CC BY
160
УДК 81111177:81111142:81111138
ББК Ш143.21-51+Ш143.21-55+Ш143.21-006.21
ГСНТИ 16.21.27
Код ВАК 10.02.19
А. В. Колмогорова, А. А. Калинин, Ю. А. Талдыкина
Красноярск, Россия
ЯЗЫКОВЫЕ МАРКЕРЫ МАНИПУЛЯЦИИ В ПОЛЯРИЗОВАННОМ ПОЛИТИЧЕСКОМ ДИСКУРСЕ: ОПЫТ ПАРАМЕТРИЗАЦИИ
АННОТАЦИЯ. В статье описываются результаты работы по созданию компьютерной программы для определения уровня манипулятивности политического медиатекста. Манипуляция рассматривается прежде всего как наложение некоторых ограничений на контекст, направляющее внимание целевой группы — мишени манипуляции по траектории, нужной манипулятору. Наличие контекстуальных ограничений с необходимостью влечет за собой появление в манипулятивном тексте специфических вербальных маркеров. В качестве материала исследования используются тексты американских СМИ, посвященные проблеме «украинского кризиса» и реализующие так называемый поляризованный дискурс. На основе данных, полученных в ходе дискурс-анализа медиатекстов по методике Т. ван Дейка, а также в результате социолингвистического эксперимента обосновывается выбор шести параметров измерения для установления уровня манипулятивности: военная терминология, лексика по тематике нацизма, «советская» лексика, список экспериментально полученных маркеров манипуляции, прецедентные имена, прилагательные с антонимическими приставками «anti-» и «pro-». Посредством привлечения контрольного и тренировочного корпусов и последующей оценки их отличий по выделенным параметрам с помощью двухвыборочного коэффициента Стьюдента устанавливается статистическая значимость данных отличий, и тем самым подтверждается валидность гипотезы, о значимости выделенных критериев для оценки текста как манипулятивного.
КЛЮЧЕВЫЕ СЛОВА: манипуляция; политический дискурс; компьютерные лингвистические технологии; параметры измерения.
СВЕДЕНИЯ ОБ АВТОРЕ: Колмогорова Анастасия Владимировна, доктор филологических наук, доцент, профессор кафедры лингвистики и межкультурной коммуникации, Сибирский федеральный университет (г. Красноярск); 660041, Россия, г. Красноярск, пр-т Свободный, 82, стр. 1, каб. 234; е-mail: nastiakol@mail.ru.
СВЕДЕНИЯ ОБ АВТОРЕ: Калинин Александр Андреевич, инженер по анализу данных, ООО «Аспирити»; 660037, г. Красноярск, Профсоюзов, 3, стр. 3, оф. 11; е-mail: verbalab@yandex.ru.
СВЕДЕНИЯ ОБ АВТОРЕ: Талдыкина Юлия Андреевна, аспирант кафедры лингвистики и межкультурной коммуникации, Сибирский федеральный университет (г. Красноярск); 660041, Россия, г. Красноярск, пр-т Свободный, 82, стр. 1, каб. 234; е-mail: yulyatald@ya.ru.
Введение
На сегодняшний день политический кризис стал явлением отнюдь не локальным, но приобретает всё более угрожающие масштабы. В различных точках мира ведутся военные действия, в том числе — и на информационном фронте.
Термин «информационная война» был впервые употреблен в 1967 г. А. Даллесом («Тайная капитуляция») в контексте описания тайных сепаратных переговоров между США и Великобританией, с одной стороны, и рейхсфюрером СС Гиммлером — с другой, в значении «личные, разведывательные, диверсионные действия по подрыву тыла противника» [Панарин 2008]. В дальнейшем терминологическое сочетание превратилось в одно из ключевых слов эпохи холодной войны, став манифестацией концептуальной метафоры в духе Дж. Лакоффа и М. Джонсона, где в качестве области-источника был использован еще живой в опыте поколения образ реальных военных действий, а областью-мишенью стал новый феномен, рожденный в недрах постиндустриального общества, — обеспечение максимального контроля над определенной территорией, группой людей, обществом или его частью, которое достигается планомерным информационным воздействием через манипуляцию общественным сознанием и формирование
По материалам X Международной научной конференции «Политическая коммуникация» (26—30 сентября 2016 г., Екатеринбург).
