50 спец. опасные 2008
ботан Сущ 0,7 150 96 4 ВЧ 2 5 3,00 3,00 молодежн. молодежь 2009
бугага Сущ / Межд 0,1 950 61 3 ВЧ 1 6 3,00 2,00 молодежн. молодежь и др. группы 2008
ванилька Сущ 0,1 200 77 2 НЧ 2 8 2,50 4,00 спец. фэндом new
вася Сущ 7,4 570 83 3 ВЧ 3 4 2,00 3,00 спец. опасные 2009
ватакат Сущ 0,0090 56 0 СНЧ 1 7 1,00 2,00 молодежн. молодежь 2010
вафля Сущ 0,1 410 66 0 СНЧ 5 5 2,00 1,00 спец. опасные 2010
вписка Сущ 0,3 060 184 5 ВЧ 5 6 2,00 2,00 молодежн. молодежь 2008
ганкать Гл 0,0 050 102 0 СНЧ 1 7 2,00 1,00 спец. геймеры new
ГГ ФЕ 1,7 920 240 2 НЧ 2 2 4,00 1,00 спец. геймеры 2009
ГГВП ФЕ 0,0 070 46 0 СНЧ 1 4 3,00 1,00 спец. геймеры 2013
ГЖ ФЕ 0,0 210 97 0 СНЧ 1 2 2,00 1,00 спец. геймеры 2009
говнарь Сущ 0,0 600 53 2 НЧ 2 7 1,00 5,00 спец. опасные 2009
гопник Сущ 0,7 080 127 4 ВЧ 3 6 2,00 4,00 спец. опасные 2008
гопота Сущ 0,2 340 59 4 ВЧ 1 6 2,00 4,00 спец. опасные 2008
зафарш-мачить Гл 0,0 020 53 2 НЧ 2 12 2,00 2,00 молодежн. молодежь 2008
зига Сущ / Межд 0,1 250 277 2 НЧ 1 4 1,00 5,00 спец. опасные 2009
каваить-ся Гл 0,0 020 101 0 СНЧ 2 9 2,00 2,00 спец. фэндом 2008
катка Сущ 0,8 140 26 4 ВЧ 9 5 4,00 1,00 спец. геймеры 2014
кек Сущ / Межд 0,1 790 1097 4 ВЧ 5 3 3,00 4,00 молодежн. молодежь и др. группы new
краш Сущ 0,1 160 100 3 ВЧ 5 4 4,00 1,00 молодежн. молодежь и др. группы new
ксо Межд 0,0 640 50 0 СНЧ 2 3 2,00 1,00 спец. фэндом 2009
лаг Сущ 0,1 500 85 4 ВЧ 4 3 3,00 1,00 спец. геймеры new
лали Сущ 0,0 590 60 0 СНЧ 4 4 2,00 1,50 спец. фэндом new
лалка Сущ 0,3 170 171 2 НЧ 2 5 1,00 4,00 молодежн. молодежь new
ламоган Сущ 0,0 000 70 0 СНЧ 1 7 2,00 1,00 спец. геймеры new
лел Сущ / Межд 0,0 570 19 0 СНЧ 1 3 3,00 1,00 спец. соцсети new
лол Межд 5,4 900 380 5 ВЧ 4 3 4,00 2,00 молодежн. молодежь 2008
напи- рисдачу- нах ФЕ 0,0 000 58 0 СНЧ 1 14 1,00 3,00 спец. соцсети new
низачот ФЕ 0,0 050 33 1 НЧ 1 7 2,00 2,50 спец. соцсети new
нуб Сущ 0,4 670 164 3 ВЧ 1 3 3,00 2,00 спец. геймеры 2008
нубик Сущ 0,0 100 35 1 НЧ 1 5 3,00 3,00 спец. геймеры new
ня Межд 1,5 620 66 3 ВЧ 2 2 3,00 3,00 спец. фэндом 2008
няшка Сущ 1,0 050 203 5 ВЧ 3 5 4,00 3,00 молодежн. молодежь 2010
отаку Сущ 0,1 160 89 0 СНЧ 3 5 3,00 1,00 спец. фэндом 2009
ОТП ФЕ 0,2 860 242 0 СНЧ 3 3 3,00 1,00 спец. фэндом new
очковать Гл 0,0 200 59 4 ВЧ 1 8 2,50 3,00 молодежн. молодежь 2008
пацантрэ Сущ 0,0 470 59 2 НЧ 1 8 1,00 4,00 спец. опасные new
пейринг Сущ 0,1 310 118 0 СНЧ 1 7 3,50 1,00 спец. фэндом new
перди-монокль Сущ 0,0 130 79 0 СНЧ 1 12 1,00 1,50 молодежн. молодежь new
рофлить Гл 0,0 020 162 5 ВЧ 2 7 5,00 1,00 молодежн. молодежь и др. группы new