© Колмогорова А. В., Калинин А. А., Талдыкина Ю. А., 2016
«нужного» общественного мнения с помощью широкого спектра специальных средств и методов [Иванов 2015: 22]. Информационная война и война с использованием собственно военных средств идут зачастую параллельно, либо первая может спровоцировать или оправдать вторую. Полем битвы для информационной войны становится дискурсивное пространство массмедийной коммуникации, где «выследить» противника достаточно сложно ввиду огромного объема, например, текстовой продукции, ежедневно «вбрасываемой» в такое пространство. Однако современный уровень компьютерных лингвистических технологий позволяет автоматически обрабатывать значительные объемы текстов. Проблема состоит в том, что компьютер может обрабатывать, оценивать и классифицировать тексты только по тем параметрам, которые заложил в его программу исследователь — возникает вопрос о том, есть ли у манипуляции, несмотря на скрытый характер такого воздействия, например, в политической коммуникации, особые языковые «сигналы», маркеры?
Цель настоящей публикации — представить результаты первого этапа проводимого лабораторией прикладной лингвистики СФУ проекта по созданию компьютерной программы — классификатора политических текстов по уровню их манипулятивности,
т. е. программного обеспечения, которое позволяло бы автоматически оценить степень представленности в тексте языковых/речевых средств, сигнализирующих о наличии у его автора интенций по неявному управлению общественным мнением для достижения выгодных автору/заказчику данного текста целей, результатов, бенефициаром которых отнюдь не является объект манипуляции.
Материалом для пилотной части проекта был выбран так называемый «поляризованный» политический дискурс англоязычных американских СМИ за 2014—2015 гг., посвященный проблеме «украинского кризиса». Задачей первого этапа проекта было проверить гипотезу о том, что возможно выявить такие параметры текста, которые в дальнейшем мы стали называть «языковыми маркерами манипуляции», частотность которых в тексте может сигнализировать о степени его «манипулятивности».
Теоретический базис и методология работы
Ключевыми для проводимого исследования являются теоретические понятия политического поляризованного дискурса и манипуляции.
Последний феномен является в настоящее время объектом пристального внимания специалистов различных областей гуманитарного знания: психологи определяют манипуляцию как «вид психологического воздействия, используемый для достижения одностороннего выигрыша посредством скрытого побуждения другого к совершению определенных действий» [Доценко 2000: 53], «особый метод социально-психологического контроля» [Герасимов 1999: 45], лингвисты — как «отбор и использование таких средств языка, с помощью которых можно воздействовать на адресата речи так, что последний воспринимает оказываемое на него воздействие как составляющую объективной информации» [Быкова 1999: 99].
В рамках современной когнитивно-дискурсивной парадигмы в лингвистике можно выделить два магистральных подхода к трактовке манипуляции: подход в рамках методологии критического дискурс-анализа, представленный в работах Т. ван Дейка [Dijk 1999, 2006], и прагматический подход в логике Д. Спербера и Д. Вилсона [Sperber, Wilson 1995; Sperber, Cara, Girotto 1995]. Вкратце основное отличие между данными подходами можно сформулировать следующим образом: если дискурс-аналитики рассматривают манипуляцию как разновидность аргументирующего дискурса, воспроизводящего и укрепляющего власть
определенной политической силы, группы, при этом акцентируется активная роль манипулятора, оказывающего воздействие при помощи манипулятивного дискурса 2006], то представители прагматической концепции считают, что манипуляция есть прежде всего искусно выстроенный контекст, в котором некая информация подается так, что, при нескольких возможных пресуппозициях, в сознании реципиента текста актуализируются только те, что выгодны манипулятору, а остальные контекст просто затемняет или блокирует [Maillat 2013]. Таким образом, реципиент текста следует определенным, проложенным манипулятором маршрутом интерпретации и понимания сообщения, но, тем не менее, процесс смыслоформулиро-вания производится самим интерпретатором. В определенной степени здесь применима аналогия с охотой: берберские племена заманивали львов в узкое, удобное для засады, ущелье, привязывая по определенному маршруту диких коз — следуя нужным манипулятору интерпретативным маршрутом, реципиент выбирает последний самостоятельно, привлекаемый некими эмоционально сильными контекстуальными «зацепками». Значит, можно предположить, что такие «зацепки» обязательно вербализованы и, следовательно, должны быть заметны в тексте и могут быть пара-метризированы.
Наиболее ярко такие ограничители-«маршрутизаторы» должны быть представлены в поляризованном дискурсе, который, согласно Т. ван Дейку, играет ключевую роль в создании, выражении, утверждении и воспроизводстве социального неравенства 2008], поскольку имеет своей целью создание групп «своих» и «чужих» посредством представления последних через негативные стереотипы, посредством их очернения через описание совершенных ими негативных поступков, через гиперболизацию их отрицательных черт и характеристик [Elissa 2014]. При этом обязательной блокировке в когнитивном опыте реципиентов такого дискурса должны подвергаться знания и представления о положительных характеристиках «чужих» и об отрицательных качествах «своих». Подобная «блокировка» с необходимостью должна проявляться в тексте посредством неких вербальных маркеров — языковых единиц, с регулярностью коррелирующих с ментальными процессами, регулирующими продуцирование и интерпретацию текста. Для выявления языковых маркеров манипуляции мы использовали методы критического дискурс-анализа, социолингвистического эксперимента, контекстуального
анализа и коммуникативного анализа. В дальнейшем такие маркеры стали параметрами для автоматической классификации текстов по уровню их манипулятивности.
Задача определения степени манипулятивности текста относится к классу задач по автоматической классификации текстов, в частности к нетематической классификации. В общем виде такая задача относится к построению так называемой в разработках по искусственному интеллекту «системы машинного обучения с учителем (supervised machine learning)», на вход которой подается обучающая выборка, содержащая образцы текста и соответствующее им экспертное заключение о том, относится ли данный образец к категории или нет. Машина, используя различные функции-предикторы, с помощью статистических инструментов считает вероятность отнесения некого нового текста к тому или иному классу. Однако для определения образцов текстов, по которым машина «будет учиться», необходимо выделить лингвистические критерии для классификации текстов как «в высокой степени ма-нипулятивных», «в средней степени манипу-лятивных» или «в низкой степени манипуля-тивных».
Рассмотрим основные этапы проведенной работы.
1. На первом этапе нами была проведена сплошная выборка 120 текстов статей, посвященных отношениям США и России на фоне украинского кризиса, из американских периодических изданий The New York Times, The Washington Post, The Daily Mail, The Daily Mirror. После мы проанализировали данные статьи согласно уровневой модели анализа манипулятивного дискурса, предложенной в [Dijk 2006]: на уровне микроструктур — графические, морфологические, синтаксические, лексические и семантические средства; на уровне макроструктур — топикальные цепочки, макропропозиции, риторические приемы. Было установлено, что в 100 текстах налицо реализация макропропозиций «Мы — хорошие, они — плохие» на всех микроструктуральных уровнях. Была выдвинута гипотеза о том, что данные 100 текстов являются манипулятивными.
2. На втором этапе 20 русским респондентам, владеющим английским языком на сертифицированном уровне С1, согласно европейским уровням владения иностранным языком, были предложены несколько статей из выборки, предварительно категоризиро-ванной как выборка манипулятивных текстов. Перед прочтением статьи респондентам предлагалось заполнить анкету, содержащую паспортную часть, а также ряд во-
просов, призванных отразить знакомство респондентов с политическими новостями, отношение к политике в целом. После прочтения статьи c испытуемыми проводилось компьютеризированное структурированное интервью, в котором, в частности, предлагалось 1) определить эмоцию, чувство, которые респондент переживал во время прочтения статьи; 2) назвать устно или подчеркнуть в тексте статьи те пассажи, которые запомнились, обратили на себя внимание. Все респонденты отметили негативные эмоции (досаду, гнев, обиду и т. д.) как доминантные чувства при прочтении статьи. Гипотеза состояла в том, что в таком случае в качестве самых запоминающихся пассажей текста респонденты, будучи представителями стороны «плохих» в оппозиции «Мы — хорошие, они — плохие», выделят наиболее ма-нипулятивно сильные части статей. Анализ выделенных 20 респондентами пассажей позволил выделить первую выборку маркеров манипуляции в дискурсе.