сайн Сущ 0,0 330 371 0 СНЧ 1 4 2,00 1,00 спец. соцсети new
слон ФЕ 4,3 010 92 0 СНЧ 10 4 2,00 2,00 спец. опасные 2009
ССЖВ ФЕ 0,0 030 19 0 СНЧ 1 4 1,00 1,00 спец. опасные new
тамблер-гёрл Сущ 0,0 020 263 1 НЧ 4 11 2,50 1,00 спец. фэндом new
ТП ФЕ 3,0 890 325 3 ВЧ 2 2 1,00 5,00 молодежн. молодежь и др. группы 2010
уке Сущ 0,0 540 12 0 СНЧ 1 3 2,00 1,00 спец. фэндом 2010
урла Сущ 0,0 080 64 0 СНЧ 2 4 1,50 2,00 спец. опасные new
флексить Гл 0,0 005 68 5 ВЧ 3 8 5,00 1,00 молодежн. молодежь и др. группы new
фуцин Сущ 0,0 030 101 0 СНЧ 1 5 1,00 1,00 молодежн. молодежь new
хейтер Сущ 0,1 140 230 5 ВЧ 1 6 3,00 1,00 молодежн. молодежь 2010
хентай Сущ 0,2 880 80 2 НЧ 1 6 3,00 1,00 спец. фэндом 2010
ЦП ФЕ 0,3 430 114 1 НЧ 2 2 1,00 2,50 спец. опасные 2010
чика Сущ 0,7 910 74 4 ВЧ 3 4 2,00 4,00 молодежн. молодежь 2009
чикуля Сущ 0,0 600 72 4 ВЧ 3 6 2,00 5,00 молодежн. молодежь new
чилить Гл 0,0 030 63 5 ВЧ 1 6 5,00 1,00 молодежн. молодежь и др. группы new
читер Сущ 0,2400 133 4 ВЧ 3 5 3,00 1,00 спец. геймеры 2008
шаути Сущ 0,0009 14 0 СНЧ 1 5 2,50 1,00 спец. соцсети new
шиппе-рить Гл 0,0280 228 4 ВЧ 1 9 4,00 1,00 спец. фэндом new
ъеъ Сущ 0,0020 32 0 СНЧ 1 3 3,00 1,00 спец. соцсети new
этти Сущ 0,0480 84 0 СНЧ 2 4 3,00 1,00 спец. фэндом new
Статья представлена научной редакцией «Филология» 9 июня 2020 г.
The Relationship Between Word Frequency and Affective Characteristics of Youth Slang Words in Russian (Evidence From a Psycholinguistic Database)
Vestnik Tomskogo gosudarstvennogo universiteta - Tomsk State University Journal, 2020, 457, 5-15. DOI: 10.17223/15617793/457/1
Mikhail S. Vlasov, Shukshin Altai State University for Humanities and Pedagogy (Biysk, Russian Federation), Tomsk State University (Tomsk, Russian Federation). E-mail: vlasov_mikhailo@mail.ru
Ulyana M. Trofimova, St. John the Theologian's Russian Orthodox Institute (Moscow, Russian Federation); Pushkin State Russian Language Institute (Moscow, Russian Federation). E-mail: umt2005@rambler.ru
Mikhail V. Podrezov, Tomsk State University (Tomsk, Russian Federation). E-mail: mvpodrezov@gmail.com Ulyana V. Abdullina, Ural Federal University (Yekaterinburg, Russian Federation). E-mail: ulya-a@bk.ru Keywords: youth slang; jargon; lexical database; subjects of destructive behavior; affective words.
The study is supported by the Russian Foundation for Basic Research and Altai Krai Government, Project No. 19-412-220004 "Linguistic, Cognitive and Emotional Factors of Youth Slang Perception by Subjects of Destructive Behavior: An Experimental Study".