3. Сузив в дальнейшем выборку за счет только тех текстов, в которых присутствуют маркеры, выделенные респондентами, мы обратили внимание на частотность в таких текстах военной терминологии: многие авторы умышленно прибегают к использованию военной терминологии для усиления манипулятивного эффекта, для создания устрашающего образа оппонента, который готов развязать войну. Под военным термином понимается «устойчивая единица синтетической или аналитической номинации, закрепленная за соответствующим понятием в понятийно-функциональной системе определенной сферы военной профессии в значении, регламентированном его дефиницией» [Шевчук 1989: 8], например: A retired NATO general who recently held talks with the Ukrainian president, Petro Poroshenko, told me that intelligence estimates are of some 45,000 regular Russian troops on the border; tens of thousands of Russian irregulars of various stripes inside Ukraine organized by a smaller number of Russian officers and military personnel; some 450 battle tanks and over 700 pieces of artillery (NYT. 23.11.2015).
4. Кроме того, было зафиксировано наличие так называемой «лексики фашизма», список которой включил в себя 160 лексических единиц.
5. Помимо использования военной и нацистской терминологии в статьях западных СМИ зачастую встречается упоминание о советском прошлом Российской Федерации — прилагательное soviet (советский) или postsoviet (постсоветский) в сочетании с существительными: success, rule, union, territory,
region, state, mentality, forces, times, troops, era, leader, space, narrative, citizens, greatness, stupor, masters, regime, republic, Russia, Cold War, the Berlin wall.
6. Важной и устойчивой составляющей ма-нипулятивных англоязычных текстов оказались такие прецедентные имена, как Владимир Путин, Барак Обама, Петр Порошенко, Александр Захарченко (ДНР), Игорь Плотницкий (ЛНР).
7. В исследованных нами статьях мы отметили частое использование прилагательных с приставками anti- и pro-, которые помогают авторам текстов четко разделить «своих» и «чужих». Кроме того, с помощью данных лексических единиц автор статьи может переложить ответственность за какое-либо действие на своего оппонента. Так, в данных заголовках из газеты The Washington Post автор перекладывает ответственность за военный конфликт на Украине на Россию, подчеркивая, что за действиями «повстанцев» стоят власти Российской Федерации: Ukraine pro-Russia rebels hold elections in the east, fueling conflict (WP 11.02.2014); In Ukraine's European core, new weariness over war with pro-Russian rebels (WP 20.12.2014).
Результаты, их проверка и интерпретация
Таким образом, на текущем этапе работы нами был получен список из 6 параметров или метрик, измеряя количество которых в тексте, как мы полагаем, мы можем классифицировать тексты, принадлежащие поляризованному дискурсу, по уровню их ма-нипулятивности:
1) военная терминология (на данный момент представлен список из 960 ЛЕ),
2) лексика по тематике нацизма (160 ЛЕ),
3) морфема soviet,
4) лексемы из составленного по итогам эксперимента списка маркеров манипуляции (тематика страха, агрессии, вторжения),
5) упоминание прецедентных для данной тематики личностей и феноменов (Владимир Путин, Барак Обама, Петр Порошенко, Александр Захарченко (ДНР), Игорь Плотницкий (ЛНР)),
6) наличие прилагательных с антонимическими приставками anti- и pro- .
Решив статистически проверить валид-ность гипотезы о данных 6 метриках как маркерах манипулятивности в тексте, мы составили так называемый «тренировочный корпус» текстов, состоящий из 150 манипу-лятивных текстов (проанализированных по методике Т. ван Дейка экспертом-лингвистом), а также 150 контрольных текстов, слу-
чайно взятых с сайтов тех же американских изданий). Изначально отобранные нами тексты были представлены в виде двух списков URL-ссылок, поэтому для того, чтобы преобразовать их в корпус, был выполнен следующий алгоритм:
1) извлечение контента с сайта;
2) очистка от лишней разметки;
3) нормализация текста (токенизация и создание регистра для всех слов). Далее мы на обоих корпусах (тренировочном и контрольном) проверили функционирование и значение следующих метрик (применили характеристические функции):
1) прилагательные с приставками pro- и anti-: данная метрика отображает соотношение числа слов, начинающихся с приставок pro- и anti-, и общего числа слов;
2) морфема soviet-: оценивается соотношение количества слов, содержащих корень "soviet", или словосочетаний с данной лексемой и общего числа слов в тексте;
3) военная терминология: соотношение количества слов из списка военной терминологии и общего числа слов в тексте;
4) нацистская и фашистская терминология: соотношение количества слов из списка нацисткой и фашистской терминологии и общего числа слов в тексте;
5) маркеры манипуляции, полученные экспериментально: соотношение количества слов из списка маркеров манипуляции и общего числа слов в тексте.
Затем мы посчитали статическую значимость различия между средними значениями вычисленных характеристических функций. Для этого мы применили метод статистической проверки гипотез. В качестве порога статистической значимости был выбран порог в 5 % (0,05).
Нулевая гипотеза — различия между средними значениями статистически не значимы (P-значение > 0,05). Альтернативная гипотеза — различия статистически значимы (P-значение < 0,05).
В качестве инструмента для сравнения значений функций был использован двухвы-борочный t-критерий Стьюдента для независимых выборок. Под t-критерием Стьюдента понимаются методы статистической проверки гипотез, основанных на распределении Стьюдента. Чаще всего t-критерий применяется для проверки равенства средних значений в двух выборках. Принцип заключается в следующем: в числителе случайная величина с нулевым математическим ожиданием, а в знаменателе — выборочное стандартное отклонение этой случайной величины, получаемое как квадратный корень из несмещенной оценки дисперсии [Student 1908].
Таблица 1
Результаты сравнения значений функций в контрольном и тренировочном корпусах текстов
Метрика ^критерий (различие между средним p-значение (вероятность
количеством слов в текстах тренировочного и контрольного корпусов) одинаковости двух выборок)
"pro-" и "anti-" 2.13633331 0.03522494
"soviet" 3.72056850 0.00039430
Маркеры манипу- 4.955 0,00000308
ляции
Нацистская и фа- 0.3592 0.7202.
шистская терми-
нология
Военная термино- 2.3306 0.0223
логия
Прецедентные 5.8044 0.0000001667
имена — Путин (Poutin)
Как мы можем видеть, для метрик "pro-"/"anti-", "soviet", маркеров манипуляции, военной терминологии и прецедентного имени «Владимир Путин (Poutin)» p-значение меньше выбранного порога значимости, поэтому мы можем отбросить нулевую гипотезу и принять альтернативную. Таким образом, данные характеристические функции могут быть использованы для дифференциации манипулятивных текстов и немани-пулятивных. При этом стоит отметить, что показатели для маркеров манипуляции и прецедентного имени «Poutin» — весьма значительные, что свидетельствует о том, что они имеют большое значение для оценки манипулятивности текстов.
Анализ параметра фашистской и нацистской терминологии показал, что различия по данному признаку не существенны и, скорее всего, не могут быть использованы для разграничения манипулятивных и неманипуля-тивных текстов. Тем не менее данный параметр все-таки может быть использован в сочетании с другими при анализе манипулятивности текстов.
Таким образом, статистическая проверка количественных показателей выявленных 6 языковых маркеров (метрик) манипулятивности в текстах тренировочного и контрольного корпусов показала, что 5 из 6 метрик являются статистически значимыми для выявления манипулятивных текстов в рамках поляризованного дискурса.
Обсуждение и выводы
Итак, в пилотной части проекта мы подтвердили гипотезу о возможности выявления языковых маркеров манипуляции для последующего их использования в качестве метрик для автоматического анализа текстов. Дальнейшими задачами исследования являются: 1) расширение контрольного корпуса текстов для более глубокой проверки ва-
лидности выявленных метрик; 2) установление количественных показателей метрик для дальнейшей классификации текстов по уровням манипулятивности (высокий, средний, низкий); 3) проверка выявленных 6 метрик (5 основных и 1 вспомогательная) на материале, выходящем за пределы поляризованного дискурса, а также за пределы англоязычного дискурса — возможна апробация на испаноязычном и русскоязычном материале; 4) написание программного кода с использованием языка программирования Python для анализа и классификации текстов по уровню манипулятивности.