The article provides a description of a psycholinguistic database of Russian youth slang and jargon words with normative characteristics of lexemes suitable for using in psycholinguistic and neurocognitive research. The database includes jargon words associated with destructive behavior, for example, dangerous and criminal behavior, drug addiction, video game addiction, etc. (n = 45), as well as everyday youth slang words related to oral and web discourses (n = 23). The database contains such characteristics of slang and jargon
words as objective and subjective word frequency, length, number of meanings, lexical meanings, sources and year of fixation. The database includes words marked on websites teenslang.su and slovonovo.ru from 2008 to the present time. For the 68 slang and jargon words of different objective word frequency, subjective word frequency and affective characteristics (valence and two scales of arousal) were verified on a sample of monolingual Russian speakers (n = 113), aged 18 to 28 (M = 21, SD = 3.24). For this subset of words, the authors used four scales of significant quantitative word characteristics reliable for experimental psychological research: subjective frequency (on the 0-5 points Likert scale), three scales of affective characteristics (valence, arousal-excitation, arousal-tension) on the 9-point Lik-ert scale. Overall, 7,797 observations were analyzed; they comprised responses to 68 slang words (+1 repeating word to check the reliability) in 113 participants. A significant moderate positive correlation was observed between objective word frequency (ipm in General Internet-Corpus of Russian) and subjective word frequency (rs = 0.322, p<0.001), as well as a moderate negative correlation between word ratings on the valence and arousal-excitation scales (rs = -0.340, p<0.001). There is a weak, but statistically significant positive correlation between subjective word frequency and number of word meanings (rs = 0.27, p<0.001). Currently, the presented database can be used as a resource for Russian slang words selection with varying norms of words frequency in such experimental psychological, psycholinguistic and neurocognitive paradigms as lexical decision task, Stroop task, processing of neologisms, etc. The authors note that only persons over 18 years of age can be involved as participants in studies using the database.
REFERENCES
1. Korolenko, Ts.P. & Dmitrieva, N.V. (2000) Sotsiodinamicheskaya psikhiatriya [Sociodynamic Psychiatry]. Moscow: Akademicheskiy Proekt;
Yekaterinburg: Delovaya kniga.
2. Zlokazov, K.V. (2016) Destructive Behavior in Various Contexts of Representation. Vestnik Udmurtskogo universiteta. Seriya: Filosofiya.
Psikhologiya. Pedagogika — Bulletin of Udmurt University. Series Philosophy. Psychology. Pedagogy. 4 (26). pp. 67-73. (In Russian).
3. Zlokazov, K.V. (2015) Content Analysis of Texts with Destructive Direction. Politicheskaya lingvistika — Political Linguistics. 1 (51). pp. 244-251. (In
Russian).
4. Alexeeva, S., Slioussar, N. & Chernova, D. (2018) StimulStat: a lexical database for Russian. Behavior Research Methods. 50. pp. 2305-2315.
[Online] Available from: https://link.springer.com/article/10.3758/s13428-017-0994-3. DOI: 10.3758/s13428-017-0994-3
5. Lyusin, D.V. & Sysoeva, T.A. (2017) Emotional Norms for Nouns: The Database ENRuN. Psikhologicheskiy zhurnal. 2 (38). pp. 122-131.
(In Russian).
6. Rezanova, Z.I. & Miklashevskiy, A. A. (2016) Modeling of the Perceptual-Based Component of Language Semantics Using a Psycholinguistic
Database. Vestnik Tomskogo gosudarstvennogo universiteta. Filologiya. — Tomsk State University Journal of Philology. 5 (43). (In Russian). DOI: 10.17223/19986645/43/6
7. Boyko, B.L. (2010) A collaborative web-based dictionary of contemporary vocabulary, jargon and slang "slovonovo" as a form of online commu-
nication. Voprosy psikholingvistiki — Journal of Psycholinguistics. 2 (12). pp. 64-70. (In Russian).
8. Lukashanets, E.G. (2011) The Internet and the language: popular lexicography. Vestnik Nizhegorodskogo gosudarstvennogo universiteta — Vestnik
of Lobachevsky University of Nizhni Novgorod. 6 (2). pp. 378-381. (In Russian).
9. Lukashanets, E.G. (2014) Variability as a specific feature of online dictionaries of slang and colloquial lexicon. Voprosy leksikografii — Russian
Journal of Lexicography. 1 (5). pp. 16-31. (In Russian).
10. GUFO.ME. (n.d.) BSIS — Bol'shoy slovar' inostrannykh slov [BSIS - Large Dictionary of Foreign Words]. [Online] Available from: https://gufo.me/dict/foreign_words.
11. Kuznetsov, S.A. (ed.) (2000) Bol'shoy tolkovyy slovar' russkogo yazyka [Large Explanatory Dictionary of the Russian Language]. Saint Petersburg: Norint. [Online] Available from: https://gufo.me/dict/kuznetsov.