В поляризованном дискурсе американских СМИ, трактующих проблемы «украинского кризиса», желание направить реципиентов текста по нужному политическому истеблишменту интерпретативному маршруту приводит продуцентов текста к намеренному конструированию когнитивного контекста таким образом, чтобы актуализировать в когнитивном опыте читателей одни пресуппозиции, затушевав, блокировав другие. Так, активное использование словообразовательных морфем pro- и anti-, а также прецедентных имен подсознательно ориентирует читателя на обязательное соотнесение себя с одной из двух групп — «свои» или «чужие» (естественно, что, дабы не потерять социальную самоидентификацию, реципиенты локализуют себя среди «своих», принимая тем самым «по умолчанию» все доводы «своих» против «чужих»); корневая морфема soviet актуализирует в когнитивном опыте читателей мифы и стереотипы эпохи «холодной войны», имеющие негативные коннотации страха, угрозы; те же коннотации актуализируются и лексическими единицами, относящимися к нацистской и военной терминологии, апеллирющими к эмоционально сильным структурам памяти о Второй мировой войне. Иными словами, упомя-
нутые языковые единицы являются своеобразными «якорями», если вспомнить «anchoring effect» — известный термин в когнитивной психологии, обозначающий склонность когнитивных агентов принимать решения на основе лишь какой-то одной части информации, как правило, либо первой, попавшей в поле внимания, либо наиболее привлекающей внимание в силу своей, например, эмоциональной окрашенности [Wilson and all 1996]. Именно они структурируют и направляют процесс интерпретации текста читателем, реципиентом, уводя «в тень» другие, возможные в данном контексте, пресуппозиции (например, упоминание нацизма могло бы актуализировать знания о том, что во Второй мировой войне Советский Союз и США были союзниками).
Представляется, что осуществление начатого проекта может способствовать решению задач обеспечения информационной безопасности общества путем, в частности, мониторинга электронных СМИ.
ЛИТЕРАТУРА
1. Быкова О. Н. Языковое манипулирование: материалы к энциклопедическому словарю «Культура русской речи» // Теоретические и прикладные аспекты речевого общения :
A. V. Kolmogorova, A. A. Kalinin, J. A. Taldykina
Krasnoyarsk, Russia
LINGUISTIC MARKERS OF MANIPULATION IN POLARIZED DISCOURSE: PARAMETRIC STUDY
ABSTRACT. This article investigates the problem of machine retrieving of highly manipulative texts in terms ofpolitical media discourse. We consider manipulation as a context constraint and suppose that there are some verbal markers used for constraining the addressee cognitive context the importance of which grows up in the context ofpolarized discourse. For the present research, we used articles from the Western media (the Washington Post, the New York Times, etc.). Thus, we detected verbal markers of manipulation and evaluated their weight in text content by, firstly, analyzing randomly chosen articles according to the van Dijk's theory of contextual and textual analysis and, secondly, by making a sociolinguistic experiment. Then, we detected six features which might be employed to design a computer analyzer: soviet lexicon, Nazi lexicon, military terminology, discursive markers of manipulation selected by respondents, prefixes pro-, anti, precedent names or personalities and measured value of two of them with the use of corpus processing pipeline. These two features are quite statistically significant and can be used as manipulation metrics. It is expected that such metrics would become a tool for measuring a quantitative degree of manipulation in political articles.
KEYWORDS: manipulation; political media discourse; featuring; context constraint; polarized discourse; machine retrieving.
ABOUT THE AUTHOR: Kolmogorova Anastassia Vladimirovna, Doctor of Philology, Associate Professor, Professor of the Department of Linguistics and Cross-Cultural Communication; Siberian Federal University, Krasnoyarsk, Russia.
ABOUT THE AUTHOR: Taldykina Julia Andreevna, Post-graduate Student of the Department of Linguistics and Cross-Cultural Communication, Siberian Federal University, Krasnoyarsk, Russia.
ABOUT THE AUTHOR: Kalinin Alexander Andreevich, Data engineer, OOO "Aspirity", Krasnoyarsk, Russia.
вестн. Рос. риторич. ассоциации.— Красноярск, 1999. Вып. 1 (8). С. 91—103.