12. Elistratov, V.S. (2002) Slovar' russkogo argo (materialy 1980-1990 gg.) [Dictionary of Russian Argot (Materials of 1980-1990)]. [Online] Available from: http:// www.gramota.ru/slovari/argo/.
13. Epishkin, N.I. (2010) Istoricheskiy slovar' gallitsizmov russkogo yazyka [Historical Dictionary of Russian Gallicisms]. Moscow: Slovarnoe izd-vo ETS. [Online] Available from: http://gallicismes.academic.ru/.
14. Efremova, T.F. (2000) Novyy slovar' russkogo yazyka. Tolkovo-slovoobrazovatel'nyy [New Dictionary of the Russian Language. Explanatory and derivational]. Moscow: Russkiy yazyk. [Online] Available from: https://www.efremova.info/.
15. Zakharenko, E.N., Komarova, L.N. & Nechaeva, I.V. (2003) Novyy slovar' inostrannykh slov: 25 000 slov i slovosochetaniy [New Dictionary of Foreign Words: 25,000 words and phrases]. Moscow: Azbukovnik.
16. Zakharova, L.A. & Shuvaeva, A.V. (2014) Slovar' molodezhnogo slenga (na materiale leksikona studentov Tomskogo gosudarstvennogo universiteta) [Dictionary of Youth Slang (Based on the lexicon of students of Tomsk State University)]. Tomsk: Tomsk State University.
17. Nikitina, T.G. (2013) Klyuchevye kontsepty molodezhnoy kul'tury: tematicheskiy slovar' slenga [Key Concepts of Youth Culture: A thematic dictionary of slang]. Saint Petersburg: Dmitriy Bulanin.
18. Ozhegov, S.I. & Shvedova, N.Yu. (1996) Tolkovyy slovar' russkogo yazyka [Explanatory Dictionary of the Russian Language]. 3d ed. Moscow: Az.
19. GUFO.ME. (n.d.) Slovar' vorovskogo zhargona [Dictionary of Thieves' Argot]. [Online] Available from: https://gufo.me/dict/criminal_slang.
20. GUFO.ME. (n.d.) Slovar' sinonimov russkogo yazyka [Dictionary of Synonyms of the Russian Language]. [Online] Available from: https://gufo.me/dict/synonyms.
21. Akademik [Academic]. (2014) Slovar' sovremennoy leksiki, zhargona i slenga [Dictionary of Modern Vocabulary, Jargon and Slang]. [Online] Available from: http://argo.academic.ru/.
22. Sharoff, S., Umanskaya, E. & Wilson, J. (2013) A Frequency Dictionary of Russian. London: Routledge. [Online] Available from: https://www.taylorfrancis.com/books/9781315852157.
23. Lyusin, D.V. (2019) A three-dimensional model of the affect structure based on the Russian data. Psikhologiya. Zhurnal Vysshey shkoly ekonomiki — Psychology. Journal of the Higher School of Economics. 2 (16). pp. 341-356. (In Russian). DOI: 10.17323/1813-8918-2019-2-341-356
24. Bradley, M.M. & Lang, P.J. (1999) Affective Norms for English Words (ANEW): Stimuli, instruction manual and affective ratings (Technical Report C-1). Gainesville, FL: University of Florida, NIMH Center for the Study of Emotion and Attention.
25. Janschewitz, K. (2008) Taboo, emotionally valenced, and emotionally neutral word norms. Behavior Research Methods. 40. pp. 1065-1074. DOI:
10.3758/BRM.40.4.1065
26. Warriner, A.B., Kuperman, V. & Brysbaert, M. (2013) Norms of valence, arousal, and dominance for 13,915 English lemmas. Behavior Research Methods. 45. pp. 1191-1207. [Online] Available from: https://link.springer.com/article/10.3758%2Fs13428-012-0314-x. DOI: 10.3758/s13428-012-0314-x
27. GICR — General Internet-Corpus of Russian. (n.d.) [Online] Available from: https://int.webcorpora.ru/drake/. (In Russian).
28. Rabovsky, M., Sommer, W. & Abdel Rahman, R. (2012) The time course of semantic richness effects in visual word recognition. Frontiers in Human Neuroscience. 6. p. 11. [Online] Available from: https://www.frontiersin.org/articles/10.3389/fnhum.2012.00011/full. DOI: 10.3389/fnhum.2012.00011
Received: 09 June 2020