2. Герасимов В. М., Деркач А. А., Косопкин А. С., Нефедова Т. И. Психология парламентаризма. — М. : Статус-Кво, 1999.
3. Доценко Е. Л. Психология манипуляции: феномены, механизмы и защита. — М. : Изд-во МГУ, 1997.
4. Иванов С. А. Особенности ведения информационных войн в российских регионах в 2000-е гг. (на примере регионов юга Западной Сибири) : автореф. канд. дис. — СПб., 2015.
5. Панарин И. Н. Информационная война за будущее России. — М. : Радио и связь, 2008.
6. Шевчук В. Н. Военно-терминологическая система в статистике и динамике. — М., 1985.
7. Dijk T. A. van. Context models in discourse processing. — New York, 1999.
8. Dijk. T. A. van. Discourse and manipulation // Discourse and Society. 2006. № 17. (2). P. 359—383.
9. Dijk T. A. van. Discourse and Power. — New York, 2008.
10. Eissa M. M. Polarized discourse in the news // Procedia — Social and Behavioral Sciences. 2014. Р. 70—91.
11. Maillat D. Constraining context selection: On the pragmatic inevitability of manipulation // Journal of Pragmatics. 2013. № 59. P. 190—199.
12. Sperber D., Wilson D. Relevance: Communication and Cognition. — Oxford, 1995.
13. Sperber D., Cara F., Girotto V. Relevance theory explains the selection task // Cognition. 1995. № 57. P. 31—95.
14. Student. The Probable Error of a Mean // Biometrica. 1908. (1). P.1—25.
15. Wilson T. D., Houston C. E., Etling K. M., Brekker N. A new look at anchoring effects: Basic anchoring and its antecedents // Journ. of Experimental Psychology: General 125. 1996. № 4. P. 387—398.
REFERENCES
1. Bykova O. N. Yazykovoe manipulirovanie: materialy k ent-siklopedicheskomu slovaryu «Kul'tura russkoy rechi» // Teo-reticheskie i prikladnye aspekty rechevogo obshcheniya : vestn. Ros. ritorich. assotsiatsii.— Krasnoyarsk, 1999. Vyp. 1 (8). S. 91—103.
2. Gerasimov V. M., Derkach A. A., Kosopkin A. S., Nefedova T. I. Psikhologiya parlamentarizma. — M. : Status-Kvo, 1999.
3. Dotsenko E. L. Psikhologiya manipulyatsii: fenomeny, mekhanizmy i zashchita. — M. : Izd-vo MGU, 1997.
4. Ivanov S. A. Osobennosti vedeniya informatsionnykh voyn v rossiyskikh regionakh v 2000-e gg. (na primere regionov yuga Zapadnoy Sibiri) : avtoref. kand. dis. — SPb., 2015.
5. Panarin I. N. Informatsionnaya voyna za budushchee Rossii. — M. : Radio i svyaz', 2008.
6. Shevchuk V. N. Voenno-terminologicheskaya sistema v statistike i dinamike. — M., 1985.
7. Dijk T. A. van. Context models in discourse processing. — New York, 1999.
8. Dijk. T. A. van. Discourse and manipulation // Discourse and Society. 2006. № 17. (2). P. 359—383.
9. Dijk T. A. van. Discourse and Power. — New York, 2008.
10. Eissa M. M. Polarized discourse in the news // Procedia — Social and Behavioral Sciences. 2014. R. 70—91.
11. Maillat D. Constraining context selection: On the pragmatic inevitability of manipulation // Journal of Pragmatics. 2013. N° 59. P. 190—199.
12. Sperber D., Wilson D. Relevance: Communication and Cognition. — Oxford, 1995.
13. Sperber D., Cara F., Girotto V. Relevance theory explains the selection task // Cognition. 1995. № 57. P. 31—95.
14. Student. The Probable Error of a Mean // Biometrica. 1908. (1). P.1—25.
15. Wilson T. D., Houston C. E., Etling K. M., Brekker N. A new look at anchoring effects: Basic anchoring and its antecedents // Journ. of Experimental Psychology: General 125. 1996. № 4. P. 387—398.
Статью рекомендует к публикации д-р филол. наук, проф. А. П. Чудинов.
199
